Podcasts about sprachmodelle

Sprachmodelle als Heilsbringer, künstliche Intelligenz in unserem Alltag: Was verändert sich, was verlieren wir vielleicht? Philosoph und Mathematiker Rainer Mühlhoff diskutiert mit Moderator Ralph Erdenberger über die Macht der Daten. Von WDR 5.

Hast du schon mal Kundenfeedback, Service-Tickets oder Marktberichte mit einer generativen KI analysiert und dich gefragt: „Kann ich diesen Ergebnissen eigentlich trauen?“ Die harte Wahrheit lautet: Wahrscheinlich nicht. Wer generative Sprachmodelle für statistische Analysen einsetzt, erhält oft Ergebnisse, die einem digitalen Münzwurf gleichen. Warum das kein Problem der Software-Version, sondern ein grundlegendes Architektur-Problem der Technologie ist, erfährst du in dieser Episode. Ich habe Lukas Kauderer von licili eingeladen. Er hat ein umfassendes internes Benchmarking mit über 3.000 echten Kundenbewertungen durchgeführt und bringt nackte Zahlen mit. Wir räumen komplett auf mit dem aktuellen Berater-Buzzword-Bingo rund um Künstliche Intelligenz – direkt, sachlich und pragmatisch. In dieser Folge erfährst du: Das 52%-Problem: Warum derselbe Prompt mit denselben Daten beim zweiten Durchlauf völlig andere Ergebnisse liefert. Der Reihenfolge-Effekt: Wie eine bloße Randomisierung deiner Kundendaten die Analyse-Architektur komplett aus dem Tritt bringt. Praktikant vs. Pinnwand: Eine einfache Metapher, die den Unterschied zwischen Generative AI und „Understanding AI“ sofort klarmacht. Das Prisma-Modell: Wie eine intelligente Zweiteilung von strukturellen und inhaltlichen Ebenen dir endlich verlässliche Fakten für deine Geschäftsentscheidungen liefert. Hör jetzt rein und erfahre, wie du deine Daten verlässlich analysierst, ohne auf statistische Luftschlösser hereinzufallen.

Der Begriff des Modells zieht sich quer durch die Wissenschaft. Wir ergründen, was das Konzept abbilden kann und wie es sich verändert hat. _Hinweis: Dieser Podcast wird von einem Sponsor unterstützt. Alle Infos zu unseren Werbepartnern findest du [hier](https://linktr.ee/mittechnologyreviewpodcast)_.

Während die Welt über immer komplexere Sprachmodelle und gigantische Datenzentren staunt, wird eine fundamentale Wahrheit oft übersehen: Keine KI ohne Digitalisierung – und keine Digitalisierung ohne hochleistungsfähige Hardware. Alexander Gerfer, CTO der Würth Elektronik eiSos, wirft in dieser Folge von Digitale Vorreiter:innen einen Blick hinter die Kulissen der KI-Revolution. Er erklärt, warum selbst die fortschrittlichsten Prozessoren ohne die passenden Bauelemente außen herum nutzlos wären und wie ein einziger Prozentpunkt mehr Effizienz bei der Stromwandlung in Datencentern Millionen Haushalte entlasten kann. Alexander zeigt auf, wie der Elektronik-Riese aus einem vermeintlich ungeliebten Produkt ein Milliarden-Business geformt hat und warum das Unternehmen heute auf KI-Wissensagenten setzt, um den globalen Fachkräftemangel in der Hardware-Entwicklung zu kontern.

Ist Bitcoin wirklich „ehrliches Geld" – oder nur ein volatiles Spekulationsobjekt? In dieser Folge gehe ich dieser Frage mit Alex von Frankenberg auf den Grund, über 20 Jahre Geschäftsführer des High-Tech Gründerfonds und Autor des Buches „Bitcoin – das ehrliche Geld". Wir starten beim Kern: Warum Bitcoin durch seine feste Obergrenze von 21 Millionen und seine Transparenz anders funktioniert als unser Fiat-Geld – und was Inflation eigentlich mit Kaufkraft, Schulden und Gerechtigkeit zu tun hat. Alex erklärt mit erstaunlich einfachen Beispielen (Eiskugel, Hähnchen, Kindergarten-Stofffetzen), warum stabiles Geld uns langfristiger denken lässt. Ich bleibe dabei bewusst kritisch: Wie steht es um Manipulationsrisiken, die Konzentration bei Strategy, Mining-Macht und das Vertrauen in den Code? Und dann wird es größer: Schuldenpolitik, Ehegattensplitting, der Zustand des Innovationsstandorts Deutschland, das verlorene KI-Rennen um die Modelle – und warum die Anwendung von KI für uns trotzdem die echte Chance bleibt. Was du mitnimmst: ein verständliches Fundament, um dir selbst eine Meinung zu Bitcoin zu bilden – plus eine ehrliche Standortbestimmung für Deutschland zwischen Pessimismus und echten Chancen. Kapitelmarken und alle Themen findest du in den Shownotes weiter unten. Wenn dir diese Art von Gespräch gefällt – tiefgehend, kritisch, ohne Hype – dann abonniere den Kanal und lass mir deine Gedanken in den Kommentaren da. Genau diese Diskussion macht den Reza Mehman Podcast aus. Shownotes 00:00 – Begrüßung von Alex von Frankenberg und Einstieg ins Thema Bitcoin 01:12 – Warum Bitcoin „ehrliches Geld" ist: Transparenz und feste Regeln 02:30 – Gibt es „gesunde" Inflation? Die Eiskugel als Beispiel für Kaufkraftverlust 07:00 – Schuldenspirale, Staatsausgaben und das Tabu-Thema Sparen 13:25 – Ehegattensplitting: 25 Milliarden und warum die Debatte „unehrlich" geführt wird 26:00 – Vertrauen in den Code: Hashrate, Mining-Macht und Manipulationsrisiken 49:50 – Innovationsstandort Deutschland, Aleph Alpha und das KI-Rennen 1:08:00 – Der wahre Zweck des Buches: Spenden für arme und kranke Kinder „Bitcoin ist transparent und damit ehrlich – und ehrlich, weil die Regeln nicht verändert werden können." – [Alex von Frankenberg zum Kernargument seines Buches] Frage: Warum nennt Alex von Frankenberg Bitcoin „ehrliches Geld"? Antwort: Weil das Bitcoin-Protokoll transparent (Open Source) ist und die Regeln nicht verändert werden können. Die Menge ist auf 21 Millionen begrenzt, während Fiat-Geld durch wachsende Geldmenge an Wert verliert. Frage: Wie viele Bitcoin wird es maximal geben? Antwort: Maximal 21 Millionen. Aktuell sind rund 20 Millionen im Umlauf; die letzten entstehen laut Protokoll bis etwa zum Jahr 2140, danach gibt es keine neuen Bitcoin mehr. Frage: Was ist das Eiskugel-Beispiel zur Inflation? Antwort: Vor 40 Jahren kostete eine Eiskugel etwa 30 Pfennig, heute rund 2 Euro. Das Beispiel zeigt, wie Inflation Kaufkraft entwertet und tendenziell von ärmeren zu vermögenderen Gruppen umverteilt. Frage: Ist Bitcoin sicher gegen Manipulation? Antwort: Der Code läuft seit rund 17 Jahren ohne Hack. Ein theoretisches Risiko besteht, wenn Miner über 50 % der Hashrate koordinieren – das gilt aber als sehr unwahrscheinlich, und die Community würde dem ehrlichen Teil der Blockchain folgen. Frage: Hat Deutschland das KI-Rennen verloren? Antwort: Beim Bau der großen Sprachmodelle gilt der internationale Rückstand als kaum aufholbar. Bei der Anwendung von KI in Industrie und Mittelstand sieht von Frankenberg dagegen reale Chancen für Deutschland. Frage: Was ist mit Aleph Alpha aus Heidelberg passiert? Antwort: Gründer Jonas Andrulis hat den CEO-Posten Ende 2025 abgegeben und ist inzwischen ganz ausgeschieden; die Führung übernahmen Co-CEOs aus dem Umfeld der Investoren. Das Unternehmen spezialisiert sich auf Industrie- und Verwaltungsanwendungen statt auf ein „zweites OpenAI". Frage: Empfiehlt Alex von Frankenberg, Bitcoin zu kaufen? Antwort:

In dieser Folge geht es um einen Widerspruch, der den europäischen KI-Markt aktuell prägt: Während die großen Infrastrukturbetreiber in immer kürzeren Abständen massive Updates ausspielen, verharrt ein Großteil der hiesigen Wirtschaft in einer ausgeprägten Abwartehaltung. Unsicherheit, Angst vor Fehlentscheidungen und das parallele Einprasseln geopolitischer, technologischer und regulatorischer Themen führen dazu, dass viele Organisationen die fällige Transformation vor sich herschieben.Ein zentraler Strang dreht sich um die Ökonomie der KI selbst. Die Amortisierungslogik der Hyperscale-Rechenzentren wirft Fragen auf, zumal sich Technologie und Preisstrukturen schneller wandeln als jede klassische Investitionsrechnung. Hinzu kommt eine neue Doppelrechnung: Wer früher 200 Personen brauchte, kommt heute mit 20 aus, zahlt diesen Vorteil aber zunehmend in Tokenkosten zurück. Token-Effizienz wird damit zur eigentlichen Schlüsselgröße, nicht der reine Tokenpreis. Modelle, die zuverlässig zum Ziel führen, sind ökonomisch oft sinnvoller als günstige Modelle, die sich verirren.Parallel dazu hat sich die Governance-Diskussion in der Tiefe verändert. Compliance-Themen, Datensouveränität und die Frage, auf welche Anbieter man sich überhaupt verlassen will, prägen heute fast jedes ernsthafte Projekt. Dabei wird zunehmend deutlich, dass die europäische Perspektive zwischen US-amerikanischen und chinesischen Angeboten differenziert betrachtet werden muss, einschließlich der oft übersehenen Tatsache, dass auch Microsoft kein europäischer Anbieter ist.Inhaltlich verschiebt sich das KI-Narrativ in zwei Richtungen. Zum einen verschwindet das Superintelligenz-Motiv aus der öffentlichen Debatte, KI wird stärker als Werkzeug zur Erweiterung eigener Fähigkeiten verstanden. Zum anderen folgt auf die B2C-Welle der ChatGPT-Jahre nun eine B2B-Phase, in der es um robuste, vertrauenswürdige Systeme, kritische Infrastruktur und die Integration in gewachsene Legacy-Landschaften geht. Genau hier liegen europäische Stärken: Patente, industrielle Datenbestände und Kompetenz in Bereichen jenseits klassischer Sprachmodelle, etwa in Embodied AI, Sensorik, Robotik und neurosymbolischen Ansätzen.Das wichtigste Learning für Entscheider: Abwarten ist keine Strategie. Wer sich heute nicht ernsthaft mit agentischer KI, mit Make-or-Buy-Fragen, mit Souveränitätsentscheidungen und mit der Ablösung eigener Legacy-Systeme beschäftigt, verspielt seine Position im nächsten Zyklus. Die Folge plädiert für eine selbstbewusste Haltung, für Investitionsmut gegen den Trend und für eine Rückbesinnung auf das, was in Europa traditionell gut funktioniert: ingenieurgetriebene Neugier statt bewahrender Angst.Ein Ausblick auf die nächste Folge rundet die Episode ab: Im Gespräch mit einem erfahrenen Gast geht es dort darum, wie Innovationsmanagement in Organisationen aussehen muss, die aus der Abwartehaltung herauskommen wollen.

**Über diese Episode**: Nachdem in vergangenen Episoden vor allem der Einsatz von KI in der regulatorischen Zulassung beleuchtet wurde, wirft Christian Johner in dieser Folge von "Medical Device Insights" einen Blick tief in die technische Produktentwicklung. Zu Gast ist Matthias van der Staay von der IMT (Information Management Technology), der sein Unternehmen erfolgreich ins KI-Zeitalter führt. Er teilt exklusive Einblicke, wie sein Team den oft mühsamen und extrem zeitaufwendigen Prozess der Testfallgenerierung für aktive Medizinprodukte durch Künstliche Intelligenz massiv beschleunigt. Die wichtigsten Themen dieser Folge: * **Schluss mit der Fleißarbeit**: Erfahren Sie, welche Schritte IMT mittlerweile komplett der KI überlässt (wie das Verstehen von Requirements, das Schreiben der Tests und die Verlinkung im ALM-Tool) und warum die finale Freigabe weiterhin zu 100 % menschlich bleibt. * **Die KI an der kurzen Leine (Guardrails)**: Generative KI neigt zum Erfinden. Matthias Vanderste erklärt die drei wichtigsten Hebel (Task-Splitting, Agentic Workflows und Structured Output), mit denen man die KI zwingt, präzise und fehlerfrei zu arbeiten, anstatt zu halluzinieren. * **Multi-Agenten-Systeme im Einsatz**: Wie verschiedene spezialisierte KI-Agenten bei IMT interagieren – beispielsweise ein Dokumentationsagent, der das firmeninterne Wissen (SOPs, Architekturdokumente) an den Testfall-Agenten weiterfüttert. * **Datenschutz & Infrastruktur**: Warum das Unternehmen sich bewusst gegen die Nutzung von Cloud-APIs aus den USA oder China entschieden hat und stattdessen massiv in lokal gehostete Sprachmodelle investiert. **Warum Sie diese Folge nicht verpassen sollten**: Wenn Sie in der Entwicklung von Medizinprodukten KI-Tools einsetzen, wird Ihnen im nächsten Audit garantiert eine gefürchtete Frage gestellt: "Haben Sie diesen KI-Einsatz eigentlich validiert?" Hören Sie in dieser Episode nicht nur, mit welcher cleveren Evaluierungs-Pipeline Matthias Vanderste seinen Kopf bei dieser Auditoren-Frage elegant aus der Schlinge zieht. Sie erfahren am Ende auch, warum selbst die weltbeste Testfall-KI an ihre Grenzen stößt und welches grundlegende "menschliche" Problem bei den Requirements das Team von IMT als nächstes mit KI lösen muss.

Wer schon mal gedatet hat, kennt das Gefühl von Unsicherheit und Anspannung. Manche nutzen darum künstliche Intelligenz als persönlichen Dating-Berater. Sie ordnet ein, erkennt Muster und mögliche Red Flags und hilft beim Kommunizieren mit dem Date. Oder doch nicht? Warum vertrauen Menschen einer Maschine ihre intimsten Chatverläufe und Traumata an? Wir begleiten Jana, die nach einer schmerzhaften Trennung bei ChatGPT nach Antworten sucht. Bastian, der nach elf Jahren Beziehung wieder Single ist, lernt durch die KI, Beziehungsdynamiken aus einer neuen Perspektive zu betrachten. Experten warnen jedoch vor blindem Vertrauen: Eine Studie der Uni Stanford belegt, dass Sprachmodelle dazu neigen, uns zu schmeicheln, statt die Realität objektiv abzubilden. Gast: Cleo Libro, NZZ-Reporterin Host: Alice Grosjean In ihrem [Text in der NZZ](https://www.nzz.ch/nzz-am-sonntag-magazin/die-ki-mein-dating-coach-ld.1933600) hat Cleo auch noch die Geschichte von Sabine aufgeschrieben. Sie nutzt KI erstmal, um den Überblick zu behalten; denn nach 30 Jahren Ehe kehr sie zurück ins Dating-Leben und braucht Orientierung. Lust auf noch mehr digitale Inhalte der NZZ? [Probier`s drei Monate aus.](https://abo.nzz.ch/25077808-2/) Übrigens: Alle NZZ-Podcast und Artikel kannst du jetzt auch unterwegs im Auto hören – mit Apple CarPlay oder Android Auto. Wie's funktioniert, erfährst du [hier](https://go.nzz.ch/carplay).

Ben Hofer vergleicht die Screen-Reader-Bedienbarkeit der gängigen Chatbots, die Reaktionen, Stärken und Schwechen verschiedener Sprachmodelle, bespricht Datenschutzoptionen und die Einrichtung einer Offline-KI.

In dieser Episode spreche ich mit Klaus Weber, dem Leiter Personenschaden bei der Generali Deutschland und gelerntem Unfallchirurgen. Wir tauchen tief in die Welt des Personenschadenmanagements ein – ein Bereich, der oft als die „Kür“ der Versicherung gilt und in dem es um weit mehr als nur Zahlen geht. Klaus erklärt mir, warum dieser Sektor trotz zunehmender Automatisierung in der Branche immer noch eine Bastion menschlicher Expertise und Empathie bleibt. Wir diskutieren, wie Sprachmodelle und KI dennoch Einzug halten, um komplexe medizinische Daten zu bändigen, ohne dabei den menschlichen Kern der Arbeit zu verlieren. Highlights der Episode: Der Fokus auf die „teuren“ Fälle: Klaus verrät, dass nur 0,5 % der schwersten Schäden satte 10 % des gesamten Schadensaufwands ausmachen. Hier entscheidet sich, wie gut eine Versicherung wirklich ist. Vom OP-Saal in die Versicherung: Als ehemaliger Unfallchirurg bringt Klaus eine einzigartige Perspektive ein. Er weiß genau, was es bedeutet, wenn sich ein Leben von einer Sekunde auf die nächste durch einen Unfall radikal verändert. Rehabilitation statt nur Entschädigung: Im Gegensatz zur privaten Krankenversicherung, die primär zahlt, übernimmt die Haftpflichtversicherung eine aktive Rolle. Das Ziel ist die bestmögliche Wiedereingliederung des Verletzten mit Hilfe von Spitzen-Dienstleistern. KI als Effizienz-Boost: Wir besprechen, wie KI dabei hilft, hunderte Seiten starke Arztberichte und Gutachten zu analysieren. Das spart Zeit, die die Sachbearbeiter für die persönliche Betreuung der Betroffenen nutzen können. Empathie ist nicht ersetzbar: Trotz aller Technik bleibt die Regulierung komplexer Schicksale „Handarbeit“. Klaus betont, dass ein Algorithmus niemals das feinfühlige Gespräch mit einem Schwerverletzten ersetzen kann. Links in dieser Ausgabe Zur Homepage von Jonas Piela Zum LinkedIn-Profil von Jonas Piela Zum LinkedIn-Profil der Generali Deutschland AG Stich aus der Masse hervor. Werde die Marke, die jeder Entscheider kennt. Echte Relevanz entsteht nicht durch Reichweite, sondern durch Vertrauen. Wir bringen deine Botschaft dorthin, wo die Zukunft gebaut wird. Vom Sponsored Podcast für maximale Awarenes über das Fachmagazin für echtes Print-Prestige bis hin zum direkten Lead bei unseren Boutique-Events. Klick jetzt direkt auf diesen Link oder geh auf insurancemedia.de/werbung.

Während die großen Sprachmodelle im Wochentakt neue Versionen herausbringen, fällt mir die Differenzierung des dadurch entstehenden Nutzens zunehmend schwerer – vor allem, wenn es jetzt schon ausreichend das tut, was ich von ihm brauche. Beim Thema Softwareentwicklung ist dagegen noch Luft nach oben, jedenfalls bis Anthropic unlängst ein paar Details zu Mythos veröffentlicht hat. Vielleicht auch deshalb bereitet sich SAP derweil weiter darauf vor, dass Kunden zukünftig noch mehr KI-Agenten im ERP haben werden.

Die kritische Ressource „Storage für KI“ weiter optimieren. Neu: Google PolarQuant mit extremer Kompression zur Lösung des Speicherbedarfs bei der Vektor-Quantisierung und WEKA AI Storage mit Augmented Memory Grid und Token-Warehouse zusammen mit NVIDIA's Inference Context Memory Storage Platform und GPUDirect Storage (GPU-Speicher mit GPUDirect Storage und RDMA erweitern). Zum Inhalt dieses nicht KI-erzeugten Podcasts (Hörzeit 8:25 min): Interaktionen bei agentischen KI-Systemen werden komplexer und betreffen sowohl die Inferenzleistung selbst, als auch deren Wirtschaftlichkeit. Der Grund: Anwendungen wie große Sprachmodelle (LLMs) benötigen immer mehr Speicherplatz, um KeyValue Einträge im Cache zu speichern. Dies gilt insbesondere bei der Verarbeitung von Kontext mit großer Reichweite und Vector Search Engines. Damit steigt parallel die Nachfrage nach schnellen Speicherchips und NAND Flash weiter an. Nicht nur auf Grund aktueller Engpässe bei der Versorgung mit Memory- und Flashstorage entsteht damit ein potentiell kritischer Flaschenhals. Das alles macht Anwenderseitig verschiedene Maßnahmen zur möglichst effektiven Reduzierung des Speicherbedarfs notwendig und rückt als Priorität bei KI-Projekten mit in den Vordergrund. Inference Context ist im Zeitalter von Agents und deren komplexen Interaktionen inzwischen nicht länger eine reine Optimierungs-, sondern zunehmend eine gesamte IT-Infrastruktur-Herausforderung. Im folgenden Überblick finden Sie zwei aktuelle Beispiele zu Lösungen, um die geschilderten Anforderungen IT-Infrastruktur-, Storage- und datenseitig zu adressieren...

Wie baut man eine KI Abteilung in einer Bank auf und was verändert künstliche Intelligenz im Arbeitsalltag von Mitarbeitenden? Marius von der Deutschen Apotheker und Ärztebank spricht über den Einsatz von generativer KI, sichere Sprachmodelle, interne Chatbots und die Frage, wie KI sinnvoll in Prozesse integriert werden kann."KI ist nicht immer der alleinige Schlüssel zum Erfolg." Für wen ist das interessant?• Fachkräfte aus KI, Digitalisierung und Prozessmanagement• Menschen aus Banking, Compliance und IT Strategie• Personen, die verstehen möchten, wie generative KI in regulierten Branchen eingesetzt wird• Alle, die sich für organisatorische Transformation durch künstliche Intelligenz interessierenAuf der

Bei allen unnützen KI-Spielereien ist Künstliche Intelligenz in der Medizin ein wichtiges Tool geworden. Am Universitätsklinikum Hamburg Eppendorf (dem UKE) entsteht eine neue Generation medizinischer KI-Werkzeuge. Die gemeinnützige Tochter Innovative Digitale Medizin (kurz IDM) entwickelt eigene Sprach und Textmodelle, die den Klinikalltag entlasten und gleichzeitig sensible Gesundheitsdaten im europäischen Raum halten sollen. Im neuen Digital Health Podcast unserer heise-Expertin Marie-Claire Koch erklärt IDM Geschäftsführer Dr. Nils Schweingruber, wie sie mit den elektronischen Patientenakten des UKE arbeiten und diese Daten als Grundlage für KI Modelle nutzen. Diese Modelle werden dann speziell für den deutschsprachigen Gesundheitssektor trainiert. Das Thema fand ich so spannend, dass ich es Euch nicht vorenthalten wollte und das Zepter vom KI-Update heute an die Kolleginnnen vom Digital Health Podcast übergebe. In dieser Folge spricht Dr. Anna Laura Gundler für heise online mit Dr. Schweingruber. === Anzeige / Sponsorenhinweis === Dieser Podcast wird von einem Sponsor unterstützt. Alle Infos zu unseren Werbepartnern findet ihr hier. https://wonderl.ink/@heise-podcasts === Anzeige / Sponsorenhinweis Ende === Artikel zur Podcastfolge: https://heise.de/-11268822 https://www.heiseplus.de/audio https://www.heise.de/thema/KI-Update https://pro.heise.de/ki/ https://www.heise.de/newsletter/anmeldung.html?id=ki-update https://www.heise.de/thema/Kuenstliche-Intelligenz https://the-decoder.de/ https://www.ct.de/ki https://www.uke.de/landingpage/zukunftsplan-2050/ https://www.idmedizin.de/de Den Digital Health Podcast von heise online findet ihr hier: https://digital-health.podigee.io/

Die deutsche Industrie steckt im Umbruch. Neue Computer- und Energietechnologien verursachen Veränderungsdruck, zugleich sind infolge des Irankrieges die Energiepreise merklich gestiegen. Wie schlagen sich die deutschen Unternehmen in dieser Situation? Einen Eindruck davon vermittelt die Hannover Messe, die an diesem Sonntagabend beginnt und die nächste Woche andauert. Deutsche und internationale Unternehmen präsentieren dort neue Produkte und Prozesstechniken. Sie zeigen, was heute in der modernen Fertigung schon möglich ist – und was sie in den kommenden Jahren vorhaben. Jochen Köckler ist Vorstandsvorsitzender der Deutschen Messe AG und auch in diesem Jahr Gastgeber in Hannover. Er erzählt, was es in den Hallen zu sehen gibt, von Automatisierungs- über Energietechniken bis hin zur Künstlichen Intelligenz. Und in dieser wiederum geht es in der Industrie nicht um die allseits bekannten großen Sprachmodelle, sondern über das, was nicht nur er "Physical AI" nennt. Es geht um KI, die in der realen Welt handelt, mitarbeitet, mitdenkt. Das ist nicht nur in Hannover ein Schwerpunkt, sondern auch eine Chance für Deutschland, um in diesem Feld Weltspitze zu bleiben. Köckler spricht aber nicht nur über Technologie, sondern auch über Politik. Gastland ist dieses Jahr Brasilien, der brasilianische Präsident Lula da Silva wird die Messe eröffnen und selbst da sein, ihn begleitet eine große Delegation aus Unternehmern und Politikern. Bundeskanzler Merz ist da, Digitalminister Wildberger und Verteidigungsminister Pistorius. In diesem Jahr gibt es ein eigenes Areal für Verteidigungstechnik. Und schließlich spricht Köckler auch darüber, was sie hierzulande ändern muss, damit der Wirtschaftsstandort Deutschland attraktiver wird auch für die Industrie. Denn die ist, wie nicht nur die vergangenen Jahre gezeigt haben, überhaupt nicht "Old Economy".

In dieser spannenden Podcast-Episode spreche ich mit Andreas Decker, CPO der Solvd Group und Managing Director bei ControlExpert, über die Herausforderungen und Chancen der KI in der Kfz-Schadenbearbeitung. Andreas gibt uns tiefe Einblicke, warum viele interne KI-Projekte scheitern und wie radikale Spezialisierung der Schlüssel zum Erfolg ist. Hier sind die Highlights, die ich für dich zusammengefasst habe: Das Dilemma der Inhouse-KI: Wir sprechen darüber, warum viele Versicherer glauben, die komplette KI-Automatisierung im Schadenbereich selbst stemmen zu können, obwohl sie oft mit einem "digitalen Flickenteppich" aus Legacy-Systemen und zugekauften SaaS-Lösungen kämpfen. Andreas betont, dass ein echtes KI-Team weit über ein paar Data Scientists hinausgeht und eine komplette Organisation benötigt. Beschwerde-Explosion und fehlende Antworten: Ich frage Andreas, ob der Anstieg der Beschwerdezahlen beim Versicherungsombudsmann ein Indikator für die mangelnde Umsetzung von Technologie ist. Es zeigt sich, dass der häufigste Beschwerdegrund nicht etwa falsche Entscheidungen, sondern schlicht die fehlende oder verzögerte Kommunikation ist – ein Paradox in Zeiten, in denen jeder über KI und Kundenzentrierung spricht. Warum LLMs allein nicht reichen: Andreas erklärt eindrücklich, dass große Sprachmodelle wie "sehr gute Uni-Absolventen" sind – mit viel Wissen, aber ohne spezifische Praxiserfahrung und Kontext. Mit einer Genauigkeit von nur 54% bei versicherungsspezifischen Aufgaben sind sie unzureichend. Er beleuchtet die Notwendigkeit von spezialisierten Modellen, Data Factories und professionellem Operations-Management. Das "Schadendreieck knacken": ControlExpert hat sich zum Ziel gesetzt, das klassische Schadendreieck aus Kosten, Aufwand und Kundenzufriedenheit zu durchbrechen. Der Ansatz basiert auf drei Säulen: fundierte Fachkenntnis in der Kfz-Reparatur, exzellenter Kundenservice (24/7, multikanal, multilinguale, sofortige Status-Updates) und nahtlose Automatisierung durch neueste Technologie – alles orchestriert durch Agents. Ein spannendes Beispiel ist die User Experience, bei der eine künstliche Wartezeit die Akzeptanz erhöht hat! "Own the Brain, Rent the Body": Andreas plädiert für einen strategischen Ansatz: Kernelemente, die einen echten Wettbewerbsvorteil bringen (wie Vertrieb oder Risikomodelle), sollten intern entwickelt werden. Bereiche, wo Spezialisierung und Skalierung entscheidend sind (wie die Kfz-Schadenbearbeitung), sollten über externe Partner bezogen werden. Er betont zudem, dass jede Transformation zu 50% aus Technologie und zu 50% aus Change Management besteht. Dieses Gespräch hat mir wirklich die Augen geöffnet, wie komplex und gleichzeitig vielversprechend die Zukunft der Schadenbearbeitung ist. Hör dir die ganze Episode an, um Andreas' faszinierende Prognosen für die nächsten Jahre zu erfahren und zu verstehen, wie wir uns von repetitiven Aufgaben verabschieden und eine neue Ära der Effizienz und Kundenzufriedenheit einläuten können! Links in dieser Ausgabe Zur Homepage von Jonas Piela Zum LinkedIn-Profil von Jonas Piela Zum LinkedIn-Profil von Andreas Decker Stich aus der Masse hervor. Werde die Marke, die jeder Entscheider kennt. Echte Relevanz entsteht nicht durch Reichweite, sondern durch Vertrauen. Wir bringen deine Botschaft dorthin, wo die Zukunft gebaut wird. Vom Sponsored Podcast für maximale Awarenes über das Fachmagazin für echtes Print-Prestige bis hin zum direkten Lead bei unseren Boutique-Events. Klick jetzt direkt auf diesen Link oder geh auf insurancemedia.de/werbung.

Computer können inzwischen kompetent mit Sprache und Bildern umgehen, auf schwierige Fragen sinnstiftende Antworten geben, schneiden in Wettbewerben auf ähnlichem Niveau wie Menschen ab und spielen Spiele längst besser als wir. Wie geht es nun weiter? Darüber haben wir auf unserem F.A.Z.-Kongress mit zwei führenden Fachleuten auf diesem Gebiet debattiert: Holger Hoos ist Professor an der RWTH in Aachen, lehrte zuvor viele Jahre in Kanada und den Niederlanden. Zudem hat er den KI-Forscher-Verband Claire mit initiiert, dem europaweit Wissenschaftler aus allen Disziplinen des Faches angehören. Antonio Krüger wiederum ist Professor an der Universität Saarbrücken und Vorstandsvorsitzender des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI). Er befasst sich in dieser Rolle auch sehr viel damit, wie Unternehmen KI tatsächlich einsetzen (können) – und zwar nicht nur Sprachmodelle. Weil der Fortschritt auf diesem Gebiet enorm ist, stellt sich nun zunehmend die Frage: Was fehlt Computern zum Gehirn. Was können wir Menschen, was die Rechner nicht können – und woran liegt das? Auf dem F.A.Z.-Kongress gab es darüber einen spannenden Austausch mit beiden Fachleuten und unseren Lesern. Wir wollen in dieser Sonderausgabe darum diese Diskussion präsentieren auch für diejenigen, die nicht dabei sein konnten.

Im Gebet suchen Menschen Antworten. Stattdessen kann man aber auch große Sprachmodelle befragen. Ein Vortrag über die Gemeinsamkeiten und Unterschiede von Religion und KI der Religionswissenschaftlerin Inken Prohl. Inken Prohl ist Professorin für Religionswissenschaft an der Ruprecht-Karls-Universität Heidelberg. Ihr Vortrag hat den Titel "Religion und KI". Sie hat ihn am 19.01.2026 in Heidelberg gehalten im Rahmen der Ruperto Carola Ringvorlesung "Mensch und Algorithmus. Wem gehört die Zukunft?" der Universität Heidelberg. ********** +++ Religion +++ KI +++ LLM +++ Gebetsbot +++ Minda +++ Buddhismus +++ Sprachmodell +++ Gebet +++ Transzendenz +++ Religionswissenschaften +++ Selbstverhältnis +++ Götter +++ Gott +++ Hörsaal +++ Nova +++ Deutschlandfunk Nova +++**********In dieser Folge mit: Moderation: Sibylle Salewski Vortragende: Inken Prohl, Religionswissenschaftlerin, Ruprecht-Karls-Universität Heidelberg**********Ihr hört in diesem Hörsaal:2:11 - Beginn Vortrag7:48 - KI und Religion11:53 - KI als Religion15:38 - Vier Einsprüche47:51 - Fazit**********Mehr zum Thema bei Deutschlandfunk Nova:Todesalgorithmus: Wenn die KI unser Leben lenktMaschinenliebe: Intimität im Zeitalter Künstlicher IntelligenzStil: KI erkennt Menschen am Tanzen**********Den Artikel zum Stück findet ihr hier.**********Ihr könnt uns auch auf diesen Kanälen folgen: TikTok und Instagram .

In dieser Folge teile ich einen Vortrag mit euch - als AI Expert des Deutschen Coaching Verbandes habe ich einen Diskurs unter Coaches dazu geleitet, wie advanced AI inzwischen ist, was AI im Coaching Sinne leisten kann und was nicht, wo die Grenzen der Sprachmodelle liegen und welche Konsequenzen für User mit diesen Grenzen einhergehen. Meine Grundhaltung: Mir ist meiner Karriere wegen egal, ob du ChatGPT nutzt, statt zu mir zu kommen. Ich möchte aber gerne unbedingt wachrütteln und darüber aufklären, welche mentalen (bzw. breiter gefasst: welche psychischen) Folgen die Nutzung von LLMs als Reflektionspartner für dich haben kann. Auf ihrem jetzigen technologischen Stand nimmst du mentale Risiken in Kauf und mir ist wichtig, dass die so viele Leute wie möglich kennen. Wenn du ein paar Aha-Momente in der Folge hast, teil sie bitte mit deinen Engsten! Wir alle (ich eingeschlossen) nutzen doch ChatGPT inzwischen automatisch, wenn wir "nur kurz was erörtern" wollen. Wenn wir die nötige Resilienz haben funktioniert das auch mit einer Menge an Anliegen einwandfrei. Go ahead, use it! Mach ich auch! Und für die übrigen Anliegen, die eher on the risky side of things sind, weil sie tiefer liegen, weil du mit Unsicherheiten zu tun hast o.ä. - tu deiner mentalen Gesundheit den Gefallen und gönn dir einen menschlichen health care professional. Außerdem gebe ich am Ende einen Ausblick auf meine Coaching App SHYVT, mit der ich die AI-Coaching-Sphäre sicherer und zielführender gestalte. Vielleicht auch ganz interessant :) Viel Spaß mit der Folge! P.S.: Das unaussprechliche Phänomen und gleichzeitig die größte Schwäche von AI im Coaching Kontext heißt SYCOPHANCY. Sycophancy. Sycophancy

Offen, sicher, europäisch - das sind die Trümpfe der Softwareschmiede Mistral AI, deren Sprachmodelle es mit ChatGPT und Co aufnehmen können. Die Firma ist Europas Hoffnungsträger im globalen KI-Wettlauf. Sind die Erwartungen zu groß? Metz, Moritz; Walch-Nasseri, Friederike

In dieser Folge von Ausgeglaubt sprechen Stephan und Manuel über Künstliche Intelligenz, LLMs und die Frage, warum Gespräche mit KI für viele Menschen plötzlich so selbstverständlich geworden sind. Was macht es mit unserem Denken, Arbeiten und Glauben, wenn wir beginnen, mit Maschinen zu sprechen, statt nur Informationen zu suchen? Ausgehend von persönlichen Erlebnissen geht es um die Chancen und Risiken von KI im Alltag: als Werkzeug für Recherche, Textarbeit und Reflexion, aber auch als Technologie, die uns bestätigen, verführen und intellektuell bequemer machen kann. Stephan und Manu diskutieren, warum Sprachmodelle klassische Suchmaschinen zunehmend verdrängen, was dabei gewonnen wird und welche Kompetenzen dabei womöglich verloren gehen. Besonders spannend wird es dort, wo das Gespräch philosophisch und spirituell wird: Ist KI nur ein nützliches Werkzeug, oder entsteht hier eine neue Form von Resonanzraum? Was hat ein Prompt mit einem Gebet gemeinsam? Kann ein Sprachmodell zu Selbstreflexion anregen, ohne selbst etwas zu glauben? Und was heisst eigentlich Inspiration in einer Zeit, in der auch Predigten, Gedanken und Sinnfragen mit KI bearbeitet werden können? Eine Folge über Technik und Transzendenz, über Wissensdemokratisierung und Selbsttäuschung, über Echokammern, Offenheit und die alte Frage, wer am Ende wirklich antwortet.

Zwei Jahre nach unserem Gespräch über generative KI und Wissensarbeit (Folge ENC297)mit Simon Dückert, dem Gründer der Cogneon Akademie und langjähriger Experte im Wissensmanagement, treffen sich Christoph Haffner und Simon auf dem Corporate Learning Camp 2026 in Hamburg, um über persönliches Wissensmanagement mit KI zu reden. Was hat sich in den vergangenen Jahren getan? Simon gibt einen Rundumschlag über den aktuellen Stand von KI-Tools für die private und berufliche Wissensarbeit: Von ChatGPT, Claude und Gemini über lokale Sprachmodelle mit Ollama bis hin zu konkreten Anwendungsfällen und Beispielen wie dem Zusammenfassen von Studien, dem Transkribieren von Podcasts und der Auswertung ganzer Konferenz-Videobibliotheken. Wir sprechen über Details wie Tokens und Kontextfenster, aber auch die Unterschiede zwischen großen Cloud-Modellen und kleinen lokalen Modellen, die digitale Souveränität, Hardware-Anforderungen für lokale KI, Halluzinationen, AI Literacy/Fluency – und warum kritisches Denken wichtiger denn je ist. Zum Schluß verrät uns Simon seine Unpopular Opinion zum Thema und teilt seine persönlichen Tool- und Medientipps.LinksSimon auf LinkedIn: https://www.linkedin.com/in/simondueckert/Simon auf Mastodon: @simondueckert@colearn.socialCogneon, Nürnberg: https://cogneon.deKI-Tools & PlattformenChatGPT (OpenAI): https://chat.openai.comClaude (Anthropic): https://claude.aiGoogle Gemini: https://gemini.google.comGoogle NotebookLM: https://notebooklm.google.comPerplexity: https://www.perplexity.aiClaude: https://claude.ai/Microsoft Copilot: https://copilot.microsoft.comDeepL Übersetzer: https://www.deepl.comLokale KI, Models & ToolsOllama (lokale Sprachmodelle): https://ollama.comHugging Face (Modell-Hub): https://huggingface.coLM Studio: https://lmstudio.aiChatbox (lokales Chat-UI): https://chatboxai.appMacWhisper (Sprache-zu-Text): https://goodsnooze.gumroad.com/l/macwhisperMeta Llama: https://llama.meta.comGoogle Gemma: https://ai.google.dev/gemmaQwen (Alibaba): https://qwenlm.github.ioTiktokenizer (Token-Visualisierung): https://tiktokenizer.vercel.appResourcen & MedienBuch: Ethan Mollick - "Co-Intelligence: Living and Working with AI": https://www.goodreads.com/book/show/198678736-co-intelligenceEthan Mollick (One Useful Thing): https://www.oneusefulthing.orgAndrej Karpathy – YouTube-Kanal: https://www.youtube.com/@AndrejKarpathyLex Fridman Podcast: https://lexfridman.com/podcast/Matt Wolfe – YouTube-Kanal: https://www.youtube.com/@mreflow KI-Podcast (ARD): https://www.ardaudiothek.de/sendung/der-ki-podcast/94632864/KI verstehen (Deutschlandfunk): https://www.deutschlandfunk.de/ki-verstehen-102.htmlLatent Space Podcast: https://www.latent.space/podcastFreak Show Podcast (Open Claw Besprechung): https://freakshow.fm/fs304-das-kann-ja-sogar-windows Anthropic Blog zu Context Engineering: https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents ISO 30401 Wissensmanagement: https://www.iso.org/standard/68683.htmlEducation Newscast Folge 297 – Generative KI und Wissensarbeit: https://open.spotify.com/episode/3MhamIChT2adbAKFJdkwGb?si=LLCaDAFRQaqI7vUWjuBrEA

In dieser Folge des DEEPTECH DEEPTALK ist Hermann D. Grünfeld, Head of Traffic Management bei der Hamburg Port Authority (HPA), eigentlich nur auf einen Kaffee vorbeigekommen. Was folgt, ist ein ungewöhnlich offenes Gespräch über den Einsatz von Quantensimulation im Hafenalltag, digitale Zwillinge ohne Visualisierung und die Frage, warum intelligente Steuerung mehr bringt als jede neue Fahrspur.Hermanns Kernthese: Ein Hafen funktioniert nicht an der Kaikante, sondern an seiner Hinterlandverbindung. Täglich 16.000 LKW, 142 Kilometer Hafenstraße, 35 Ampeln. Wer hier mehr herausholen will, baut nicht aus. Er optimiert. In Zusammenarbeit mit Fujitsu und der TU Graz setzt die HPA auf Quantum Annealing, eine Quantensimulation und damit eine wichtige Vorstufe zum echten Quantencomputing. Die Technologie berechnet bei sechs koordinierten Kreuzungen Milliarden von Schaltmöglichkeiten und gewinnt daraus 10 bis 15 Prozent mehr Durchsatz. Der Effekt einer neuen Fahrspur, ohne einen Quadratmeter Fläche anzufassen.Alois Krtil weitet den Blick auf die nächste Technologieklasse: Large Quantitative Models, physikalisch verankerte KI-Systeme, die nicht in Sprache, sondern in Physik denken. Für reale Infrastruktur im Wert von hunderten Millionen Euro ist das keine Zukunftsvision, sondern der logische nächste Schritt. Und Hamburg, mit seiner gewachsenen Komplexität und seinen echten Constraints, ist dafür das beste Reallabor Europas.Kapazität ist kein Bauprojekt, sondern ein Steuerungsproblem. ca. 10 bis 15 Prozent mehr Durchsatz durch intelligente Ampelsteuerung entsprechen dem Effekt einer neuen Fahrspur, ohne einen Quadratmeter anzufassen.Quantum Annealing ist heute produktiv, nicht morgen. Wichtig zu verstehen: Es handelt sich nicht um echtes Quantencomputing, sondern um eine Quantensimulation, eine leistungsstarke Vorstufe. Sie läuft im Hamburger Hafen, vollautomatisch, mit messbaren Ergebnissen bei einem Optimierungsproblem, das klassische Rechner schlicht überfordert.Visualisierung war ein Missverständnis. Ein digitaler Zwilling muss nicht schön sein. Er muss funktionieren. Steuerung schlägt Darstellung.Daten bleiben der eigentliche Engpass. Nicht Rechenpower, nicht Algorithmen. Qualität, Verfügbarkeit und Latenz der Eingangsdaten entscheiden alles.Physikalische KI schlägt Sprachmodelle dort, wo es wirklich zählt. Large Quantitative Models halluzinieren nicht. Sie rechnen. Für reale Infrastruktur ist das der entscheidende Unterschied.Hamburg ist das bessere Reallabor. Gewachsene Strukturen mit echten Constraints sind kein Nachteil, sondern der härteste und wertvollste Testfall für KI in komplexen Systemen.

Google DeepMind und OpenAI wollen beweisen, dass KI logisch denken kann. 2025 gab es erstmals Gold bei der Internationalen Mathe-Olympiade - und Rückschläge. Was bedeutet das für die Zukunft von KI? Ein Podcast von Janne Knödler.

In dieser Episode spreche ich mit Guido Fiolka, einem Experten an der Schnittstelle von Informationstechnologie und Coaching. Wir diskutieren seine beeindruckende Karriere und die Entwicklung seiner KI-Plattform SERAIA, die sowohl individuelle Coaches als auch Organisationen in ihrem Entwicklungsprozess unterstützt. Guido erläutert die Rolle der Künstlichen Intelligenz im Coaching und betont die Wichtigkeit der sinnvollen Integration dieser Technologien zur Unterstützung des menschlichen Kontakts. Wir thematisieren die Demokratisierung von Coaching, die durch SERAIA ermöglicht werden kann, sowie die ethischen Herausforderungen, die mit dem Einsatz von KI verbunden sind. Guido reflektiert über die zukünftige Rolle von Coaches und die Notwendigkeit einer Symbiose zwischen Mensch und Maschine, um die Beratungsarbeit zu verbessern und die Menschlichkeit zu bewahren.

Ich bin gerade viel in Schulen unterwegs. Meist treffe ich da nicht die Schülerinnen und Schüler, sondern die Lehrpersonen. Ihre grosse Frage: Wie verändert die KI Schule und Studium? Es gibt offensichtliche Konsequenzen. Hausarbeiten sind heute kaum mehr aussagekräftig. Drei Seiten Erörterung über die Rolle des Brotes in der Französischen Revolution spucken ChatGPT, Claude und Google Gemini in Sekunden aus. Davon abgesehen sind die Folgen aber weniger klar. Ist die KI der ultimative Tutor, der ewig geduldige Nachhilfelehrer, oder nutzen die Schülerinnen und Schüler die KI nur als «CheatMachine»? Rauben uns die grossen Sprachmodelle mit ihrer Eloquenz die Sprache oder ist es umgekehrt: bringen sie uns beim Prompten wieder dazu, präzise zu schreiben? Und die Frage aller Fragen: Was sollen die Schülerinnen und Schüler der Zukunft noch lernen, wo sie doch immer und überall Zugriff auf eine quasi allwissende KI haben? Diese letzte Frage interessiert mich ganz besonders. Die Antwort darauf dürfte Konsequenzen für uns alle haben: Wie viel menschliche Bildung braucht es in einer Welt voller KI? Schülerinnen und Schüler sind da sehr pragmatisch: Viele delegieren das, was sie nicht gerade brennend interessiert, an die Maschine. Die KI steht ihnen später ja auch an der Uni, im Büro, auf der Redaktion oder, ja: auch im Lehrerzimmer zur Verfügung. Die Frage ist: Wie viel Wissen kann ich an die KI auslagern, wenn ich selbst denken möchte?Matthias Zehnder ist Autor und Medienwissenschaftler in Basel. Er ist bekannt für inspirierende Texte, Vorträge und Seminare über Medien, die Digitalisierung und KI.Website: https://www.matthiaszehnder.ch/Newsletter abonnieren: https://www.matthiaszehnder.ch/abo/Unterstützen: https://www.matthiaszehnder.ch/unterstuetzen/Biografie und Publikationen: https://www.matthiaszehnder.ch/about/

Klima retten, Autos lenken, Krebs erkennen, Urlaub buchen: Künstliche Intelligenz, so versprechen es die Tech-Konzerne, wird unser Leben bald überall begleiten, wenn nicht dominieren, und das weckt sowohl Hoffnungen als auch Ängste. An­de­rerseits merken wir noch wenig von dieser Zukunft: Chatbots machen weiter Fehler, Firmen stellen KI-Experimente ernüchtert ein. Werden die Sprachmodelle gar nicht im­mer besser? Bleiben sie für sensible Bereiche unbrauchbar? Ist KI zu res­sourcen­hungrig, um sie sinnvoll einzusetzen? Wer profitiert vom Hype? Und was passiert, wenn die Blase platzt? Bernd Lechler diskutiert mit Prof. Dr. Holger Hoos – Lehrstuhl für Methodik der Künstlichen Intelligenz, RWTH Aachen; Prof. Dr. Rainer Mühlhoff – Professor für Ethik der Künstlichen Intelligenz, Uni Osnabrück; Prof. Dr. Katharina Zweig – Leiterin Algorithm Accountability Lab, RPTU Kaiserslautern

In dieser Folge spricht Dominique mit Tara Bosenick (https://www.linkedin.com/in/tarabosenick/), Management Director bei uintent, über KI gestützten UX Research und was davon im Alltag von Produktteams wirklich trägt. Tara bringt mehr als zwei Jahrzehnte Erfahrung im UX Research mit und beobachtet sehr genau, wie sich der Einsatz von Sprachmodellen auf Research Prozesse auswirkt. UX Research steht für fundierte Entscheidungen. Wer Produkte verantwortet, braucht belastbare Erkenntnisse über Bedürfnisse, Motive und Probleme von Nutzerinnen und Nutzern. Gleichzeitig steigt der Druck. Zeit fehlt, Prioritäten konkurrieren, Entscheidungen sollen schneller fallen. Hier können KI Werkzeuge Entlastung bieten. Tara erlebt in ihren Workshops beides: Begeisterung und Ernüchterung. Sprachmodelle formulieren hervorragend. Sie helfen beim Schreiben von Screenern, Interviewleitfäden oder UX Texten. Sie unterstützen bei der Strukturierung von Gedanken. Gerade beim Formulieren entsteht spürbare Zeitersparnis im UX Research. Der große Hebel liegt jedoch in der Analyse. Transkripte auswerten, Muster erkennen, Zitate sauber belegen und daraus einen klaren Report bauen kostet Zeit. Hier setzen viele Hoffnungen an. Doch genau hier zeigt sich auch die Schwäche probabilistischer Systeme. Ein Sprachmodell berechnet Wahrscheinlichkeiten. Es liefert gut klingende Antworten. Das bedeutet nicht automatisch, dass diese Antworten auch korrekt sind. Wer im UX Research Interviews analysiert, will keine wahrscheinlichen Aussagen, sondern präzise Aussagen auf Basis echter Daten. Halluzinationen entstehen schneller als vielen bewusst ist. Ein falsch zugeordnetes Pronomen im Transkript kann bereits eine Interpretation kippen. Ein unklarer Kontext im Prompt kann dazu führen, dass externe Annahmen in die Analyse einfließen. Tara plädiert deshalb für ein sehr bewusstes Vorgehen, wie kleine Analyseschritte statt großer Gesamtaufgaben zu stellen, klare Regeln im Prompt zu formulieren, Explizite Anweisungen zu geben, nur mit den vorliegenden Daten zu arbeiten und Zitate wortwörtlich wiederzugeben. UX Research mit KI verlangt Disziplin und ein kritisches Auge. Auch die Vorbereitung von Research profitiert nur begrenzt von Automatisierung. Wer regelmäßig Interviews führt, erstellt Leitfäden oft schneller selbst, als ein Sprachmodell mit ausreichend Kontext zu versorgen. Sinnvoll kann KI im UX Research beim vorbereitenden Desk Research sein oder als Sparringspartner für Hypothesen und Fragestellungen. Spannend wird es aber beim Reporting. Layouts automatisiert befüllen, Charts erstellen und Präsentationen strukturieren spart Zeit, ohne den Kern des UX Research zu verfälschen. Hier entsteht echte Entlastung im Alltag von Product Ownern und Produktmanagerinnen. Gleichzeitig bleibt der Mensch zentral. Gute Interviews leben von Beziehung und Gesprächsdynamik. Wer UX Research komplett an Bots abgibt, verliert die unmittelbare Erfahrung mit Nutzerinnen und Nutzern. Gerade für Produktteams ist es wertvoll, Probleme aus erster Hand zu hören. Diese Erfahrung schafft ein gemeinsames Verständnis, das kein Report ersetzen kann. Datenschutz und Compliance sind lösbar, wenn passende Tarife und Verträge genutzt werden. Das größere Risiko liegt in der unkritischen Nutzung. Sprachlich überzeugende Ergebnisse verführen dazu, sie ungeprüft zu übernehmen. Für fundierten UX Research braucht es jedoch Verantwortung und Reflexion. KI gestützter UX Research ist damit weder Heilsbringer noch reine Spielerei. Er kann Prozesse beschleunigen, wenn wir die Grenzen kennen und bewusst steuern. Wer Halluzinationen versteht, Prompts strukturiert und Ergebnisse prüft, gewinnt Zeit für das Wesentliche. Für bessere Fragen, tiefere Gespräche und klarere Entscheidungen im Produktalltag.

Epsteins Netzwerk: Monarchie, Macht und Missbrauch | Ukraine-Krieg: 4 Jahre und kein Ende | Social-Media-Verbot für Kinder und Jugendliche? | Merz im Umfragetief - Christian Ehring zeigt den Irrsinn der Woche.

Epsteins Netzwerk: Monarchie, Macht und Missbrauch | Ukraine-Krieg: 4 Jahre und kein Ende | Social-Media-Verbot für Kinder und Jugendliche? | Merz im Umfragetief - Christian Ehring zeigt den Irrsinn der Woche.

Wer entscheidet, was ChatGPT antwortet? Nicht nur die Entwickler – auch ein einziger Text, ein sogenannter Systemprompt, der vor jeder Anfrage steht. Und Elon Musk kann den Systemprompt von Grok ändern - damit beeinflussen, was Millionen Menschen täglich an Antworten bekommen. Das klingt technisch, ist es aber nicht: Und genau solche Zusammenhänge versucht Letitia Parcalabescu ihren Zuschauern beizubringen. KI ist längst in der Mitte der Gesellschaft angekommen. Aber das Verständnis für das, was dahintersteckt, hält nicht Schritt. Begriffe wie Large Language Model, Tokenization oder Systemprompt geistern durch Medien und Meetings – und werden kaum erklärt. Letitia ist Forscherin bei Aleph Alpha Research und hat ihren Doktor in Computerlinguistik an der Universität Heidelberg gemacht. Bekannt ist sie aber vor allem für ihren YouTube-Kanal "AI Coffee Break" – kurze, lockere Videos, in denen eine Kaffeebohne die neueste KI-Forschung erklärt. Und so senkt sie die Schwelle dafür, sich mit komplexen Themen auseinanderzusetzen. Im Gespräch mit uns erklärt sie, welche KI-Begriffe wirklich jeder kennen sollte, warum Sprachmodelle besser antworten, wenn man ihnen 10 Euro verspricht – und warum Wissenschaft kein steifes Format braucht, um ernst genommen zu werden. Reinhören und anschließend den Kanal auf YouTube abonnieren: AI Coffee Break with Letititia. Die Kaffeebohne wartet.

97 Prozent der Klinikmitarbeitenden faxen noch – gleichzeitig investiert Recare 37 Millionen Euro in KI-gestützte Bürokratie-Automatisierung. In dieser Episode sprechen wir über hochbürokratisches Entlassmanagement, Sprachmodelle im Krankenhaus und die provokante These: Das klassische KIS wird es so nicht mehr geben. Warum die Zukunft des Krankenhauses API-basiert, KI-getrieben und datenfokussiert ist – und weshalb Wettbewerbsfähigkeit zur zentralen Frage wird.

Können Sie sich noch erinnern, wie das chinesische KI-Unternehmen Deepseek die Tech-Welt schockte? Wie ein Modell aus Fernost infrage stellte, ob wirklich noch mehr Daten und Rechenleistung nötig sind, um noch bessere Sprachmodelle zu konstruieren? Beine ein Jahr ist inzwischen vergangenen seitdem die Deepseek-Ingenieure auch in Europa neue Hoffnung auslösten, in der KI mithalten zu können, die häufig Milliardeninvestitionen erfordert. Das vergangene Jahr stand technologisch, wirtschaftlich, aber zunehmen auch politisch im Zeichen der KI. Niemand kommt an dieser Schlüsseltechnologie noch vorbei. Die gute Nachricht für die Nutzer: Der Wettbewerb ist groß. Es gibt eine ganze Reihe kompetenter KI-Modelle, kein einzelnes Unternehmen oder KI-System dominiert den Markt oder droht, ihn auf sich zu vereinen. Abgesänge auf Google haben sich als verfrüht erwiesen, Open AI verfügt über Spitzenmodelle, Microsoft, Meta und Anthropic konkurrieren. Und dann sind da eben auch die Anbieter aus China und manche aus Europa, die mithalten können. In unserem Jahresrückblick diskutieren wir aber nicht nur über KI. Der Fortschritt in diesem Bereich führte auch zu wachsender Sorge über Desinformation, Datenschutz und soziale Auswirkungen. Staaten reagierten unterschiedlich: Australien reguliert sozialer Medien deutlich strenger und schützt gerade Kinder und Jugendliche. Andere Länder, nicht zuletzt in Europa, denken über ähnliche Schritt nach. Und schließlich sprechen wir auch über digitale Souveränität und was das heute bedeutet. Denn auch dieser Diskurs geht weiter - und bleibt wichtig. Einen guten Start ins neue Jahr.

«Kassensturz» zeigt in einer Spezial-Ausgabe, was KI heute schon alles kann. Im Test: der grosse Chatbot-Vergleich – mit überraschenden Resultaten. Künstliche Intelligenz – Allgegenwärtig, nützlich, aber auch beängstigend KI ist längst mehr als nur ein Sprach-Assistent. Sie scannt Röntgenbilder, erkennt Gesichter, sortiert Müll und hilft bei Texten. Doch trotz des Nutzens wächst die Sorge vor Arbeitsplatzverlusten. Segen oder Fluch? Die Debatte um die Super-Power KI im «Kassensturz». Chatbots im Test – Schweizer Eigenheiten und Halluzinationen Die Fachhochschule Nordwestschweiz FHNW testet für «Kassensturz» zehn gängige Chatbots beziehungsweise intelligente Sprachmodelle auf ihre Praxistauglichkeit. Darunter Schwergewichte wie ChatGPT und Gemini, aber auch das Schweizer Modell Lumo. Die Resultate zeigen: Viele Modelle haben Mühe mit Schweizer Eigenheiten – und neigen zu «Halluzinationen», also dem Erfinden von Zusammenhängen. So versteht Lumo zum Beispiel unter einer «Stange» im Restaurant ein Brot statt ein Bier. Die Überraschung: ChatGPT landet bloss im Mittelfeld. Ausgebeutet für KI – Wie Kenias Mikro-Jobber leiden Kenia ist ein Zentrum für KI-Mikro-Jobs. Doch hinter den Kulissen leiden sogenannte Daten-Annotatoren, Menschen die KI mit Wissen füttern, und Content-Moderatoren unter langen Arbeitszeiten, Hungerlöhnen und psychischen Belastungen. Belastungen durch Inhalte, die kaum auszuhalten sind: Kinderpornografie, Videos von Suiziden, rohe Gewalt. Anwälte schlagen deshalb Alarm und sprechen von Menschenhandel und Zwangsarbeit. Die Betroffenen fordern faire Arbeitsbedingungen und mehr Menschlichkeit. Am Pranger: Tech-Giganten wie zum Beispiel Meta, Muttergesellschaft von Facebook und WhatsApp. Die Reportage aus der kenianischen Hauptstadt Nairobi im «Kassensturz».

A yellow rubber duck as a problem solver — a tried and tested trick from the IT scene: In so-called rubber duck debugging, you explain your own problem to a plastic bird step by step and often discover the solution all by yourself. SBS correspondent Barbara Barkhausen reveals why loud explanations structure our thinking, where the method comes from and whether modern alternatives such as language models can replace the duck. - Eine gelbe Gummiente als Problemlöser – was nach Kinderzimmer klingt, ist ein bewährter Trick aus der IT-Szene: Beim sogenannten Rubber-Duck-Debugging erklärt man einem Plastikvogel Schritt für Schritt das eigene Problem und entdeckt dabei oft ganz von selbst die Lösung. Warum lautes Erklären unser Denken strukturiert, woher die Methode stammt und ob moderne Alternativen wie Sprachmodelle die Ente ersetzen können, verrät SBS-Korrespondentin Barbara Barkhausen.

Wir sind zurück aus der kleinen Zwangspause – mit leichtem Husten, aber mit einem Thema, das deutlich größer ist als unsere Stimmbänder: Weltmodelle. Large Language Models (LLMs) wie ChatGPT, Gemini & Co. waren der perfekte Einstieg in die KI-Ära: stark in Sprache, Code und Kreativität. Jetzt kommen Systeme dazu, die nicht nur Texte generieren, sondern unsere Welt als System mit Regeln, Physik und Kausalität verstehen wollen. In der Folge sprechen wir darüber, was Weltmodelle von LLMs unterscheidet, warum „Grounding“ in echten Naturgesetzen so wichtig ist (ein Glas, das vom Tisch fällt, muss fallen – egal, was das Sprachmodell dazu meint) und wieso das überall dort spannend wird, wo KI reale Konsequenzen hat: in der Robotik, in der Stadtplanung, in der Biologie, der Materialforschung und der Klimamodellierung. Wir skizzieren unter anderem ein Weltmodell für Hamburg mit Verkehr, Baustellen, Wetter und Gebäuden, schauen auf digitale Zwillinge, die mit Weltmodellen endlich wirklich vorausschauend werden, und diskutieren, wie Sprachmodelle, agentische KI und Weltmodelle zusammenspielen können: LLMs als Interface für uns, Weltmodelle als „Physik-Engine“ im Hintergrund. Wenn du wissen willst, warum viele Forschende gerade extrem heiß auf Weltmodelle sind (ohne LLMs schlechtzureden) und wie sich damit unsere echte Welt besser simulieren und planen lässt, dann ist diese Folge für dich.

Die großen amerikanischen Tech-Konzerne wie Alphabet, Meta oder OpenAI investieren Hunderte von Milliarden Dollar in Chips und den Bau von Rechenzentren. Das Ziel: Daten-Power für den Ausbau künstlicher Intelligenz (KI). Doch bisher verdient fast niemand mit der Technologie Geld. Die großen Sprachmodelle, die Unsummen verschlingen, sind für die meisten Nutzer gratis verfügbar. „Da wird eine enorme, sehr riskante Wette eingegangen“, sagt Capital-Redakteur Jan Vollmer im Capital Wirtschaftspodcast. „Es ist noch nicht klar, wie damit eigentlich Gewinn erwirtschaftet werden soll.“ Vollmer hat das Treiben der US-Tech-Riesen in der Titelgeschichte des Wirtschaftsmagazins untersucht und kommt zu dem Schluss, dass die Unternehmen ein Geflecht von kaum überschaubaren Risiken aufgebaut haben. Damit der Boom finanziert werden kann, begeben sich die Konzerne in wachsende wechselseitige Abhängigkeiten. „Nvidia investiert in den eigenen Kunden, damit der wiederum Nvidia-Chips kauft“, sagt Vollmer über den Halbleiterhersteller. „Das Geld fließt gewissermaßen im Kreis.“ Das Problem: Die Wette betrifft nicht nur die Konzerne selbst, sondern auch die Anleger, die auf vielfältige Weise an dem KI-Boom beteiligt sind – über Aktien oder Indexfonds, die in die Wertpapiere investieren. „Der MSCI World hat einen starken Anteil von Aktien genau der Tech-Unternehmen, die diese Rechenzentren bauen“, sagt Vollmer.Eine Produktion von RTL+ Podcast.Host: Nils Kreimeier.Redaktion: Lucile Gagnière.Produktion: Andolin Sonnen. +++Weitere Infos zu unseren Werbepartnern finden Sie hier: https://linktr.ee/diestundenull +++60 Tage lang kostenlos Capital+ lesen - Zugriff auf alle digitalen Artikel, Inhalte aus dem Heft und das ePaper. Unter Capital.de/plus-gratis +++Unsere allgemeinen Datenschutzrichtlinien finden Sie unter https://datenschutz.ad-alliance.de/podcast.html +++ Wir verarbeiten im Zusammenhang mit dem Angebot unserer Podcasts Daten. Wenn Sie der automatischen Übermittlung der Daten widersprechen wollen, klicken Sie hier: https://datenschutz.ad-alliance.de/podcast.html +++Unsere allgemeinen Datenschutzrichtlinien finden Sie unter https://art19.com/privacy. Die Datenschutzrichtlinien für Kalifornien sind unter https://art19.com/privacy#do-not-sell-my-info abrufbar.

Künstliche Intelligenz macht uns völlig unkreativ – alles nur noch Einheitsbrei. Dieser plakativen Aussage würden viele kreative Menschen widersprechen. Denn Künstlerinnen, Musiker und Designerinnen können KI auch als Tool nutzen, um die eigenen Ideen umzusetzen. Am Ende kommt es – wie bei so ziemlich jedem Werkzeug – auf die Art und Weise an, wie wir es nutzen. Ein erster Schritt zur kreativen Nutzung der großen Sprachmodelle ist der richtige Prompt. Anne-Kathrin Gerstlauer ist Expertin im Prompten. Aber sie ist auch Profi im Schreiben und im Redigieren. Denn nur wer sich in seinem Feld gut auskennt, kann auch die KI anleiten, um ein richtig gutes Ergebnis zu erzielen. Wie wir also gut prompten, um am Ende bessere Texte zu schreiben, erklärt uns Anne-Kathrin heute im Deep-Dive. === Anzeige / Sponsorenhinweis === Dieser Podcast wird von einem Sponsor unterstützt. Alle Infos zu unseren Werbepartnern findet ihr hier. https://wonderl.ink/@heise-podcasts === Anzeige / Sponsorenhinweis Ende === Artikel zur Podcastfolge: https://heise.de/-11086353 https://akgerstlauer.de/ Der BlaBla-Score: https://chatgpt.com/g/g-67d97d3b6ee48191ad18055572aa8188-blablabla https://www.heise.de/thema/KI-Update https://pro.heise.de/ki/ https://www.heise.de/newsletter/anmeldung.html?id=ki-update https://www.heise.de/thema/Kuenstliche-Intelligenz https://the-decoder.de/ https://www.heiseplus.de/podcast https://www.ct.de/ki

Der Dax-Konzern SAP ist ein deutsches Schwergewicht: über 34 Mrd. Euro Umsatz im Jahr 2024, mehr als 100.000 Mitarbeiterinnen und Mitarbeiter weltweit, ein Software-Gigant. Wenn allerdings von den Treibern der künstlichen Intelligenz (KI) die Rede ist, dann fällt der Name SAP eher selten, ein eigenes großes Sprachmodell (LLM) hat das Unternehmen nicht entwickelt. Im Capital-Podcast verteidigt Philipp Herzig, SAP-CTO und KI-Chef im Konzern, diese Entscheidung. „Es ist natürlich bei jeder technologischen Disruption so, dass am Anfang die Aufmerksamkeit auf denen liegt, die die Grundlagenkomponenten bauen“, sagt er. „Wir haben uns von Anfang an darauf konzentriert, was die SAP stark macht, und das ist das Einbauen von Technologie in die betriebswirtschaftlichen Anwendungen.“ Herzig verweist darauf, dass KI bereits an vielen Stellen in den Anwendungen von SAP zum Einsatz kommt und den Kunden ein eigener KI-Assistent zur Verfügung steht. Aus seiner Sicht haben sich die großen Sprachmodelle zu einer Art Rohstoff entwickelt, auf dessen Grundlage erst die eigentlich erfolgversprechenden Anwendungen entwickelt werden. „Ich kann mich an Diskussionen bei uns erinnern, da kam gerade GPT-4, und alle waren in Ehrfurcht erstarrt“, sagt Herzig. „Ich habe aber schon damals gesagt: Der Algorithmus selbst wird schnell Commodity, das ist in den letzten 40 Jahren immer passiert. Die Frage ist, was ist differenzierend? Und das sind und waren Daten und der Fokus auf die Wertschöpfung im Unternehmen.“Eine Produktion von RTL+ Podcast.Host: Nils Kreimeier.Redaktion: Lucile Gagnière.Produktion: Andolin Sonnen. +++Weitere Infos zu unseren Werbepartnern finden Sie hier: https://linktr.ee/diestundenull +++60 Tage lang kostenlos Capital+ lesen - Zugriff auf alle digitalen Artikel, Inhalte aus dem Heft und das ePaper. Unter Capital.de/plus-gratis +++Unsere allgemeinen Datenschutzrichtlinien finden Sie unter https://datenschutz.ad-alliance.de/podcast.html +++ Wir verarbeiten im Zusammenhang mit dem Angebot unserer Podcasts Daten. Wenn Sie der automatischen Übermittlung der Daten widersprechen wollen, klicken Sie hier: https://datenschutz.ad-alliance.de/podcast.html ++++++ Hinweis zur Werbeplatzierung von Meta: https://backend.ad-alliance.de/fileadmin/Transparency_Notice/Meta_DMAJ_TTPA_Transparency_Notice_-_A… +++Unsere allgemeinen Datenschutzrichtlinien finden Sie unter https://art19.com/privacy. Die Datenschutzrichtlinien für Kalifornien sind unter https://art19.com/privacy#do-not-sell-my-info abrufbar.

Nach einer kurzen Herbstpause sprechen Alois und Oliver darüber, wie echte Deep-Tech-Ökosysteme auf Stadtebene entstehen – jenseits von Buzzwords. Sie ordnen ein, was Deep Tech wirklich bedeutet, wo die Grenze zu Commodity-Technologien verläuft und weshalb der Begriff aktuell oft inflationär verwendet wird. Ausgehend von Deutschlands neuer Hightech-Agenda (mit Schwerpunkten wie KI, Quantencomputing und Biotechnologie) diskutieren sie, wie nationale Programme lokale Cluster beeinflussen und warum Orte mit starker Forschungs- und Infrastrukturbasis – etwa DESY und die Science City in Hamburg – als Anker dienen.Die Episode zeigt, wie Konvergenz zwischen Technologien wie KI, Quanten- und Neuromorphik-Computing, Robotik oder XR Tempo aufnimmt und welche Rolle „universelle Schnittstellen“ wie große Sprachmodelle dabei spielen. Zugleich machen die beiden deutlich, dass Grundlagenforschung geschützte Domänen braucht, während Reallabore und Sandboxes die Brücke in die Anwendung schlagen. An konkreten Beispielen wird sichtbar, weshalb kurze Wege, stabile Rahmenbedingungen, verlässliche Testflächen und klar profilierte Stadt-Stärken den Unterschied zwischen Theorie und Transfer ausmachen.Ein zentrales Motiv der Folge ist der „Übersetzer“: Personen und Formate, die Forschung, Industrie und – oft als Ankerkunden – den Staat zielgerichtet zusammenbringen. Statt Event-Inflation braucht es kuratierte Räume, in denen Themen kurz vor der Marktreife fokussiert beschleunigt werden. Genau hier setzt der Deep Tech Campus Circle an: als bewusst exklusiver Ort, an dem Köpfe, Kapital und konkrete Use Cases aufeinandertreffen, um aus Keimlingen skalierbare Innovationen zu machen.Am Ende bleibt die klare These: Deep Tech entsteht, wenn tiefe Expertise, Geduld und ein klug orchestriertes Ökosystem zusammenwirken. Wer verstehen will, wie Städte vom Strategiepapier zur sichtbaren Wertschöpfung kommen, bekommt in dieser Folge eine kompakte, praxisnahe Landkarte – von der Saat in der Grundlagenforschung bis zur Ernte im Markt.

Sozioinformatikerin und KI-Expertin Katharina Zweig im Live-Gespräch auf dem Beats & Bones Podcast-Festival 2025: Es geht unter anderem um die Komplexität von Künstlicher Intelligenz und die ethischen Herausforderungen im Umgang mit KI-Sytemen wie generativen Sprachmodellen. (00:01:06) Begrüßung (00:02:16) Vorstellung Katharina Zweig (00:05:12) Algorithmen und Daten (00:06:21) Was ist Sozioinformatik (00:11:41) Gute und schlechte KI-Tools (00:17:10) Wie funktionieren Sprachmodelle? (00:27:21) Zusammenspiel von KI und Mensch (00:32:16) KI und Psyche (00:38:33) KI und Medizin (00:42:19) Die Zukunft der KI (00:47:58) Das Spektrum-Assoziationsspiel (00:49:59) KI und Social Media (00:59:38) Die Spektrum-Zukunftsmaschine (01:04:16) Verabschiedung und Eindrücke LINKS: Hier geht’s zum Spektrum-Artikel „Die Mathematik der Fairness“: https://www.spektrum.de/pix/interactive/mathematik-der-fairness/ Hier gehts zum Spektrum-Artikel: „Digitalmanifest“: https://www.spektrum.de/thema/das-digital-manifest/1375924 >> Artikel zum Nachlesen: https://detektor.fm/wissen/die-grossen-fragen-der-wissenschaft-katharina-zweig

Wie kommen KI-Suchmaschinen zu Ihren Antworten? Was ist der Unterschied zwischen dem antrainierten, statischen Wissen der Sprachmodelle und RAG-Grounding, der Retrieval Augmented Generation? Und wie lange gibt es noch eine Ko-Existenz zwischen der „alten“ Ergebnislisten-Welt des Google Crawlers und der neuen Welt der KI-Antwortmaschinen? Das sind nur einige der Fragen, die Unternehmen und Webverantwortliche heute umtreiben. Ist SEO tot und wie gelingt GEO für eine Sichtbarkeit in den KI-Antworten von Perplexity & Co.? Für den zweiten Teil des GEO-Specials von Turtlezone Tiny Talks sprechen Michael Gebert und Oliver Schwartz in der Episode 187 mit Mare Hojc, dem Gründer und Geschäftsführer der renommierten Agentur AN Digital. Ein spannender Talk mit klaren Botschaften und einem Deep Dive in die derzeit besten Strategien wie GEO gelingt. 41 Podcast-Minuten, die sich mehr als lohnen!

Künstliche Intelligenz zieht ins Labor ein: In der Chemie und Biochemie hilft sie, neue Materialien zu entdecken, Reaktionen vorherzusagen und Forschung zu beschleunigen. Hier entlang geht's zu den Links unserer Werbepartner: https://detektor.fm/werbepartner/spektrum-der-wissenschaft (00:01:38) Chemiker Maarten Dobbelaere – Forschungsgebiet? (00:03:36) Wie wurde KI in seine Forschung eingebunden? (00:05:33) Einsatz und Wirkweise von KI? (00:07:30) Wie verändert KI die Chemie? (00:11:12) Konkrete Anwendungen (00:13:48) Machine Learning ist eigentlich schon älter, Stand dazu? (00:16:31) Missverständnis KI? (00:19:02) Sprachmodelle wie ChatGPT in der Chemie einsetzbar? (00:24:41) Revolution durch KI? (00:27:53) Was kommt noch auf uns zu? >> Artikel zum Nachlesen: https://detektor.fm/wissen/spektrum-podcasts-ki-revolution-chemie

Künstliche Intelligenz zieht ins Labor ein: In der Chemie und Biochemie hilft sie, neue Materialien zu entdecken, Reaktionen vorherzusagen und Forschung zu beschleunigen. Hier entlang geht's zu den Links unserer Werbepartner: https://detektor.fm/werbepartner/spektrum-der-wissenschaft (00:01:38) Chemiker Maarten Dobbelaere – Forschungsgebiet? (00:03:36) Wie wurde KI in seine Forschung eingebunden? (00:05:33) Einsatz und Wirkweise von KI? (00:07:30) Wie verändert KI die Chemie? (00:11:12) Konkrete Anwendungen (00:13:48) Machine Learning ist eigentlich schon älter, Stand dazu? (00:16:31) Missverständnis KI? (00:19:02) Sprachmodelle wie ChatGPT in der Chemie einsetzbar? (00:24:41) Revolution durch KI? (00:27:53) Was kommt noch auf uns zu? >> Artikel zum Nachlesen: https://detektor.fm/wissen/spektrum-podcasts-ki-revolution-chemie

Jahn, Thekla www.deutschlandfunk.de, Campus & Karriere

In dieser Folge von Frauenstimmen spreche ich mit Prof. Dr. Katharina Zweig – KI-Expertin, Bestsellerautorin und Trägerin des Bundesverdienstkreuzes. Das Thema Künstliche Intelligenz war mir lange unheimlich, und ich hatte ehrlich gesagt wenig Ahnung davon. Durch Katharinas ruhige und klare Art ist mir vieles verständlicher geworden: warum KI mich fasziniert, was mich verunsichert und wo ihre Grenzen liegen. Wir reden über Fake und Echtheit, digitale Identität und darüber, warum wir Menschen unersetzlich bleiben. Besonders spannend fand ich, wie Katharina erklärt, dass Sprachmodelle keine Wissensdatenbanken sind, sondern lediglich Muster in Sprache erkennen. Dieses Gespräch hat mir eine neue Perspektive eröffnet und mir gezeigt, dass KI beeindruckend sein kann – aber nicht immer aus den Gründen, die wir denken. Ich wünsche euch viel Freude beim Zuhören!Mehr zu Prof. Dr. Katharina ZweigBundesverdienstkreuz – Meldung der RPTUArbeitsgruppe Algorithm Accountability Lab (RPTU)LinkedIn: linkedin.com/in/katharina-prof-dr-zweig-b0a9aa63/Weiß die KI, dass sie nichts weiß? (Buch)Die KI war's! (Buch)Ein Algorithmus hat kein Taktgefühl (Buch) Mehr zu Ildikó von Kürthy:www.ildikovonkuerthy.deIldikó von Kürthy bei Facebook und Instagram(Hör-)Bücher von Ildikó von Kürthy:Eine halbe Ewigkeit (Buch und Hörbuch)Mondscheintarif (Buch und Hörbuch)Morgen kann kommen (Buch und Hörbuch)Es wird Zeit (Buch und Hörbuch)Weitere Bücher und Hörbücher Hosted on Acast. See acast.com/privacy for more information.

Unser Partner Scalable Capital ist der einzige Broker, den du brauchst. Inklusive Trading-Flatrate, Zinsen und Portfolio-Analysen. Alle weiteren Infos gibt's hier: scalable.capital/oaws. Wer noch mehr zu Planisware wissen will: Auf unserer Deep-Dive-Plattform. Hier 1 Monat kostenlos testen: https://herohero.co/oaws/invites/VVGMROSIUA. China will keine Chips mehr von NVIDIA. Baidu testet Sprachmodelle mit eigenen Chips. Alibaba verkauft Chips für Rechenzentrum. Waymo kooperiert mit Lyft, Elliott steigt bei Workday ein, Authentic Brand Group & CVC wollen Puma, StubHub hat IPO. Leitzins runter. Asana und Monday.com kennt jeder. Planisware (WKN: A40B0L) dagegen wohl nur wenige. Dabei haben die Franzosen einen spannenden Burggraben. Viele Krypto-Firmen verdienen Geld mit Trading. Bei Figure Technologies (WKN: A41GD8) ist das anders. Hier geht's um Kreditlinien, die mit dem Eigenheim besichert werden. Klingt weird, ist aber Blockchain. Diesen Podcast vom 18.09.2025, 3:00 Uhr stellt dir die Podstars GmbH (Noah Leidinger) zur Verfügung

"Decision Intelligence” ist ein neuer Lösungsansatz für ein altes Problem: Wie treffen wir bessere Entscheidungen? Während Sprachmodelle wie ChatGPT eher raten als rechnen, entwickeln Unternehmen wie das Heidelberger Paretos Systeme, die aus unzähligen Datenpunkten konkrete Handlungsempfehlungen ableiten. Gregor und Marie diskutieren, welche Entscheidungen wir wirklich outsourcen sollten - und ob wir bald alle einen digitalen Berater brauchen, der uns sagt, welches Verkehrsmittel wir nehmen sollen.

Unser heutiger Gast wurde in Dresden geboren, studierte Computerlinguistik in Leipzig und Saarbrücken und promovierte später an der Stanford University – betreut von keinem Geringeren als Andrew Ng und Chris Manning. Seine Dissertation wurde als beste Informatik-Promotion ausgezeichnet. Nach Stationen bei Microsoft und Siemens gründete er sein erstes Unternehmen: MetaMind, ein Deep-Learning-Startup, das 2016 von Salesforce übernommen wurde. Dort war er anschließend Chief Scientist, leitete große Forschungsteams und trieb die KI-Strategie des Konzerns maßgeblich voran. Heute ist er Gründer und CEO von you.com, einer KI-basierten Suchmaschine, die als datenschutzfreundliche, transparente und anpassbare Alternative zu klassischen Anbietern auftritt, mit einem starken Fokus auf Nutzendenkontrolle und verantwortungsvoller KI. Zudem investiert er über seinen Fonds AI+X in KI-Startups weltweit. Seine wissenschaftlichen Arbeiten zählen zu den meistzitierten im Bereich NLP und Deep Learning, über 170.000 Mal, und viele seiner Ideen haben die Entwicklung heutiger Sprachmodelle mitgeprägt. Ein herzliches Dankeschön an Adrian Locher, CEO und Gründer von Merantix, für die Vermittlung dieses Gesprächs. Seit über acht Jahren beschäftigen wir uns in diesem Podcast mit der Frage, wie Arbeit den Menschen stärkt, statt ihn zu schwächen. In 500 Gesprächen mit über 600 Menschen haben wir darüber gesprochen, was sich für sie geändert hat, und was sich noch ändern muss. Wie können wir verhindern, dass KI-Systeme nur effizienter, aber nicht gerechter werden und worauf kommt es bei der Gestaltung wirklich an? Welche Rolle spielt Transparenz, wenn es um Vertrauen in KI geht, besonders in sensiblen Anwendungen wie Suche, Bildung oder Arbeit? Und was braucht es, um KI so zu entwickeln, dass sie unsere Fähigkeiten erweitert, statt sie zu ersetzen? Fest steht: Für die Lösung unserer aktuellen Herausforderungen brauchen wir neue Impulse. Daher suchen wir weiter nach Methoden, Vorbildern, Erfahrungen, Tools und Ideen, die uns dem Kern von New Work näherbringen. Darüber hinaus beschäftigt uns von Anfang an die Frage, ob wirklich alle Menschen das finden und leben können, was sie im Innersten wirklich, wirklich wollen. Ihr seid bei On the Way to New Work – heute mit Richard Socher. [Hier](https://linktr.ee/onthewaytonewwork) findet ihr alle Links zum Podcast und unseren aktuellen Werbepartnern

Kloiber, Manfred www.deutschlandfunk.de, Computer und Kommunikation