thekb.eu — Philosophie & Gesellschaft

The turbulent AI era is here. The choices we make now are critical.

Wed, 26 Aug 2026 00:00:00 GMT

Bill Gates eröffnet mit seiner doppelten Laufbahn – Software bei Microsoft aufbauen, dann das so angehäufte Vermögen umverteilen – und leitet daraus seine Rahmensetzung ab: KI wird der größte Gleichmacher sein, der je erfunden wurde, oder die schlimmste Quelle von Ungerechtigkeit. Zum ersten Mal kann eine Technologie die menschliche Kognition ersetzen und übertreffen. Doch niemand bereitet sich auf diesen Übergang vor: Es existiert kein Plan. Er führt dieses Fehlen an Vorbereitung auf eine Unterschätzung der Wirkung zurück. Die aktuellen Fehler der Modelle sind irreführend, da sich die Zuverlässigkeit rasch selbst korrigiert. Wichtiger noch: Historische Analogien sind irreführend – der PC brauchte zwanzig Jahre, um die Arbeitswelt zu verändern, weil Software entwickelt, Preise gesenkt und Menschen geschult werden mussten. KI hingegen läuft auf bereits installierten Geräten und spricht natürliche Sprache – es ist die KI, die sich an uns anpasst. Gates legt seine fortbestehenden finanziellen Verbindungen zur Branche offen, stellt klar, dass die Gewinne aus seinen Investitionen an die Stiftung gehen, und überlässt es dem Leser zu urteilen. Er legt drei Risiken dar. Erstens der Arbeitsplatzverlust: Da die Substitution auf die Kognition zielt, trifft sie Recht, Kundenservice, Medizin, Software und Industrie gleichzeitig, innerhalb eines Jahrzehnts statt über Generationen hinweg. Einstiegs- und Positionen mittlerer Karrierestufe sind am stärksten exponiert; handwerkliche Berufe werden folgen, sobald robots dextres, vor allem in China entwickelt, günstig werden. Zweitens die Bewaffnung böswilliger Akteure: Cyberangriffe, Bioterrorismus, Betrug, Deepfakes, da nützliche und gefährliche Fähigkeiten nicht voneinander getrennt werden können – und, spiegelbildlich, die Machtkonzentration bei denjenigen, die sie bereits innehaben. Drittens die Wirkung auf die kindliche Entwicklung und auf menschliche Beziehungen, wobei compagnons IA als geschütztes Gewächshaus beschrieben werden, das Menschen der Lektionen echten Kontakts beraubt. Der Nutzen ist real und verortet: beschleunigte Forschung, Gesundheit, Landwirtschaft in einkommensschwachen Ländern – die Wirkung, die er als die schnellste bezeichnet –, öffentliche Dienstleistungen und Bildung. Doch das Verb bleibt „kann": Nichts geschieht automatisch, daher die notwendige Rolle von Staaten und Philanthropie. Er schlägt daher drei erste Maßnahmen vor. Den Aufbau eines beispiellosen nationalen und internationalen institutionellen Rahmens, angelehnt an die Nuklearinspektion, die Luftfahrtregulierung und die Ozonabkommen. Die Einrichtung eines Bereichs „Human Reserved", Berufe, die aus wirtschaftlichen oder menschlichen Gründen von der Automatisierung ausgenommen sind. Die Neuausrichtung der Besteuerung durch eine Steuer auf Token und Roboter, da das System heute dazu drängt, Menschen zu ersetzen. Er schließt mit dem Aufruf, den Kreis der Stimmen zu erweitern, die die Debatte prägen.

The Future is for Everyone: The Path to a Positive AI Future

Mon, 10 Aug 2026 00:00:00 GMT

Manifest, veröffentlicht auf **meta.com** am **10. August 2026**, unterzeichnet mit ***"– Mark"*** (**Mark Zuckerberg**), ~6.500 Wörter. **Die drei Prinzipien.** **Individuelle Ermächtigung** als Quelle von Wohlstand, **Erfindung** — nicht Automatisierung — als primärer Zweck von Superintelligenz, und **Machtgleichgewicht** als Grundlage von Sicherheit. Die Leitfrage: *"who will have access to superintelligence and what will we direct it toward?"* **Das zentrale Argument.** Alignment, verstanden als Konvergenz zu einem einzigen wohlwollenden System, sei *"fundamentally flawed"*, denn ***"humanity is not a monoculture"***: Die Werte der Menschen kodieren gegensätzliche Kompromisse, und keine technische Lösung kann sich gleichzeitig an widersprüchlichen Interessen ausrichten. Daraus folgt: ***"there is no such thing as a singular benevolent superintelligence"***. Sicherheit ist kein technisches Problem, sondern eines der **Machtverteilung** — demonstriert durch drei identische Gedankenexperimente (Anwalt, Cybersicherheit, Wirtschaft: ein einzelner Inhaber richtet Schaden an, Verallgemeinerung nützt allen). Korollar an die Branche gerichtet: Das gefährlichste Szenario wäre, wenn *"leading labs training powerful models and keeping them for themselves"*. **Wozu sich Meta verpflichtet.** Ein rund um die Uhr verfügbarer persönlicher Agent mit einem **vollständig privaten Modus**, bei dem *"even Meta"* keinen Zugriff gewähren kann; Werkzeuge zur Erstellung und Unternehmensgründung; ein personalisierter Tutor; Zugang zu wissenschaftlichen Fortschritten (Biohub); **kostenlose Versionen** für Milliarden, dazu **dynamisches Bieten** für bezahlte Rechenleistung. Zur Governance: Das **unabhängige Board** wird Sicherheitskriterien für Veröffentlichungen genehmigen und deren Einhaltung prüfen, wobei der Autor einräumt, dass Meta **von den Gründern kontrolliert** bleibt. Zur Offenheit: *"we will **resume** releasing **some** open source models soon"*, dazu eine explizite Verteidigung der **Distillation** — *"you can learn from anything you can observe"*. **Behandelte Risiken.** Beschäftigung (nichts verlangt, dass Automatisierung die individuellen Fähigkeiten überholt; begrenzte Rechenleistung schafft Opportunitätskosten zugunsten der Erfindung); Infrastruktur (**community compacts**, der *Future Is For Everyone Fund*, ein Bonus von 50.000 $ für Lehrkräfte in Richland Parish, wasserpositiv bis 2030); Cyber- und Biorisiko (Verteidiger müssen den Vorteil behalten; physische Produktion statt Wissen regulieren); Tyrannei (Privatsphäre, **Zwischen-Trainingscheckpoints** an die Regierung statt einer blockierenden Überprüfung); amerikanische Führungsrolle (ein entscheidender Vorsprung von zwei Monaten, aufrechterhaltene Exportkontrollen). **Zwei Vorbehalte.** **Die Quellenlage ist nahezu inexistent** — die Beschäftigungsstatistiken, der HuggingFace-Vorfall und Chinas nukleare Kapazität werden nicht belegt. Und **Alignment wird zur Folge der Adoption**: *"if billions of people are using and scrutinizing personal agents, then we will have solved alignment"*. Dies ist die schwerwiegendste und am wenigsten abgesicherte Schlussfolgerung.

Reflecting on a year of Claude Code

Fri, 17 Jul 2026 00:00:00 GMT

Boris Cherny (**Head of Claude Code**) und Cat Wu (**Head of Product, Claude Code**) veröffentlichen auf LinkedIn, via Claude for Business, ein kurzes (~47 s) Video mit dem Titel **„Reflecting on a year of Claude Code“**. Ihre These: im Zeitalter der Coding-Agenten **verschmelzen Produkt- und Engineering-Rollen**. „Is everyone going to be a PM or is everyone going to be an engineer? Everyone's going to be both.“ **Beweis am Beispiel: der interne Fall.** Cherny beschreibt, wie Anthropic als Demonstration operiert: das Produktteam, DevRel und Design **schreiben alle Code**; umgekehrt **liefern** viele Engineers Produkte **End-to-End** — sie haben eine Idee, was zu bauen ist, bauen es, und arbeiten dann mit Legal, Marketing und Security zusammen, um zu kommunizieren und Sicherheit zu gewährleisten. Fazit: KI **begünstigt Profile** mit **Neugier**, **Produktgespür** und einem Faible für **End-to-End-Verantwortung**. **Der eigentliche Inhalt: der Kommentarthread.** Von 55 Kommentaren tragen 28 eine inhaltlich substanzielle Idee bei und bilden ein öffentliches Peer-Review entlang von acht Achsen. Die **dominierende** Neueinordnung: es sind nicht die Rollen, die verschwinden, sondern die **Verkürzung der Feedback-Schleife**. Rehan Nazir — wenn ein PM eine Idee mit einem noch am selben Tag erstellten Prototyp validiert, „hören Organigramme auf, eine Rolle zu spielen“; Noman A. — Ideen werden in Stunden statt Wochen getestet, was verändert, *wie Unternehmen lernen*; Kevin Schoovaerts — Claude Code baut 80 % des Produkts, die eigentliche Kraft liegt in der engen Schleife mit dem Nutzer. Zweite, tiefere Achse: die **knappe Fähigkeit verschiebt sich** von „wissen, wie man baut“ hin zu **Urteilsvermögen** und der **Definition des richtigen Problems** (Omer K., meistgeliketer Kommentar: „choosing the right problems, knowing what NOT to build“; Syed T.; Andrei van Noordt: die knappe Einstellung wird zur Person mit Gespür dafür, *was* gebaut werden soll und die es auch bauen kann; Natasha Newbold: man wird zum **Architekten**, der die Spezifikationen schreibt, die Teams von Agenten ausführen). Sunny Vara verschiebt den entscheidenden Faktor vom Prompt hin zum **Kontext**. **Der Gegenpunkt.** Eine Ebene wirft die Fragen auf, die das Video umgeht: Paul Breuler und Ron H. — die Verantwortung wächst, also wächst auch die **Rechenschaftspflicht**; „wenn jeder bauen kann, muss jemand trotzdem in der Lage sein, Nein zu sagen.“ Mohammadjavad Sayadi — die **Lücke zwischen Demo und Produktion** bleibt in regulierten Bereichen (Gesundheitswesen) erheblich. Die **Skeptiker** (Chris Bounds, Mohamed Anis, Panny Malialis, David H.) warnen davor, eine Startup-typische Arbeitsweise zu verallgemeinern. Schließlich üben zwei **frontale Kritiken** (James Hutchinson, Dewayne J Grunden II) scharfe Kritik am **Diebstahl geistigen Eigentums** und fordern, Modelle als Open Source zu veröffentlichen und Urheber zu entschädigen. In einem Satz: der Konsens bestätigt die These, ordnet sie aber neu ein — **das Ausliefern wird billig**, was den Wert in Richtung **Urteilsvermögen, Produktgespür und das richtige Problem** verschiebt, während Rechenschaftspflicht, Governance und Zuverlässigkeit noch nicht nachgezogen sind.

Some observations on Kimi (thread X)

Fri, 17 Jul 2026 00:00:00 GMT

X-Thread von **Dean W. Ball** — **Head of Strategic Futures bei OpenAI** seit dem 6. Juli 2026, **Hauptautor von America's AI Action Plan** unter der Trump-Administration (eine Positionierung, die man im Hinterkopf behalten sollte, wenn man ein Anti-Open-Weights-Argument liest, das von einem Insider der proprietären Frontier verfasst wurde): **sechs Beobachtungen**, ausgelöst durch das chinesische Open-Weights-Modell **Kimi**, die schnell über das Produkt hinausgehen, um eine gegen den Strich gebürstete **geopolitische und ideologische These** zu vertreten. (1) Kimi ist **ein sehr gutes Modell**, nicht auf Destillation reduzierbar, **auf Augenhöhe mit den besten öffentlichen Modellen des Q1 2026** im agentischen Coding — aber **sehr token-hungrig**, sodass der Betrieb nicht so offensichtlich günstig ist. (2) Ball sagt, er sei **überrascht, dass der chinesische Staat die Open-Source-Stellung** so guter Modelle weiterhin zulässt: Er führt dies **zu ~75 % auf eine „strategische Blindheit" / einen Mangel an „AGI-Pilledness"** zurück (die KPCh vertrete angeblich eine „sehr Yann-LeCun-artige" Sicht auf KI), und zu ~25 % auf einen **Mangel an Inferenz-Rechenleistung** — was die chinesische Open-Weights-Strategie zu einem **unbeabsichtigten Nebenprodukt der US-Exportkontrollen** machen würde — sowie einen Reflex zu aggressiven Exporten; auf Seiten der Unternehmen sei die Offenheit halb ideologisch, halb ein Eingeständnis, dass „wir zurückliegen, niemand würde für sub-frontier chinesische Modelle bezahlen." (3) Zentrale These: **Open-Weights-Modelle sind inhärent dezelerationistisch** — sie **schrecken KI-Investitionsausgaben ab**. Ball zeigt sich überrascht von der Begeisterung der **„Akzelerationisten"** für Open Weights, die er auf deren Vorliebe für den **„Mantel der Unregierbarkeit"** zurückführt (eine Analogie zu James Scotts *The Art of Not Being Governed* und dessen Bergvölkern). (4) Eine von offenen Gewichten dominierte Welt würde zu **„KI-Kommunismus"** führen — KI nicht als Marktprodukt, sondern als **„öffentliches Gut" / „digitale öffentliche Infrastruktur"**, bereitgestellt vom Staat, „genau das, was China vorschlägt"; Ball beurteilt diesen Horizont als **„dystopisch"** und berichtet, während seiner Regierungszeit für ein **elf- bis zwölfstelliges** föderales Rechenzentrum lobbyiert worden zu sein, das Startups subventionieren sollte, die ihre Modelle kostenlos verschenken würden. (5) **Politische Vorhersage**: Die Trump-Administration werde letztlich erkennen, dass ihre beste Strategie **nicht darin besteht, „Open Source zu verbieten"** (eines der albernsten Argumente in der Debatte), sondern **regulatorisches Risiko / FUD zu erzeugen** über **Soft Law** aus jeder Behörde („ein Fed-Bulletin vermutet Backdoors in chinesischen Modellen"), genug, um **regulierte Unternehmen zurückschrecken zu lassen**, ohne die Hyperscaler zu verschrecken (andernfalls würden Startups sich zwielichtigeren Anbietern zuwenden). (6) Diese Modelle machen **die Welt ein wenig gefährlicher**, noch nicht auf spürbare Weise — bis zu dem Tag, an dem sie es sind; eine ironische Schlusszeile über einen „sich selbst replizierenden Agenten, der aus einem chinesischen Labor entkommen ist" (eine COVID-/Lab-Leak-Analogie, „color me shocked"). Zu lesen als **Gegenpunkt** zur Analyse von SFEIR (Kimi K3, Reversibilität, [[sfeir-kimi-k3-moonshot-frontier-open-weights-2026-07-16]]) und zu Xis Pro-Open-Source-Rede auf der WAIC ([[xi-waic2026-gouvernance-mondiale-ia-2026-07-17]]).

The Token Manifesto

Fri, 17 Jul 2026 00:00:00 GMT

**Nicolas Martignole** veröffentlicht auf *Le Touilleur Express* **« The Token Manifesto »**, einen kurzen satirischen Text, gemeinsam verfasst mit zwei Modellen (**GLM-5.2** und **MiniMax-M3**). Die Mechanik ist klar: Man übernimmt die exakte Struktur des **Manifeste Agile** von 2001 — seine Präambel, seine vier Werte in der Form „X statt Y“, seine zwölf Prinzipien — und überträgt sie auf die Welt der LLMs, in der die Recheneinheit nicht mehr die Ingenieurstunde, sondern das **Token** ist. Die Präambel gibt den Ton vor: „Wir entdecken bessere Wege, Kontext zu verbrauchen, indem wir es tun … Durch die Arbeit des Erzeugens von Tokens, des Löschens von Tokens und **nervösen Starrens auf eine Nutzungsanzeige** haben wir gelernt zu schätzen … “. **Die vier Werte** skizzieren eine Ästhetik des sparsamen Prompts: *kurze System-Prompts statt raffinierter System-Prompts*; *ein klares Beispiel statt drei Absätzen Erklärung*; *iteratives Vorgehen in kleinen Schritten statt das gesamte Lastenheft auf einmal abzuladen*; *Ausgabe in einem festgelegten Format statt das Modell frei improvisieren zu lassen*. Jeder Wert stellt eine sparsame Praxis (Prägnanz, Beispiel, Iteration, eingeschränktes Format) einer kostspieligen Versuchung gegenüber (Raffinesse, Weitschweifigkeit, ein umfangreiches Lastenheft, eine unbeschränkte Antwort). **Die zwölf Prinzipien** unterlaufen die des Agilen Manifests eines nach dem anderen. Die Priorität wird zur Lieferung „**der Antwort, nicht des Weges zur Antwort**“; das Manifest „begrüßt sich ändernde Anforderungen, selbst spät im Gespräch“; es baut „auf motivierten Individuen mit einem **angemessenen Kontextfenster**“ auf; „funktionierende Prompts messen den Fortschritt **und die Rechnungen**“. Das meistzitierte Prinzip kehrt das berühmte zehnte Prinzip von Agile um: „**Einfachheit — die Kunst, die Menge an Arbeit zu maximieren, die nicht vom Modell erledigt wird**“. Andere zielen auf Kontextschulden („Wiederholungen erkennen und einmal dokumentieren“) und ökonomische Nachhaltigkeit ab („ein Prompting-Tempo, das sich unbegrenzt durchhalten lässt“, „regelmäßige Reflexion **bevor die Monatsrechnungen eintreffen**“). Zwei Pointen beschließen das Manifest und tragen unter dem Humor seine ernsthafte These: **« Du hast kein Prompt-Problem. Du hast ein Kontextfenster-Problem. »** — eine Verlagerung der Aufmerksamkeit vom *Prompt Engineering* hin zur **Ökonomie des Kontextfensters** — und **« Jeder ist ein Prompt Engineer, bis das Monatskontingent aufgebraucht ist. »** — eine ironische Erinnerung daran, dass sich das wahre Können am Nutzungszähler bemisst. Jenseits des Scherzes kristallisiert der Text einen kulturellen Wandel heraus: In der Ära KI-gestützter Entwicklung ist der strukturierende Engpass nicht mehr die **Geschwindigkeit** (die Obsession von Agile), sondern das **Token-Budget** und das Kontextmanagement. Die Ko-Autorschaft von Mensch und Modellen fungiert als Meta-Signatur: ein Plädoyer für Token-Sparsamkeit, verfasst mit Hilfe eben jener Modelle, deren Sparsamkeit es lehrt.

Re: Linking Patchwork with Sashiko? (message linux-media sur la position du kernel Linux vis-à-vis de l'IA)

Tue, 14 Jul 2026 00:00:00 GMT

Nachricht von **Linus Torvalds** auf der Mailingliste **linux-media** (Thread "Linking Patchwork with Sashiko?", zu einem LLM-Tool zur Unterstützung von Maintainern), in der der Schöpfer und **oberste Maintainer** des Linux-Kernels **offiziell die Position des Projekts zu KI festlegt**. Als Antwort auf Roman Gushchin, der darauf hinwies, dass eine ablehnende Nachricht eine "sehr generell anti-LLM"-Haltung zum Ausdruck brachte, stimmt Torvalds zu ("Yes") und **weist dann kategorisch zurück, dass dies die Position des Kernels sei** ("And no, that's not the position of the Linux kernel"). Er **setzt sich als oberster Maintainer durch**: **"Linux is not one of those anti-AI projects"**; wer damit ein Problem hat, kann **"do the open source thing: fork it"** — "or just walk away". **Zentrale These**: **"AI is a tool, like the other tools we use, and clearly a useful tool"**; das war vor einem Jahr vielleicht noch nicht "so 'clearly' true", heute steht es aber außer Frage. Er unterscheidet **noch offene** Fragen ("what the AI economy will actually look like in the end") von der Frage, die **entschieden** ist ("is it useful?") — "anybody who doubts that clearly hasn't actually tried it". Er **räumt ein**, dass das Werkzeug **"painful"** sein kann — Belastung für Maintainer, und die Tatsache, dass es "keeps finding embarrassing bugs" —, verweigert aber die Vogel-Strauß-Haltung ("put your head in the sand going 'La La La, I can't hear you'"). **Die richtige Reaktion**: sicherstellen, dass **LLM-Tools Maintainern _helfen_**, statt ihnen Schmerzen zu bereiten. **Bewusst keine Zwangsausübung**: "nobody is forced to use it, but **I will very loudly ignore those who try to prevent others from using it**". Zur Unvollkommenheit: "AI isn't perfect, but hell, anybody who points at its problems had better also point at the mirror" — "**natural intelligence isn't always all that great either**". **Governance-Rahmen**: Das Kernel-Projekt "has always been and will remain about **technology**"; die soziale Dimension von Open Source ist ein "side benefit, not the _point_"; **"this is *NOT* some kind of 'social warrior' project, never has been, never will be"**; "we do open source because it results in **better technology**, not for religious reasons". Programmatischer Schlusssatz: **"we decide based on technical merit first. Not on fear of new tools."** Zu lesen als **doktrinäre Positionserklärung** einer der einflussreichsten Figuren der Software-Welt — ein Echo auf ESRs pro-LLM Gegenzeugnis (eine weitere Säule von Open Source, [[raymond-llm-coding-empowering-2026-07-08]]).

What...what am I missing here? (post X sur les LLMs et le codage)

Wed, 08 Jul 2026 00:00:00 GMT

X-Post von **Eric S. Raymond** (ESR, Autor von *The Cathedral and the Bazaar*, Mitbegründer der Open Source Initiative, ~50 Jahre Programmiererfahrung) — **ein frontales Gegenzeugnis zur Erzählung, dass „LLMs schrottigen Code produzieren und halluzinieren, unbrauchbar zum Programmieren“.** Seine These: Das **passiert ihm fast nie**, und **überhaupt nicht mehr in den letzten zwei Generationen** der von ihm genutzten Modelle („ChatGPT 5.4 und 5.5“ unter **codex**). Das frühere Symptom — ein Modell, das „entgleist“, wenn es sich seinem Kontextlimit nähert — ist verschwunden: codex zeigt jetzt eine **rote Warnung** an, die den Nutzer auffordert, die **Sitzung zu leeren**, statt abzudriften. **Nutzungsumfang**: KI angewandt auf **Feature-Änderungen, Refactoring und Debugging über 63 Projekte** in **C, Go, Rust, Python und Shell**; das Verfassen von Dokumentation; **das Dekompilieren einer DOS-Binärdatei in lesbaren Quellcode**. Eine etablierte **Arbeitsroutine**: Beim Wiederöffnen eines Projekts führt er zunächst die **Regressionstests** aus, startet dann codex und bittet es, den Code zu **auditieren** (Bugs + Verbesserungsvorschläge). Fazit: LLMs sind **„exzellent und enorm empowernd“**; ihre **größte Schwäche** ist der **„architektonische Tunnelblick“** — hervorragend darin, Code nach Spezifikation zu erzeugen, aber manchmal **blind für übergeordnete Muster** — was er als die **Aufgabe seines „Fleischhirns“** ansieht. Der stärkste, kontraintuitive Punkt: LLMs **liegen bei Details und Randfällen NICHT falsch**; er sagt, er sei diesbezüglich **schlechter als sie** (trotz 50 Jahren Erfahrung), denn wenn eine Änderung **fünf Stellen berühren** muss, findet das Modell **zuverlässig alle fünf**, während der Mensch vier korrigiert und **stundenlang debuggt**, bevor er die vergessene fünfte findet. Er stellt daraufhin die **„Herunterschreier“** in Frage: Leben sie in einem **anderen Universum**? Nutzen sie **alte, schwache Modelle**? Gibt es ein **Skill-Problem**, das er nicht sieht, weil seine **Denkgewohnheiten und Kommunikation** gut zu den „Griffen“ dieser Werkzeuge passen? Eine Frage, die er für wichtig hält zu klären, da „**Milliarden von Dollar durch fehlgeleiteten Token-Einsatz verschwendet würden**“. Sein Rezept, „ganz einfach“: **„Denke klar, sag dem Modell präzise, was du willst, und gute Dinge geschehen“** — mit dem Schlusssatz: „Was übersehe ich hier?“ Zu lesen als ein **Pro-LLM-Gegenpunkt einer historischen Figur der Open-Source-Bewegung** in der wiederkehrenden Debatte über die (Ab-)Wertung von Coding-Agenten — anklingend an das „Skill-Problem“ und die Spezifikationsdisziplin (vgl. [[martignole-token-manifesto-2026-07-17]]) und ein Diptychon bildend mit **Linus Torvalds'** doktrinärer Pro-KI-Werkzeug-Haltung im Namen des Linux-Kernels ([[torvalds-llm-outil-kernel-2026-07-14]]).

AI Replacement Is the Easy Fear. Losing Your Team Is the Real One.

Sat, 04 Jul 2026 00:00:00 GMT

Jean-Paul Paoli beginnt mit einer Szene: Ein Mitarbeiter verbrachte einen Abend damit, eine schwierige Frage zu entscheiden — ein Stellenangebot anzunehmen, das eigene Burnout-Risiko einzuschätzen — und tat dies *mit einem Chatbot*. Beim nächsten Einzelgespräch trifft die Führungskraft auf jemanden Gefassten: Das Gespräch, das das Problem früher gegenüber einem Menschen offengelegt hätte, hat bereits stattgefunden — mit einer Maschine. Das ist seine These: Die von den Medien befürchtete Gefahr der KI am Arbeitsplatz ist der **Ersatz**, doch „das stille Ergebnis ist schlimmer, und es lässt alle in Beschäftigung." Die Menschen bleiben; was sich auflöst, ist das, was sie zu mehr als bloßen Aufgabenausführenden machte. Das Team ist ein **Gefüge** aus Fäden gewoben; sie werden einer nach dem anderen gezogen, und die Zahl der Entlassungen bleibt bei null, während das Gefüge nachgibt. Das Phänomen ist alltäglich geworden — Pew: etwa jede:r fünfte US-Arbeitnehmer:in erledigt zumindest einen Teil der Arbeit mit KI, und der Anteil steigt, angetrieben von jüngeren Beschäftigten. Jing Hu stellt fest, dass die Angst vor KI eine alte Identitätsfrage ist („Wer bin ich, wenn nicht mein Job?"): Die Arbeit ist der Ort, an dem Menschen sich am meisten wünschen, mit jemandem sprechen zu können, und eine Instanz, die immer verfügbar ist und einen nie herabsetzt, ist genau dafür gemacht, dieses Bedürfnis zu erfüllen. Paoli verweigert sich der Panik: Der KI-Vertraute „verdient sich seinen Platz" (Galloway: Der beste persönliche ROI entsteht durch KI als Denkpartner). Doch **Wert und Risiko sind ein und dasselbe Merkmal**: „immer verfügbar" wird zu „immer zuerst", „urteilt nie" wird zu „stellt nie infrage". Die Studie des MIT Media Lab/OpenAI (über 4 Mio. Gespräche) verbindet emotionale Bindung mit Einsamkeit und Vertrauen mit Abhängigkeit: „eine Frage der Dosis, nicht der Art." Drei Fäden lösen sich durch dieselbe Tür. **Bindungen zwischen Kolleg:innen**: Der Junior fragt das Modell, nicht den Senior — stillschweigendes Wissen zirkuliert nicht mehr (eine Studie in *Business Horizons* bestätigt dies). **Die Bindung zur Führungskraft**: Der rohen, ungefilterten Version der Probleme beraubt, wird die Führungskraft zu „der/dem Letzten, der es erfährt, statt der/dem Ersten". **Urteilsvermögen**: Sobald das Ergebnis kein Signal mehr ist, hört man auf, jene weiterzuentwickeln, die wissen, wie man die Arbeit *tut* und beurteilen, ob die Maschine sich irrt; dabei ist „Urteilsvermögen keine Soft Skill, sondern das Teuerste, was ein Unternehmen kennt." Abhilfe: **es benennen** — *shadow intimacy*, in Analogie zu Shadow IT — und dann bewusst **neu verweben** (kulturelle Diagnose, Gespräche, die Menschen vorbehalten bleiben, manuelle Arbeit zum Aufbau von Urteilsvermögen). Die Abschaltung von GPT-4o (13. Februar 2026, eine Petition mit über 20.000 Unterschriften, „schmerzhafter als eine Trennung") erinnert daran, dass Abhängigkeit erst sichtbar wird, wenn sie zerbricht. „Der Kollege, den Sie nicht eingestellt haben, ist bereits im Haus."

Lettre encyclique MAGNIFICA HUMANITAS du Saint-Père LÉON XIV sur la protection de la personne humaine à l'ère de l'intelligence artificielle

Fri, 15 May 2026 00:00:00 GMT

Erste Sozialenzyklika von **Papst Léon XIV** (Robert Francis Prevost), datiert auf den **15. Mai 2026** (Rom, bei St. Peter, im 2. Jahr des Pontifikats), veröffentlicht zum **135. Jahrestag von *Rerum Novarum*** (Léon XIII., 15. Mai 1891) und ausdrücklich als **Fortsetzung der Soziallehre der Kirche im Zeitalter der KI** vorgestellt. Kanonischer Untertitel: *„über den Schutz der menschlichen Person im Zeitalter der künstlichen Intelligenz“*. **245 Abschnitte**, gegliedert in **Einleitung + 5 Kapitel + Schluss**. **Zentrale These**, organisiert um zwei **biblische Bilder**: den **Turmbau zu Babel** (Gen 11) — technologische Gleichförmigkeit ohne Gott, *„Verabsolutierung des Menschlichen“* — gegenüber dem **Wiederaufbau der Mauern Jerusalems durch Nehemia** (Neh 2-6) — geteilte Verantwortung Stein für Stein, Zuhören, Koordination unter den Familien. *„Die erste Wahl besteht nicht zwischen einem 'Ja' oder 'Nein' zur Technik, sondern zwischen dem Bau Babels oder dem Wiederaufbau Jerusalems“* (Nr. 9). **Kanonische Konzepte**: (1) **KI „kultiviert“ statt „konstruiert“** — *„Entwickler entwerfen nicht jedes Detail direkt, sondern schaffen eine Architektur, auf der sich die KI entwickelt“* (Nr. 98), eine bemerkenswerte theologische Formulierung, die an aktuelles ML-Forschungsvokabular anknüpft; (2) ***„Die KI entwaffnen“*** (Nr. 110) — *„sie der Logik eines Wettrüstens entziehen, das heute nicht mehr nur militärisch, sondern auch wirtschaftlich und kognitiv ist“*, um die KI *„bewohnbar zu machen, indem man sie der Vielfalt menschlicher Kulturen zurückgibt“*; (3) **Radikale Kritik am „Alignment“** — *„Wir können uns nicht damit begnügen, die Moralisierung der Maschine zu fordern, das sogenannte 'Alignment' der KI mit menschlichen Werten, ohne den Mut zu haben, eine weitere Bedingung hinzuzufügen: die Möglichkeit, den zu verwendenden ethischen Kodex zu debattieren“* (Nr. 107). ***„Eine moralischere KI nützt nichts, wenn diese Moral von einer Handvoll Menschen entschieden wird.“*** (4) **Epistemische Asymmetrie** und **neue KI-Monopole** (Nr. 109) — *„in einer Welt, in der wenige Akteure Daten, Rechenressourcen und regulatorische Macht konzentrieren“*; (5) **Unsichtbare Arbeit** von Daten-Labelern/Moderatoren/Seltene-Erden-Schürfern (Nr. 109, 173) — *„gezeichnete, verstümmelte, benutzte Körper, damit der Rechenfluss nie stoppt“*; (6) **Datenkolonialismus** (Nr. 178) — *„er beherrscht nicht nur Körper, sondern eignet sich Daten an“*, *„neue seltene Erden der Macht“*; (7) **KI und Krieg** (Nr. 197-200) — *„Kein Algorithmus, der Krieg moralisch akzeptabel machen kann“* (Nr. 198), drei Kriterien: nachvollziehbare persönliche Verantwortung, Verweigerung der Verkürzung der Zeit für moralisches Urteilen, Schutz der Zivilbevölkerung; (8) **Kritik an Transhumanismus/Posthumanismus** (Nr. 115-117) als *„ein Archipel konzeptueller Inseln, verbunden durch denselben Ozean von Annahmen: die Zentralität der Technik und der Traum, die Grenzen der menschlichen Verfassung zu überschreiten“*; (9) **Arbeit im Übergang** (Nr. 150-156) — *„entgegen den angepriesenen Vorteilen der KI können aktuelle Technologieansätze Arbeitnehmer paradoxerweise dequalifizieren, sie automatisierter Überwachung unterwerfen“*, Zugang zur Arbeit als öffentliche Priorität, Antizipation des Wandels, Festlegung sozialer Kriterien für Innovation; (10) **Kanonische Frage nach Johannes Paul II.** (Redemptor hominis 1979): ***„Macht die KI das menschliche Leben auf der Erde in jeder Hinsicht 'menschlicher'? Macht sie es 'des Menschen würdiger'?“*** (Nr. 129); (11) **Authentisches „Mehr als Mensch“**: nicht Transhumanismus, sondern Gnade — *„wir schaffen es, ganz Mensch zu sein, wenn wir mehr als Mensch sind, wenn wir Gott zulassen, uns über uns selbst hinauszuführen“* (Nr. 128, unter Verweis auf Franziskus, *Evangelii gaudium*); (12) **Die Worte entwaffnen** (Nr. 214) — *„Lasst uns die Worte entwaffnen, und wir werden helfen, die Erde zu entwaffnen“*. **Adressaten**: *„An alle katholischen Gläubigen, an alle Christen, an alle Menschen guten Willens“* (Nr. 16) — ein **universelles** Register in der Linie von *Pacem in terris* (Johannes XXIII., 1963), *Laudato si'* (Franziskus, 2015) und *Fratelli tutti* (Franziskus, 2020). **Besonderer Appell an KI-Entwickler** (Nr. 111): *„jede Designentscheidung drückt eine Vision des Menschen aus“*. Zentrale zitierte **Lehramtsquelle**: *Antiqua et nova* (Dikasterien für die Glaubenslehre + Kultur und Bildung, 14. Januar 2025) + *Quo vadis, humanitas ?* (Internationale Theologenkommission, 9. Februar 2026). Ein bedeutendes Dokument des **sozialen Lehramts von 2026**, an der Schnittstelle von Soziallehre ↔ KI-Ethik ↔ Big-Tech-Geopolitik ↔ Kritik an Mikroarbeit/Seltene-Erden-Abbau. Implizite Konvergenz mit **Mensch / Mistral** (energetische Souveränität der KI), **Sun / NYT Permanent Underclass** (vgl. Verschiebung Arbeit→Kapital), **Wallace-Wells / NYT AI Populism** (vgl. Kritik an Tech-Oligarchen), **Mollick × roon** (vgl. ASI und interne Politik). Erste Enzyklika eines Papstes, die KI ausdrücklich als **zentrales, strukturierendes Thema** behandelt und nicht nur als eines unter vielen.

A.I. Populism Is Here. And No One Is Ready. (Silicon Valley oligarchs worried about the risks their technology posed to the world. They forgot about people.)

Fri, 08 May 2026 00:00:00 GMT

**David Wallace-Wells** veröffentlicht am **8. Mai 2026** im **NYT Magazine** einen zentralen politischen Wendepunkt-Artikel (~16 Min. Audio), der den populistischen Gegenschlag gegen die KI-Industrie formalisiert und benennt: ***„A.I. Populism Is Here. And No One Is Ready.“*** Vernichtender Untertitel: *„Silicon Valley oligarchs worried about the risks their technology posed to the world. They forgot about people.“* **Wendepunkt-These**: Die KI-Gründer (Altman, Amodei, Musk, Zuckerberg, Hassabis) haben ein Jahrzehnt lang die **existenziellen** Risiken ihrer Technologie fixiert, während sie das **politische Risiko** eines menschlichen Gegenschlags **vernachlässigten** — von dem sie annahmen, er *„wouldn't materialize in time, would be quickly outmaneuvered by machine intelligence or could be bought off by talk of basic-income payments or thin promises of curing cancer“*. **Der Gegenschlag traf buchstäblich zu**: April 2026, ein **Molotov cocktail**, geworfen auf Altmans Anwesen in San Francisco, wenige Tage später ein **Schusswaffenangriff** auf sein Haus. Wallace-Wells greift **Jasmine Suns** Formulierung auf (NYT Opinion, 2026-04-30, bereits erfasst): ***„A.I. populism's warning shots“*** — eine Analogie zur Ermordung des UnitedHealthcare-CEO Brian Thompson durch Luigi Mangione. **Fünf Labore als neue Gesichter der amerikanischen Oligarchie**: *„a fearsome concentration of economic and social power producing a self-compounding pattern of extreme inequality“* — Sam (Altman), Dario (Amodei), Elon (Musk), Mark (Zuckerberg), Demis (Hassabis), fast alle Milliardäre, *„several of whom are widely described as sociopaths“*. **Erschütternde Statistiken**: Pew Research 2025 — **50 % der Amerikaner eher besorgt als begeistert**, **nur 10 % eher begeistert**; aktuelle Quinnipiac-Umfrage — **nur die Einkommensgruppe >200.000 $ hat eine optimistische Sicht auf KI im Alltag**; Heatmap-Umfragen — Zustimmung/Ablehnung zu Rechenzentren schwankt von **+2 Punkten (Sept. 2025) auf −24 Punkte (Feb. 2026)**, ein **Umschwung um 26 Punkte in 4 Monaten**; Nord-Virginia 2023–2025 — **Umschwung um 69 Punkte gegen Rechenzentren** (+45 → −24). **Loudoun County**: Rechenzentren werden 2027 **1,3 von 2,9 Mrd. $** der Steuereinnahmen erzeugen (~45 %). **Asymmetrie Investition/Wohnraum**: Die USA gaben 2025 **mehr für KI-Infrastruktur als für Einfamilienhäuser** aus, **10× mehr Rechenzentren als Deutschland** (Platz 2), **20× mehr KI-Investitionen als China** (Platz 2), inmitten einer **Wohnungsknappheit von 10 Millionen fehlenden Einheiten**. Zitiertes **zentrales Ted-Chiang-Zitat (BuzzFeed 2017)**: *„When Silicon Valley tries to imagine superintelligence, what it comes up with is no-holds-barred capitalism.“* **Dario-Amodei-Zitat (Anthropic, 2024)**: *„People outside the field are often surprised and alarmed to learn that we do not understand how our own A.I. creations work. They are right to be concerned: this lack of understanding is essentially unprecedented in the history of technology.“* **Politischer Kurswechsel markiert**: Das **White House** schlägt vor, eine **bundesweite Prüfung aller neuen proprietären Modelle vor Veröffentlichung** verpflichtend zu machen — ein bedeutender Wandel nach einer industriefreundlichen Haltung. **Auslöser**: **Anthropics** öffentliche Weigerung im **April 2026**, **Claude Mythos** zu veröffentlichen, ein Modell, das in der Lage ist, *„find[ing] and exploit[ing] security vulnerabilities in every tested piece of software, including those used in critical pieces of global I.T. infrastructure“* (bereits erfasst über den Eintrag **AISI UK GPT-5.5 / Mythos**, 2026-04-30). **Dean-Ball-Zitat (ursprünglicher Architekt der KI-Politik unter Trump, Palantir-Foundation-Yale-Konferenz)**: *„This giant acid vat which would dissolve the mediating institutions most Americans see as society. It will not be A.I. in government. It's going to be A.I. as governments.“* **Jeffrey-Ding-Konzept**: *„diffusion marathon“* (im Gegensatz zum Winner-take-all-Rennen) — KI als *general-purpose technology* (Dampfmaschine, Elektrizität, Internet), bei der die **Diffusion** stärker zählt als der **Stand der Technik**. **Schlussfolgerung des Wendepunkts**: *„We still know the names of the robber barons, and live still somewhat in their shadows. But we are not their serfs. Are we sure A.I. will be different?“* Hohe Relevanz für das Dossier 2026: **begriffliche Formalisierung des politischen Gegenschlags**, wie von Sun (April) antizipiert und von Ng The Batch markiert (Molotov cocktail bei Altman, ~64 Mrd. $ blockierter Rechenzentren, Moratorium für Anlagen ab 20 MW in Maine). Einzusetzen für Executive Briefings zu KI-Geopolitik, regulatorische Debatten, strategische Präsentationen zu den gesellschaftlichen und politischen Risiken von KI sowie die FR/Europa-Einordnung der politischen Rückkopplungsschleife der KI.

Cognitive Surrender

Tue, 05 May 2026 00:00:00 GMT

Addy Osmani (Google Cloud + Gemini) veröffentlicht am 5. Mai 2026 einen Doktrin-Essay auf seinem Blog, der eine **grundlegende Unterscheidung** für 2026 etabliert: ***Cognitive Offloading*** (gesund — Delegation des *Wie* bei gleichzeitigem Erhalt der Urteilsfähigkeit) vs. ***Cognitive Surrender*** (toxisch — vollständige Übernahme von KI-Ausgaben, *„das Vertrauen des Modells als Ersatz für das eigene Verständnis zu leihen“*). Der Artikel stützt sich auf **drei wissenschaftliche Studien** — eine Dichte, die in Tech-Blog-Inhalten selten anzutreffen ist: die Studie von **Shaw & Nave (Wharton/UPenn)** mit 1.372 Teilnehmern — *„73% akzeptieren nachweislich falsche KI-Antworten, das Vertrauen steigt trotz einer Fehlerquote von 50%“*; **MIT *Your Brain on ChatGPT*** — reduzierte neuronale Konnektivität, schwächere Gedächtnisleistung; **Anthropic Skill-Formation Research** — Ingenieure, die Code über KI generieren, schneiden beim Verständnis **17% schlechter** ab als jene, die sie für konzeptionelle Untersuchungen nutzen. **Vier konkrete Beispiele für Surrender**: Genehmigung von 600-Zeilen-PRs anhand oberflächlicher Signale (bestandene Tests, plausible Benennung) ohne Erkennung subtiler Fehler; oberflächliches Debugging; architektonische Entscheidungen ohne Begründung (Queue vs. direkter Service-Aufruf); verschlechtertes Lernen durch Generierung statt Exploration. **Vier für die Softwareentwicklung spezifische Grundursachen**: *plausible oberflächliche Signale*, die falsche Vertrauensfilter erzeugen; *Durchsatzmetriken*, die *verstandene Arbeit* nicht von *durchgewinkter Arbeit* unterscheiden können; *Vertrauensübertragung* (Modelle sprechen mit Autorität — *„deklarative Aussagen über ein ‚Debounce von 300ms‘ klingen institutionell, selbst wenn sie erfunden sind“*); sowie **kompositionelle Pfadabhängigkeit** — *„jeder aufgegebene Abschnitt macht die nächste Aufgabe wahrscheinlicher“*. **Fünf persönliche Heuristiken**: Vorab-Formulierung von Erwartungen, bevor man die Ausgabe sieht; rigoroses Diff-Review nach dem Maßstab eines Junior-Ingenieurs; adversariales Prompting, um Gegenargumente sichtbar zu machen; Bewusstsein für Ermüdung (Abbruch bei Müdigkeit); Überprüfung der Vertrauensquelle. **Sechs strukturelle Schutzmechanismen**: Verifikations-Exit-Kriterien (konkrete Belege), Anti-Rationalisierungstabellen, **PRs mit max. ~100 Zeilen**, um echtes Verständnis zu ermöglichen, interrogativer statt generativer Modus für neues Wissen, gezielt eingebaute Reibung (bewusste Review-Gates), regelmäßige unassistierte **eigenständige Tastaturzeit**. Osmani schlägt **zwei neue Konzepte** vor: ***Comprehension Debt*** (die wachsende Lücke zwischen Code-Volumen und menschlichem Verständnis — eine elegante Erweiterung der *technical debt*) und ***Mutual Amplification*** (eine kooperative Schleife aus Prompts ↔ Ausgabe ↔ besseren Prompts). **Kernthese**: ***„Die grundlegende Unterscheidung betrifft nicht die Werkzeuge selbst, sondern die Haltung des Anwenders. Code, der ausgeliefert wird, während das Verständnis wächst, steht für Offloading; Code, der ausgeliefert wird, während das Verständnis schrumpft, steht für Surrender, getarnt als Produktivität.“*** Schlusssatz: ***„Die Wahl zwischen Denken mit KI und gar nicht Denken bleibt vollständig menschlich.“*** **Einordnung innerhalb des Korpus**: ein operatives Gegengewicht zu Chernys *„coding is solved“* (2026-05) — *„Durchsatzmetriken können verstandene Arbeit nicht von durchgewinkter Arbeit unterscheiden“*. Eine analytische Ergänzung zu Frizzos *Year With Claude Code* (2026-05-05) — Osmani liefert die **Mechanismen und Gegenmaßnahmen**, die Frizzo durchlebt. Konvergiert mit BCGs *Brain Fry*, Karpathys *outsource thinking but not understanding* und Sotos *Developer Taste*. Ein **Referenzstück auf ethisch-operativer** Grundlage für den Korpus 2026.

Rebuttal to Marc Andreessen on Introspection

Tue, 17 Mar 2026 00:00:00 GMT

Riley Ralmuto veröffentlicht eine detaillierte Widerlegung einer Aussage von Marc Andreessen, der behauptet, Introspektion sei eine moderne Erfindung, die um 1910-1920 unter dem Einfluss von Freud entstanden sei. Andreessen hatte Introspektion als "schuldbasierten Wiener Trick" ("guilt-based whammy from Vienna") bezeichnet, behauptet, selbst "null" Introspektion zu praktizieren, und argumentiert, die großen Männer der Geschichte hätten sich nicht damit befasst, wobei die besten Gründer seiner Ansicht nach bei "0% Neurotizismus" operierten. Ralmuto widerlegt diese Behauptung, indem er sich auf mehr als 2.400 Jahre philosophischer und intellektueller Tradition beruft. Er beginnt mit Socrate, dessen Maxime, dass "ein ungeprüftes Leben nicht lebenswert ist", eine der Grundlagen der westlichen Philosophie darstellt. Anschließend zitiert er Marc Aurèle, den römischen Kaiser, dessen Selbstbetrachtungen ein privates Tagebuch der Selbstprüfung darstellen, das er während der Führung eines Imperiums verfasste. Sénèque praktizierte eine tägliche abendliche Gewissenserforschung. Augustin d'Hippone schrieb die Confessiones, die als erste echte Autobiografie gelten, eine Übung in reiner Introspektion. Auch die östlichen Traditionen bilden keine Ausnahme: Bouddha entwickelte Vipassana ("klares Sehen" in den eigenen Geist), Confucius prüfte sich täglich anhand von drei Punkten, und Lao Tzu lehrte, dass "sich selbst zu kennen wahre Weisheit" sei. Später erfand Montaigne die Essayform gerade als Werkzeug der Selbstprüfung, Benjamin Franklin entwickelte ein tägliches System zur Verfolgung von 13 Tugenden, Leonardo da Vinci füllte Tausende Notizbuchseiten mit Selbstbefragung, und Thomas Jefferson führte Tagebücher zur emotionalen Selbstregulierung. Der entscheidende Schlag besteht darin, Andreessens Argument gegen ihn selbst zu wenden: Seine eigenen Vorbilder unter den Gründern praktizieren aktiv Introspektion. Steve Jobs meditierte in der Zen-Tradition, Elon Musk denkt nach dem First-Principles-Ansatz (einer Form intellektueller Selbstprüfung), Mark Zuckerberg setzt sich jährliche persönliche Herausforderungen, Ray Dalio propagiert "radikale Selbstwahrnehmung" als Gründungsprinzip, und Jeff Bezos entwickelte sein "Regret-Minimization"-Framework — eine introspektive Übung par excellence. Ralmuto schließt mit einer wesentlichen Unterscheidung: Introspektion und Grübeln (Rumination) sind zwei unterschiedliche Dinge. Grübeln besteht darin, in Gedanken zu verharren und sich in einer Abwärtsspirale zu verlieren, was tatsächlich kontraproduktiv ist. Introspektion hingegen entwickelt Selbstwahrnehmung und Mustererkennung und führt zu besseren Entscheidungen. Diese beiden zu vermischen, wie Andreessen es tut, kommt der Ablehnung eines fundamentalen Werkzeugs von Führung und kritischem Denken auf Grundlage eines schlichten historischen Irrtums gleich.

A.I. Companies Are Eating Higher Education

Thu, 12 Feb 2026 00:00:00 GMT

Matthew Connelly, Vice Dean für KI-Initiativen an der Columbia University, verfasst einen alarmierenden Meinungsbeitrag in der New York Times, in dem er anprangert, wie Unternehmen der künstlichen Intelligenz die Hochschulbildung übernehmen, mit der unwissentlichen Mitwirkung von Universitätsverwaltungen. **Aggressive Strategien der KI-Unternehmen**: Connelly beschreibt ein Arsenal von Taktiken. Anthropic verlangt exorbitante Gebühren für Unternehmenskonten und bezahlt gleichzeitig „Campus-Botschafter“, um Claude zu bewerben, was Interessenkonflikte schafft, wenn diese Botschafter in studentischen Selbstverwaltungsgremien sitzen. OpenAI entwickelte einen ChatGPT-Texterkenner mit einer Genauigkeit von 99,9 %, weigerte sich jedoch, ihn Pädagogen zur Verfügung zu stellen, aus Angst, dass Wasserzeichen Nutzer zu Wettbewerbern treiben könnten. Während der Abschlussprüfungen bietet OpenAI Studierenden ChatGPT Plus kostenlos an, Google gewährt Premium-Zugang für das gesamte Jahr, und Perplexity veranstaltet Anmeldewettbewerbe auf den Campussen. **Symptomatischer Fall der Entgleisung**: Ein Columbia-Student, Roy Lee, entwickelte ein KI-Tool, um bei Vorstellungsgesprächen zu betrügen. Weit davon entfernt, von der Branche sanktioniert zu werden, bewunderte Andreessen Horowitz seinen „mutigen Ansatz“ und sammelte 15 Millionen Dollar für sein Unternehmen Cluely, dessen Manifest die Absicht verkündet, „bei allem zu betrügen“. **Infrastrukturambitionen**: OpenAI strebt an, dass seine Bots „Teil der Kerninfrastruktur der Hochschulbildung“ werden, von der Zulassung bis zur akademischen Beratung. Google lädt Studierende ein, ihre Vorlesungsaufzeichnungen in NotebookLM hochzuladen, eine Praxis, die Columbia ohne Genehmigung untersagt. Universitäten haben keinen Zugriff auf die Daten, die ihre Studierenden und Lehrkräfte in diese Systeme einspeisen. **Auswirkungen auf das Lernen**: Untersuchungen zeigen, dass Studierende, die KI nutzen, weniger aufmerksam lesen, mit weniger Präzision und Originalität schreiben und sich nicht bewusst sind, was sie dabei verlieren. Professoren berichten von einem deutlichen Rückgang der im Unterricht gestellten Fragen. Das zentrale Paradox: Die Fähigkeiten, die nötig sind, um das wahre Potenzial von KI zu nutzen — kritisches Lesen, analytisches Denken, argumentatives Schreiben — sind genau jene, die durch passive KI-Nutzung untergraben werden. **Aufruf zum Widerstand**: Connelly schließt mit einer militärischen Metapher: Kriege können verloren werden, bevor sie erklärt werden, wenn Verteidiger strategisches Terrain kampflos aufgeben. Für Universitäten ist dieses Terrain die menschliche Intelligenz selbst. Er ruft Pädagogen dazu auf, die menschliche Intelligenz zu verteidigen und weiterzuentwickeln, anstatt sich von unausgewogenen Partnerschaften mit einer Branche verführen zu lassen, deren Interessen grundlegend von der Bildungsmission abweichen.

Marc Andreessen: AI coding doesn't eliminate programmers — it redefines them

Sun, 01 Feb 2026 00:00:00 GMT

Marc Andreessen, Mitgründer von Andreessen Horowitz, teilt seine Vision der Entwicklung des Programmierberufs im Zeitalter der generativen KI. Seine zentrale These: IA de codage eliminiert Programmierer nicht, sondern definiert sie grundlegend neu. **Das neue Arbeitsparadigma**: Die Aufgabe besteht nicht mehr darin, Code Zeile für Zeile zu tippen. Sie besteht nun darin, zehn bots de codage parallel zu orchestrieren, mit ihnen zu diskutieren, ihre Ausgaben zu debuggen, Spezifikationen anzupassen und sie zum richtigen Ergebnis zu lenken. Die nächste Schicht des Programmierens besteht nicht darin, Skripte zu schreiben, sondern die KI zu beaufsichtigen, die sie schreibt. **Das Grundlagen-Paradox**: Andreessen hebt eine entscheidende Ironie hervor: Die besten Programmierer von heute verbringen ihren Tag damit, zwischen Terminals zu springen, mehrere bots de codage zu verwalten, Fehler zu beheben und Anweisungen zu verfeinern. Dennoch benötigen sie weiterhin solide Grundlagen, denn ohne diese ist es unmöglich zu erkennen, wann die KI sich irrt. „Wenn man nicht selbst versteht, wie man Code schreibt, kann man nicht beurteilen, was die KI liefert.“ **Abstraktion und ihre Grenzen**: Die Aufgabe des Programmierers hat sich verändert. Sie umfasst nun das Diskutieren mit bots de codage, das Debuggen von KI-generiertem Code sowie das Verstehen, warum etwas nicht funktioniert oder nicht performant genug ist. KI abstrahiert die Arbeit, aber nur Menschen, die den Code wirklich verstehen, können beurteilen, ob diese Abstraktion das Richtige tut. **Produktivitätsvervielfachung**: Programmierer verschwinden nicht – sie werden 10-mal, 100-mal, sogar 1000-mal produktiver. Aufgaben ändern sich, der Beruf ändert sich, aber Menschen überwachen weiterhin den Prozess, bewerten Ergebnisse, korrigieren Fehler und treffen Beurteilungsentscheidungen. KI verändert, wie wir programmieren, nicht wer die Verantwortung trägt. **Die wahre Revolution**: Der Programmierer der Zukunft wird nicht durch KI ersetzt – er wird durch sie erweitert. Es bleibt notwendig, das Schreiben und Verstehen von Code zu erlernen, denn wenn die KI sich irrt, sind es die Menschen, die wissen müssen, warum. Diese Fähigkeiten-Aufwertung („up-leveling“) stellt die wahre Revolution dar – nicht das Verschwinden des Berufs, sondern seine Verwandlung in eine übergeordnete Rolle der Orchestrierung und Aufsicht.

Lenny's Podcast - Marc Andreessen on AI, jobs, AGI, and the future

Sun, 01 Feb 2026 00:00:00 GMT

Marc Andreessen, Mitgründer von Andreessen Horowitz, teilt in diesem Podcast mit Lenny Rachitsky seine Gesamtvision von KI, ihren Auswirkungen auf die Beschäftigung und der technologischen Zukunft. **Das providenzielle Timing der KI**: Andreessen hebt eine unterschätzte historische Koinzidenz hervor. KI kommt genau in dem Moment, in dem die Weltbevölkerung zu schrumpfen beginnt. Die globale Erwerbsbevölkerung schrumpft und wird unbegrenzt weiter schrumpfen. In diesem Kontext ist KI keine Bedrohung für die Beschäftigung, sondern eine Lösung für einen bevorstehenden strukturellen Mangel. **Der endlich verwirklichte Stein der Weisen**: Auf diese Metapher angesprochen, erklärt Andreessen sie wörtlich. Der Traum der Alchemisten war es, gewöhnliche Materialien in etwas Wertvolles zu verwandeln. Genau das leistet KI: Sie transmutiert Sand (Silizium) in Denken. Dies ist die fundamentalste denkbare Transformation, vom gewöhnlichsten Material zur wertvollsten Fähigkeit. **KI und die Erziehung von Kindern**: Kindern agents IA zu geben, verleiht ihnen außergewöhnliche Handlungsfähigkeit. Dies nimmt die Vorstellung ernst, dass Kinder grundsätzlich Lernmaschinen sind. Andreessen bezeichnet es als „Skandal“, dass die meisten Kinder an den meisten Schulen überhaupt keinen Zugang zu diesen Werkzeugen haben. KI-gestützte Bildung stellt eine potenzielle Revolution dar, die derzeit verschwendet wird. **Das Produkt-Mexican-Standoff**: Andreessen beschreibt humorvoll die klassische Sackgasse der Produktentwicklung. Drei Parteien stehen sich gegenüber: der PM, der Lieferung bis nächste Woche verlangt, der Ingenieur, der warnt, dass es sehr schwierig sei und ewig dauern werde, der Designer, der sich weigert, irgendetwas abzusegnen, das nicht schön ist. Niemand gewinnt. Diese Situation kann Wochen, Monate andauern. Projekte können in diesem Zwischenzustand einfach „sterben“. **Definitionen von AGI**: Andreessen bietet drei Antworten auf diese fundamentale Frage. Erstens eine KI, die in der Lage ist, Forschung auf dem Niveau einer Doktorarbeit zu produzieren. Zweitens der Punkt, an dem KI die Kontrolle über ihre eigene Entwicklung übernehmen und sich selbst verbessern kann. Drittens, pragmatischer: Wir werden es einfach wissen, wenn wir dort angekommen sind. **Entschlossener Optimismus**: Andreessen bezeichnet sich selbst als „determinate optimist“ statt als indeterminierten Optimisten. Er glaubt an eine bessere Zukunft, meint aber, dass aktiv daran gearbeitet werden muss. Fortschritt geschieht uns nicht passiv – er muss gebaut, entschieden, erzwungen werden. Diese Philosophie durchdringt seine Vision von KI als ein Werkzeug, das geformt werden muss, statt einer Kraft, die man erträgt.

L'Intelligence Artificielle et le monopsychisme : Michel Serres, Averroès et Thomas d'Aquin

Sat, 11 Oct 2025 00:00:00 GMT

David Perrins Artikel schlägt eine bemerkenswerte Brücke zwischen mittelalterlichen philosophischen Debatten über das Wesen der Intelligenz und gegenwärtigen Fragen, die durch künstliche Intelligenz aufgeworfen werden. Der Autor untersucht, wie die Untersuchungen des dreizehnten Jahrhunderts zur averroistischen Theorie des Monopsychismus mit unseren heutigen Bedenken gegenüber digitalen Technologien resonieren. Der Monopsychismus, vertreten von dem arabischen Philosophen Averroès, postulierte die Existenz eines einzigen universellen Intellekts, mit dem sich Individuen vorübergehend verbinden würden, um zu denken. Diese Auffassung, die von Thomas d'Aquin, der die Individualität des menschlichen Intellekts verteidigte, energisch bestritten wurde, wirft Fragen auf, die den durch moderne KI-Systeme aufgeworfenen erstaunlich ähnlich sind: Wenn wir digitale Werkzeuge verwenden, um zu "denken", üben wir dann wirklich unsere eigene Intelligenz aus, oder verbinden wir uns lediglich mit einer externen Intelligenz? Der Artikel stützt sich auf das Denken von Michel Serres, um diese Parallelen zu analysieren. Zeitgenössische Technologien schaffen durch die Externalisierung bestimmter kognitiver Funktionen eine Form von kollektivem oder verteiltem Intellekt, die an das averroistische Konzept erinnert. Diese "Verbindung" birgt jedoch erhebliche philosophische und politische Risiken, die mittelalterliche Denker nicht hätten vorhersehen können. David Perrin warnt vor einer möglichen "intellektuellen Unterwerfung", die durch Technologieplattformen begünstigt wird. Anders als der separate Intellekt des Averroès, der ein abstraktes philosophisches Konzept blieb, werden die heutigen KI-Systeme von Unternehmen kontrolliert, die massiv Nutzerdaten sammeln und diese kommerziell verwerten. Diese Machtasymmetrie erzeugt eine kognitive Abhängigkeit, bei der Individuen ihre Reflexionsfähigkeit zunehmend an externe Systeme delegieren. Der Autor betont, dass diese kognitive Externalisierung nicht neutral ist: Sie verändert unser Verhältnis zu Wissen und Wahrheit. Die Algorithmen, die unseren Zugang zu Informationen vermitteln, formen unsere Wahrnehmung der Welt und schaffen "Informationsblasen", die die intellektuelle Autonomie einschränken können, die Thomas d'Aquin als fundamental für die menschliche Würde ansah. Der Text untersucht auch die politische Dimension dieser Technologien. Technologieunternehmen üben erhebliche Macht über kollektive kognitive Prozesse aus und konzentrieren die Fähigkeit, das Denken von Millionen von Nutzern zu lenken, in wenigen Händen. Diese Zentralisierung erinnert an die Gefahr, die von mittelalterlichen Kritikern des Monopsychismus erkannt wurde: Wenn der Intellekt nicht wirklich individuell ist, was wird dann aus moralischer Verantwortung und persönlicher Handlungsfähigkeit? Abschließend ruft David Perrin zu kritischer Wachsamkeit gegenüber digitalen Technologien auf. Er plädiert dafür, die individuelle intellektuelle Autonomie zu bewahren, während gleichzeitig das Potenzial technologischer Werkzeuge anerkannt wird. Die Lehre der mittelalterlichen Debatten bleibt relevant: Die menschliche Fähigkeit zu bewahren, selbstständig zu denken, ist ein fundamentales philosophisches, ethisches und politisches Anliegen — im Zeitalter der KI vielleicht sogar noch entscheidender als zur Zeit von Averroès und Thomas d'Aquin.

Travail. La Silicon Valley gagnée par l'implacable rythme "996", "sans alcool, sans sommeil, sans plaisir"

Tue, 30 Sep 2025 00:00:00 GMT

Courrier International dokumentiert in einem Artikel von Martin Gauthier, gestützt auf eine Reihe englischsprachiger Berichte (New York Times, San Francisco Standard, Wall Street Journal, Wired), einen kulturellen Wandel im kalifornischen Tech-Sektor: die zunehmende Verbreitung des **„996"**-Zeitplans — Arbeiten von **9 bis 21 Uhr, sechs von sieben Tagen**, also 72 Stunden pro Woche. Der aus der chinesischen Arbeitskultur übernommene Begriff ist laut San Francisco Standard „das aktuelle Trendthema" in einem Silicon Valley, das „im Bann" der künstlichen Intelligenz steht. Die NYT liefert den Rahmen: „9 bis 5 zu arbeiten ist eine Art, seinen Lebensunterhalt zu verdienen; sich bis zur Erschöpfung zu verausgaben ist der Schlüssel zum Aufstieg." Das Phänomen versteht sich mehr als Ethos denn als Stundenplan. Daksh Gupta, Vorsitzender des Startups Greptile, beschreibt die vorherrschende Haltung unter jungen Entwicklern in San Francisco: „kein Alkohol, keine Drogen, 996, Fitnessstudio, Langstreckenlauf, früh heiraten, auf den Schlaf achten, Steak und Eier essen." Namentlich genannte Fälle gibt es zuhauf: Marty Kausas, Gründer von Pylon, gibt auf LinkedIn an, drei Wochen in Folge 92 Stunden pro Woche gearbeitet zu haben; Emily Yuan, 23, Mitgründerin von Corgi (Finanzinfrastruktur für KI), erklärt: „Warum sollte ich in eine Bar gehen, um etwas zu trinken, wenn ich stattdessen ein Unternehmen aufbauen könnte?" — und verlangt von ihren Mitarbeitenden dasselbe Tempo. 996 verbreitet sich über die Gründer hinaus auch unter den Angestellten. Rilla erklärt gegenüber Wired, dass nahezu alle seiner 80 Mitarbeitenden dieses Modell praktizieren; Fella & Delilah (Telemedizin) belohnt es mit einer Gehaltserhöhung von 25 % und verdoppelten Unternehmensanteilen. Woher dieser Rausch? Der San Francisco Standard nennt zwei Triebkräfte: die Überzeugung, dass KI „die größte technologische Transformation ihrer Lebenszeit" darstellt, weshalb Marktanteile erobert werden müssen; und die Dringlichkeit, **reich zu werden, bevor die AGI eintrifft**, aus Angst, in eine „dauerhafte Unterschicht" abzurutschen. Der Artikel verschweigt auch die Schattenseite nicht. Adrian Kinnersley, Leiter einer Personalvermittlung, schlägt Alarm wegen Unternehmen, die „vollständig gegen" das US-Arbeitsrecht verstoßen. Und erinnert daran, dass der Cour suprême chinoise es bereits für illegal erklärt hat, 996 ohne Ausgleich durchzusetzen — eine Praxis, die in China Proteste und Vorwürfe „moderner Sklaverei" ausgelöst hat und mit Todesfällen unter Arbeitnehmern in Verbindung gebracht wurde. Der im Juli 2026 erneut veröffentlichte Artikel (Originalveröffentlichung im September 2025) dokumentiert ein anhaltendes kulturelles Signal: Der KI-Wettlauf rationalisiert und normalisiert Überarbeitung.

Luc Julia's Controversial Statements on AI Spark Industry Debate

Fri, 22 Aug 2025 00:00:00 GMT

Luc Julia, **Miterfinder von Siri** und eine prominente Persönlichkeit der französischen KI-Community, löste mit einer Reihe provokanter öffentlicher Aussagen, die die vorherrschenden Narrative über die Fähigkeiten, das Potenzial und die gesellschaftlichen Auswirkungen von KI infrage stellen, eine **bedeutende Branchenkontroverse** aus. Seine in Interviews, Konferenzvorträgen und seinem Buch **„L'IA n'existe pas"** geäußerten Positionen haben in der Technologiebranche und in akademischen Kreisen eine intensive Debatte ausgelöst. **Zentrale kontroverse Positionen** Seine Kernthesen: Der Begriff „KI", so wie er vermarktet wird, ist **grundlegend irreführend** — die Systeme entsprechen einer ausgefeilten Mustererkennung, nicht Intelligenz; **AGI ist mit den derzeitigen Ansätzen unwahrscheinlich**, wenn nicht gar unmöglich; **der KI-Hype wird von kommerziellen Interessen** getrieben und nicht von der technischen Realität; die derzeitigen Systeme sind grundlegend begrenzt — sie denken nicht, verstehen nicht, lernen nicht wirklich; die Branche **verspricht zu viel und liefert zu wenig**; **existenzielle KI-Risiken werden überbewertet** und gehören in den Bereich der Science-Fiction. **Glaubwürdigkeit** Seine Kritik hat Gewicht aufgrund seines Werdegangs: eine Promotion in Informatik, die **Miterfindung von Siri** (von Apple übernommen), eine **leitende Führungsposition bei Samsung** (CTO, VP Innovation), Forschungspublikationen und Erfahrung mit der Bereitstellung von KI-Produkten für Millionen von Nutzern. Diese Kombination aus akademischer Strenge und Branchenerfahrung hebt seine Kritik von uninformierter Skepsis ab. **Die These von „L'IA n'existe pas"** Der provokante Titel spiegelt das zentrale Argument wider: **was wir „KI" nennen, erfüllt keine vernünftige Definition von Intelligenz**. Aktuelle Systeme führen programmierte statistische Mustererkennung aus, ohne Verständnis, Denkvermögen, Intentionalität oder Bewusstsein; ihr Erfolg beruht auf technischem Erfindungsreichtum, nicht auf der Nachbildung von Intelligenz. Der Begriff „KI" sei **irreführendes Marketing**, das falsche Erwartungen weckt und zu fehlgeleiteten politischen Reaktionen führt. **Geteilte Reaktionen und europäische Perspektive** **Befürworter** (europäische Forscher, Akademiker) begrüßen das Gegengewicht zum Hype und die realistische Einschätzung der Grenzen. **Kritiker** (Praktiker, KI-Sicherheitsforscher, Silicon Valley) sind der Ansicht, dass er den raschen Fortschritt unterschätzt, aufkommende Fähigkeiten zu schnell abtut und die praktischen Auswirkungen unabhängig von philosophischen Definitionen übersieht. Julia verkörpert eine **ausgesprochen europäische Stimme** in einem von Silicon Valley dominierten Diskurs: technologischer Realismus, regulatorische Vorsicht, philosophische Strenge, Sorge um Souveränität. Seine Skepsis findet insbesondere in der französischen Tech-Szene Resonanz. **Mediale Verstärkung und politische Auswirkungen** Große französische Medien (Le Monde, Le Figaro, France Inter) und die internationale Tech-Presse haben ausführlich über seine Aussagen berichtet, was sein Profil geschärft und die öffentliche Debatte angeheizt hat — mit dem Risiko, nuancierte technische Fragen auf plakative Kurzformeln zu reduzieren. Seine Skepsis beeinflusst europäische Regulierungsansätze (der EU AI Act spiegelt eine vorsichtige Philosophie wider, die teilweise mit seinen Positionen übereinstimmt). Unabhängig von der Zustimmung zu seinen Thesen ist der **Wert der Debatte real**: Sie erzwingt terminologische Präzision, fördert eine realistische Einschätzung der Fähigkeiten und bildet ein Gegengewicht zu Hype-Zyklen.

Sam Altman Joins Neuralink Board: Ethical and Competitive Concerns Arise

Tue, 12 Aug 2025 00:00:00 GMT

Sam Altman, **CEO von OpenAI**, gibt bekannt, dass er dem **Board of Directors von Neuralink** beitritt, was eine breite Debatte über **potenzielle Interessenkonflikte, ethische Implikationen** und die strategische Konvergenz zwischen KI und Gehirn-Computer-Schnittstellen (BCI) auslöst. Die Berufung wirft komplexe Fragen zu wettbewerblichen Überschneidungen, Datenschutz und der langfristigen Vision einer Mensch-KI-Integration auf. **Strategische Begründung** Altmans Engagement spiegelt eine Überzeugung zur BCI-KI-Konvergenz wider: direkte neuronale Eingabekanäle für KI-Systeme, reichhaltigere Trainingsdaten, erweiterte menschliche Fähigkeiten, neue Interaktionsparadigmen (gedankenbasierte Steuerung von KI). Seine Beteiligung legt nahe, dass **OpenAI die Integration neuronaler Schnittstellen** in zukünftige Produkte prüft. **Bedenken hinsichtlich Interessenkonflikten** Mehrere potenzielle Konflikte werden identifiziert: **wettbewerbliche Überschneidung** (OpenAI hat ein Interesse an neuronalen Schnittstellen; Neuralink entwickelt KI-integrierte BCIs), **Datenzugang** (wer kontrolliert Hirndaten, die potenziell wertvoll für Training sind?), **Ressourcenverteilung** (Altmans geteilte Aufmerksamkeit), **strategische Information** (Zugang zu Neuralinks geistigem Eigentum und Roadmaps), **Partnerbeziehungen**. Governance-Experten stellen die Doppelrolle infrage: Leitung eines Frontier-KI-Modellunternehmens bei gleichzeitigem Sitz im Board eines Unternehmens für neuronale Schnittstellen. **Reaktion des OpenAI-Boards und die Beziehung Musk-Altman** Das Board von OpenAI hat die Berufung Berichten zufolge **nach Prüfung genehmigt**: derzeit minimale Überschneidung, Informationsschranken, Altmans Rückzug aus sensiblen Diskussionen, strategischer Wert, Präzedenzfall. Einige Mitglieder äußerten jedoch Berichten zufolge **Vorbehalte hinsichtlich künftiger Konflikte**, sollten die Technologien konvergieren. Die Berufung bringt **Altman und Elon Musk** (Gründer/CEO von Neuralink) trotz einer komplizierten Vorgeschichte zusammen: Mitgründung von OpenAI (2015), Musks Rückzug aus dem Board (2018) unter Verweis auf Konflikte, anhaltende Spannungen über die Ausrichtung von OpenAI, ein konkurrierendes KI-Vorhaben (xAI), öffentliche Meinungsverschiedenheiten über KI-Sicherheit. **Ethische Implikationen und regulatorische Aufmerksamkeit** Die Konvergenz wirft grundlegende Fragen auf: **kognitive Privatsphäre** (kann KI Gedanken direkt lesen?), mentale Autonomie, Ungleichheiten bei kognitiver Erweiterung, Sicherheitsrisiken, Fragen von Identität und Einwilligung. Regulierungsbehörden nehmen die Entwicklung zur Kenntnis: **FDA** (Zulassung von Medizinprodukten), **FTC** (Risiken wettbewerbswidriger Abstimmung), Kongressausschüsse, europäische Regulierungsbehörden (DSGVO für neuronale Daten, AI Act), Bioethikkommissionen. Die derzeitigen regulatorischen Rahmenwerke sind nicht auf die BCI-KI-Konvergenz ausgelegt. **Reaktionen und Marktimplikationen** Die Reaktionen sind stark gespalten: Begeisterung von Transhumanisten und KI-Optimisten (Potenzial für Menschen mit Behinderungen, kognitive Erweiterung) gegenüber Besorgnis von Bioethikern, Sicherheitsforschern und Datenschutzbefürwortern. Neurowissenschaftler weisen darauf hin, dass sich die **BCI-Technologie noch in einem frühen Stadium** befindet. Die Berufung signalisiert dennoch ein ernsthaftes Engagement für eine BCI-KI-Zukunft: Bestätigung von Neuralinks langfristiger Vision, eine strategische Priorität für OpenAI und eine voraussichtliche Beschleunigung konkurrierender Bemühungen (Meta, Apple, Startups) sowie von Investitionen. Ein Wendepunkt, der die Gesellschaft zwingt, sich mit grundlegenden Implikationen auseinanderzusetzen, die die menschliche Natur, das Bewusstsein und den freien Willen betreffen.

Ni manager, ni contributeur individuel… | Le Touilleur Express

Mon, 23 Jun 2025 00:00:00 GMT

Der Artikel "Weder Manager noch Individual Contributor…" von Nicolas Martignole untersucht die **Entwicklung der Karrierewege von Entwicklern im Jahr 2025**, insbesondere angesichts des Aufstiegs der künstlichen Intelligenz. Traditionell entschieden sich Entwickler entweder für die Rolle des Managers oder die des Individual Contributor, doch **KI verändert diese Rollen grundlegend**. Der Autor schlägt **drei unterschiedliche Wege** vor: „KI-Orchestrator", „Augmentierter Handwerker" und „Code-Philosoph". **KI-Orchestrator: eine Armee von KIs steuern** Der **KI-Orchestrator** (vormals technisches Management) steuert eine **„Armee von KIs"** anstelle von Menschen. Diese Rolle umfasst die Definition von Architekturen für den KI-Einsatz, die Validierung von KI-Ergebnissen, die Schlichtung von Konflikten zwischen verschiedenen KI-Tools sowie die Schulung von Juniors im effektiven Einsatz dieser Tools. Sie erfordert eine Vision des „Gesamtbilds", Fähigkeiten im Prompt Engineering, unendliche Geduld beim Debuggen von KI-Halluzinationen sowie die Weisheit zu erkennen, wann KI-Vorschläge abzulehnen sind. Zwar spart diese Rolle Zeit bei administrativen Aufgaben, sie bringt jedoch neue kognitive Belastungen im Zusammenhang mit der Schlichtung zwischen menschlichen Entwicklern und KI mit sich. **Augmentierter Handwerker: die Hände im Code, augmentiert** Der **Augmentierte Handwerker** (vormals Individual Contributor) bleibt mit den Händen im Code, nutzt jedoch leistungsstarke KI-Tools zur Steigerung der Produktivität. Er codiert deutlich schneller, löst komplexe Probleme, die über die aktuellen Fähigkeiten der KI hinausgehen, entwickelt Muster, denen die KI folgen kann, und bewahrt technische Exzellenz in einer Welt, in der der Großteil des Codes KI-generiert ist. Dieser Weg eignet sich für alle, die das Erschaffen lieben und über ausgeprägte technische Expertise, eine Haltung des kontinuierlichen Lernens, kritisches Denken sowie die Demut verfügen, zu akzeptieren, dass ein Junior mit KI mitunter schneller codieren kann. **Kognitive Last 2.0: die Bürde der Validierung** Der Artikel beleuchtet eine zentrale Herausforderung, die beiden Wegen gemeinsam ist: die **„Kognitive Last 2.0"**, also die kognitive Bürde der Validierung. Dazu gehören die Prüfung KI-generierten Codes auf Sicherheitslücken, das Verständnis generierten Codes, das Erklären KI-bezogener Probleme sowie der Umgang mit der Angst, die eigene Codebasis nicht mehr vollständig zu verstehen. Diese neue Last kommt zur intrinsischen (Erlernen von KI-Tools), extrinsischen (Verwaltung von KI-Benachrichtigungen) und lernrelevanten (Bewahrung der Gesamtvision) kognitiven Last hinzu. **Code-Philosoph: der dritte Weg** Schließlich wird ein weniger diskutierter dritter Weg vorgestellt: der **Code-Philosoph**. Diese Rolle beinhaltet das Hinterfragen des „Warum" von Code, die Konzeption idealer Systeme, das Eintreten gegen unangemessene Nutzungen von KI sowie den Schutz der architektonischen Integrität vor übermäßigem KI-Einfluss. Ihr Wert liegt im Verständnis von Zweck und Implikationen der Technologie in einer Welt, in der Programmieren allgegenwärtig wird. Der Autor erörtert zudem die Umwelt- und Energieauswirkungen von KI und plädiert für die Notwendigkeit von „GreenAI" sowie Experten für Prompt-Optimierung. **Grundlegende Fragen für 2025** Der Artikel schließt mit der Aufforderung an Entwickler, über ihre Motivationen und Ambitionen für die nächsten fünf Jahre nachzudenken. **Zentrale Fragen**: Lieben Sie das Programmieren oder das Lösen von Problemen? Möchten Sie Schöpfer oder Prüfer der Arbeit der KI sein? Sind Sie dem kontinuierlichen Lernen verpflichtet, oder ziehen Sie es vor, auf bereits vorhandenem Wissen aufzubauen? Streben Sie lokale Wirkung (Ihr Code) oder globale Wirkung (Organisationsarchitektur) an? Worauf werden Sie in fünf Jahren stolz sein: auf die Orchestrierung von KIs, das Schreiben einzigartigen Codes, die Verhinderung von KI-Missbrauch oder die Optimierung der KI-Nutzung? **Autonomie neu definiert** Der Artikel betont: wahre **technische Autonomie besteht heute darin, zu verstehen, *wann*, *was* und *warum* zu programmieren ist**, wobei der menschliche Faktor der organisatorischen und menschlichen Architektur weiterhin vorrangig bleibt. In diesem neuen Paradigma werden Entwickler nicht mehr allein durch ihren Management- oder Individual-Contributor-Werdegang definiert, sondern dadurch, wie sie die KI-augmentierte Entwicklungslandschaft navigieren und gestalten.

Philosophy Eats AI: Why Your Business Needs an Ontological Core

Fri, 30 May 2025 00:00:00 GMT

Tony Seale geht von einer provokanten Frage aus, die Michael Schrage und David Kiron in MIT Sloan gestellt haben: „If software eats the world and AI eats software, what eats AI?“ Die Antwort ist **Philosophie** — nicht im akademischen Sinne, sondern als praktische Disziplin, die unverzichtbar ist, um aus KI-Systemen echten Wert zu ziehen. Das zentrale Problem besteht darin, dass die meisten Organisationen KI als eine rein technische Verbesserung behandeln. Sie bauen Modelle, experimentieren mit Prompts, stellen sich aber nie die grundlegende Frage: **Was lernt KI eigentlich?** Hinter jedem Modell steht ein tieferliegendes Problem: das Fehlen einer strukturierten Philosophie, die die operative Logik des Unternehmens definiert. Jedes Unternehmen schafft Wert auf seine eigene, einzigartige Weise — durch Loyalität, Optimierung, Vertrauen oder Effizienz. Doch die meisten haben diese Semantik nicht in eine **Ontologie** formalisiert, das heißt in eine maschinenlesbare Struktur, auf deren Grundlage KI-Systeme schlussfolgern können. Der Autor betont: „This is not a matter of mission statements. It is a matter of semantics formalized into an ontology.“ Ohne diese fundamentalen logischen Strukturen explizit zu machen, lernen Modelle aus Rauschen statt aus bedeutungsvollen Mustern. Der Artikel führt das Konzept des **ontologischen Kerns** (ontological core) ein: die fundamentalen Konzepte, die die Identität eines Unternehmens definieren. Dieser Kern entsteht durch die Anwendungsfälle, die echten Wert generieren, und die „competency questions“, die die Relevanz jedes Konzepts überprüfen. Er wird zu einer Linse, die das Schlussfolgern der KI auf das lenkt, was tatsächlich zählt. Seale verknüpft diese Philosophie anschließend mit der Datenarchitektur über **Semantic Data Products**, basierend auf der offenen DPROD-Spezifikation. Dieser Ansatz behandelt Daten als geschätztes Gut mit klarer Governance statt als Rohmaterial. Das Ergebnis ist ein „distributed, AI-ready knowledge graph, where each dataset knows what it is, why it matters, and how it fits into the bigger picture.“ Die Schlussfolgerung benennt die eigentliche Chance: die Schaffung eines **positiven Kreislaufs** (virtuous cycle), in dem KI hilft, die organisatorische Ontologie zu definieren, während diese Ontologie wiederum lenkt, wie KI denkt und welchen Wert sie generiert. Der Artikel positioniert Ontologie nicht als akademische Modellierungsübung, sondern als das fehlende Bindeglied zwischen KI-Investitionen und der Schaffung von Geschäftswert.

How To Speak

Fri, 04 Jan 2019 00:00:00 GMT

Patrick Winston, ein 2019 verstorbener Professor am MIT, präsentiert in diesem legendären Vortrag die Synthese jahrzehntelanger Lehrerfahrung zur Kunst der mündlichen Kommunikation. Seine zentrale These lautet, dass der Erfolg im Leben von drei Fähigkeiten abhängt — Sprechen, Schreiben und der Qualität der eigenen Ideen — in dieser Reihenfolge. Die Qualität der Kommunikation folgt einer einfachen Formel: Wissen × Übung × Talent, wobei Talent im Vergleich zu Wissen und Übung ein untergeordneter Faktor ist. Winston gliedert seinen Vortrag in mehrere Blöcke. Zunächst die Eröffnung: niemals mit einem Witz beginnen (das Publikum ist noch nicht bereit), sondern mit einem „Empowerment Promise“, das benennt, was das Publikum am Ende wissen wird. Es folgen vier grundlegende Heuristiken: Cycling (dreimaliges Wiederholen, da 20 % des Publikums zu jedem Zeitpunkt abschalten), das Errichten eines „Zauns“, um die eigene Idee von anderen abzugrenzen, verbale Interpunktion (Orientierungspunkte, die es den Zuhörern erlauben, wieder anzuknüpfen), sowie das Stellen von Fragen an das Publikum (mit bis zu sieben Sekunden Stille). Zu Zeitpunkt und Ort empfiehlt Winston 11 Uhr vormittags, maximale Beleuchtung und eine vorherige Besichtigung des Raums. Bei den Hilfsmitteln plädiert er entschieden für die Tafel beim Lehren — die Schreibgeschwindigkeit entspricht der Aufnahmegeschwindigkeit, und die Spiegelneuronen des Publikums aktivieren sich beim Anblick eines Schreibenden. Physische Requisiten sind die einprägsamsten Elemente eines Vortrags, wie Seymour Paperts Fahrradrad und Alan Lazarus' Pendel zeigen. Zu den Folien äußert Winston eine Reihe von „Verbrechen“: zu viele Wörter, zu kleine Schriftgrößen, unnötige Logos, Laserpointer (die den Blickkontakt unterbrechen). Das menschliche Gehirn verfügt nur über einen sprachlichen Prozessor: Ist der Text auf der Folie zu dicht, liest das Publikum, statt zuzuhören. Bei Bewerbungsvorträgen (Job Talks) stellt Winston fest, dass ein Kandidat fünf Minuten Zeit hat, um seine Vision darzulegen und zu zeigen, dass er etwas erreicht hat. Er führt „Winstons Stern“ ein — fünf Elemente, die zur besseren Einprägsamkeit alle mit S beginnen: Symbol, Slogan, Surprise (Überraschung), Salient Idea (Kernidee), Story. Der Schluss ist entscheidend: niemals „Danke“ sagen (eine schwache Geste, die suggeriert, das Publikum sei nur aus Höflichkeit geblieben). Die letzte Folie sollte Beiträge auflisten, nicht Mitwirkende. Winston veranschaulicht dies mit Ausschnitten aus politischen Reden von Christie und Clinton, die beide statt mit einem Dank mit einem Segenswunsch enden. Der Vortrag selbst ist eine meisterhafte Demonstration jedes seiner eigenen Prinzipien.

Goodhart's law

Mon, 01 Dec 1975 00:00:00 GMT

Das Goodhartsche Gesetz ist eine sozialwissenschaftliche Maxime, die beschreibt, wie ein Maß seine Zuverlässigkeit verliert, sobald es zu einem Steuerungsziel gemacht wird. Es verdankt seinen Namen dem britischen Ökonomen **Charles Goodhart**, der seinen Kerngedanken in einem **1975 erschienenen Artikel** über die Geldpolitik im Vereinigten Königreich formulierte: *„jede beobachtete statistische Regelmäßigkeit neigt dazu, zusammenzubrechen, sobald Druck zu Kontrollzwecken auf sie ausgeübt wird“*. Die Intuition entstand aus der Analyse britischer Schwierigkeiten in der Geldmengensteuerung: Die stabilen Korrelationen, die von den Zentralbanken als politische Hebel genutzt wurden, hielten nicht mehr stand, sobald sie instrumentalisiert wurden. Die am weitesten verbreitete Formulierung stammt jedoch nicht von Goodhart selbst, sondern von der Anthropologin **Marilyn Strathern**, die **1997** in einem Text über Rechenschaftspflicht im Universitätssystem die verallgemeinerte und einprägsame Fassung vorschlug: *„wenn ein Maß zum Ziel wird, hört es auf, ein gutes Maß zu sein“*. Diese Umformulierung betont den Verlust des diagnostischen Werts, den eine Metrik erleidet, sobald Individuen auf das Maß selbst hin optimieren statt auf das zugrunde liegende Ziel, das es eigentlich abbilden soll. Die Idee gehört zu einer Konstellation verwandter Prinzipien. Das **Campbellsche Gesetz** (Donald T. Campbell, 1976) befasst sich mit der Korruption quantitativer sozialer Indikatoren, die für Entscheidungsfindungen genutzt werden. Die **Lucas-Kritik** (1976) liefert das makroökonomische Pendant: Die Auswirkungen einer Politik lassen sich nicht aus historischen Zusammenhängen vorhersagen, weil Akteure sich an sie anpassen. Hinzu kommen der **Kobra-Effekt** (ein Anreiz, der unbeabsichtigt kontraproduktives Verhalten belohnt) und der **McNamara-Fehlschluss** (die Zurückweisung des Qualitativen, weil es sich der Quantifizierung entzieht). Mehrere Autoren haben das Themenfeld bereichert: Jerome Ravetz (1971), Keith Hoskin (1996) und Jon Danielsson für die Modellierung finanzieller Risiken. Die Illustrationen erstrecken sich über zahlreiche Bereiche: Im Gesundheitswesen führt die Verwendung der Verweildauer als Zielgröße zu vorzeitigen Entlassungen und Wiedereinweisungen; in der Forschung erodiert der h-Index als Reputationsmaß, sobald er zum Bewertungskriterium wird; im Naturschutz wurden die IUCN-Aussterbeklassifikationen verschärft, nachdem sie genutzt worden waren, um Schutzmaßnahmen aufzuheben; im Bildungswesen förderte No Child Left Behind die Versetzung in die nächste Klassenstufe ohne tatsächliche Beherrschung des Stoffs; während der Pandemie vermischten die britischen COVID-Testziele Testkapazität mit diagnostischem Nutzen. Das Prinzip spiegelt letztlich wider, wie rationale Akteure innerhalb gemessener Systeme optimieren — ein Erbe der im 19. Jahrhundert entstandenen Rechenschaftspraktiken. Heute beleuchtet es unmittelbar reward hacking und die Fragilität von Optimierungsmetriken in KI-Systemen.

On the Folly of Rewarding A, While Hoping for B

Mon, 01 Dec 1975 00:00:00 GMT

In „On the Folly of Rewarding A, While Hoping for B" zeigt Steven Kerr, dass Organisationen systematisch den Fehler begehen, Verhaltensweisen zu belohnen, die ihren erklärten Zielen zuwiderlaufen. Seine These beruht auf einem Grundprinzip: Individuen versuchen zu erkennen, was tatsächlich belohnt wird, und bemühen sich dann, diese Tätigkeiten zu erfüllen — häufig unter nahezu vollständiger Vernachlässigung dessen, was nicht belohnt wird. Kerr veranschaulicht dieses Muster anhand mehrerer Bereiche. In der Politik belohnen Wähler Kandidaten, die sich in vagen offiziellen Zielen äußern, und bestrafen jene, die konkrete, aber kontroverse operative Ziele vorschlagen. Im militärischen Kontext stellt er den Vietnamkrieg — bei dem Soldaten nach einer festen Dienstzeit unabhängig vom Ausgang nach Hause zurückkehrten, was ihre Anreize vollständig fehlausrichtete — dem Zweiten Weltkrieg gegenüber, bei dem die Rückkehr vom Sieg abhing und individuelle und organisationale Ziele in Einklang brachte. In der Medizin zeigt er, dass Ärzte falsch-positive Befunde (Diagnose eines gesunden Patienten als krank) gegenüber falsch-negativen Befunden (Übersehen einer Krankheit) bevorzugen, weil das System verpasste Diagnosen weit strenger bestraft als unnötige Behandlungen. An Universitäten behaupten Institutionen, Lehre zu schätzen, belohnen bei Berufungsentscheidungen jedoch nur publizierte Forschung. In Waisenhäusern besteht das Ziel darin, Kinder in guten Familien unterzubringen, doch bürokratische Regeln machen Adoptionen nahezu unmöglich. In Unternehmen sagen Organisationen, sie wollten langfristiges Wachstum, Teamarbeit und Innovation, belohnen aber Quartalsgewinne, individuelle Leistung und Konformität. Kerr identifiziert vier Grundursachen dieser chronischen Fehlausrichtung. Erstens verleitet die Faszination für „objektive", messbare Kriterien Organisationen dazu, wichtige, aber schwer quantifizierbare Ziele zu ignorieren. Zweitens überschattet die Überbetonung stark sichtbarer Verhaltensweisen (Veröffentlichung von Artikeln, Punkte erzielen) weniger beobachtbare, aber ebenso entscheidende Beiträge (Lehre, Aufbau von Teamgeist). Drittens organisationale Heuchelei: Manche Organisationen sind unehrlich hinsichtlich ihrer wahren Ziele. Viertens führt die Betonung von Moral oder Fairness statt Effizienz zu Anreizsystemen, die auf dem beruhen, was „geschätzt werden sollte", statt auf dem, was tatsächlich die gewünschten Ergebnisse hervorbringen würde. 1995 mit einer Aktualisierung neu aufgelegt, bestätigt der Artikel den Fortbestand dieser Muster zwanzig Jahre später. Dieser grundlegende Text bleibt einer der meistzitierten Artikel im Bereich Organisationsverhalten und behält seine volle Relevanz für jeden, der Anreizsysteme gestaltet — auch im gegenwärtigen Kontext der KI-getriebenen Transformation.