#6: KI im Depot: Rechenzentren, Roboter – und Renditechancen?

00:00:00: My Financial Voice, mit den Formmanagerinnen Julia

00:00:06: Hilgers

00:00:06: und Katharina Seiler.

00:00:10: Wir befinden uns in den letzten Zügen der Berichtssaison für das vierte Quartal zwanzig fünfundzwanzig Und es lässt sich feststellen dass die Börsen alles andere sind als langweilig.

00:00:23: Es geht ständig auf- und ab und der großer Treiber dieser Bewegungen ist letztendlich ein Elefant im Raum, die künstliche Intelligenz.

00:00:34: Julia ist heute im wohlverdienten Kanneval-Einsatz.

00:00:38: Ich wünsche ihr viel Spaß!

00:00:41: Aber die Gelenkheit habe ich genutzt um einen Kollegen aus dem Aktienbereich einzuladen und heute mit mir im Studio ist Daniel Kröger.

00:00:49: Das ist ein erfahrener Experte für Technologie und künstliche Intelligenz.

00:00:55: Daniel hat studiert Informatik, auch in Silicon Valley hat er gelebt und gearbeitet.

00:01:01: Silicon Valley ist der Ort wo viele diese Technologien ihren Ursprung haben.

00:01:06: Und Daniel manischt einen Form mit dem Fokus auf Künstliche Intelligence.

00:01:11: Ich bin so froh, dass du heute dabei bist.

00:01:13: Vielen Dank, dass Du vorbeigeschaut hast.

00:01:15: Danke für die Einladung!

00:01:18: So viele Themen!

00:01:19: Ich hoffe, dass wir alle unterbringen.

00:01:20: Letztendlich wollen wir über künstliche Intelligenz sprechen.

00:01:23: was das bedeutet?

00:01:24: Ist das ein Megatrend?

00:01:26: ist das eine struktuelle Veränderung für Menschheit auch für die Aktienmärkte?

00:01:31: Was bedeutet das für die Anleger?

00:01:34: Ganz ganz viele Fragen habe ich vorbereitet aber bevor wir los starten lassen in der Definition anfangen.

00:01:40: Und künstliche Intelligenz wird sehr oft mit KI abgekürzt.

00:01:44: Im Englischen ist das Artificial Intelligence AI oder den Englisch AI und erklär uns... sauber die Definition von künstlicher Intelligenz.

00:01:57: Was ist sie und was sie vielleicht verschlechterweise benutzt, was ihnen nicht isst?

00:02:01: Ja da fangen wir mal ganz ganz von vorne an.

00:02:04: Du hast richtig gesagt ich hab informatisch studiert aber auch Psychologie studiert und es lustig ist wenn man dann in der ersten Semester Vorlesung sitzt.

00:02:11: dann gibt das als erstes die Frage was ist denn eigentlich Intelligenzen?

00:02:16: Und das ist natürlich auch theoretisch zu künstlichen Illigenz.

00:02:18: Dann wird sehr lange rumgeraten und die Antwort des Professors darauf ist, Intelligenz ist das was der Intelligenztest misst.

00:02:25: So heiß kurz oben.

00:02:26: es gibt tatsächlich keine richtige Definition was eigentlich Intelligenzen bedeutet.

00:02:30: aber wenn wir jetzt mal versuchen ein bisschen weiter zu abstrahieren dann ist es eigentlich so.

00:02:35: Man kann in einem menschlichen Gehirn nicht direkt nachvollziehen, wie die Denkprozesse von Statten gehen.

00:02:40: Klar ich kann das an den Gehirnschaum mit einem CT-Gerät und ich weiß welche Areale vielleicht gerade aktiv sind wo etwas passiert.

00:02:44: aber ich kann da jetzt nicht richtig nachvollzehnen wie du zu diesem Gedanken kommst sondern was ich messen kann ist eigentlich der Output das was du sagst Und dass natürlich auch bei der Maschine genauso.

00:02:53: Ich kann eine Maschine nur daran messen wenn intelligent sie ist entsprechend daran was der output dieser Maschine ist.

00:02:59: Das ist die Definition von einer künstlichen Intelligenz.

00:03:02: Das ist der eine Punkt.

00:03:03: Dann ist natürlich die Frage, warum nutzen wir eigentlich tatsächlich Sprachmodelle in dem Bereich?

00:03:09: Ist dann ein bisschen so einen mathematischen Hintergrund.

00:03:11: also ein Maschinen-Modell kann natürlich nicht mit Sprache umgehen.

00:03:15: Computer kann nur mit Zahlen umgehen.

00:03:17: das heißt wir müssen irgendwie versuchen diese Sprache in Zahlen hineinzubekommen und man geht in Informatik dagegen über dass man mit Tokens arbeitet.

00:03:24: Also Token ist einmal vier Zeichen.

00:03:26: also ein Wort wird in so viel unterbrochen, dass ich jeweils vier zeichen habe Und wir haben's hier liegen.

00:03:31: Wir lesen es lustig gerade, fällt mir gerade ein.

00:03:33: Viele Leute tragen, sagen mal Hüte und Sweatshuts, wo drauf steht ich bin ein stochastischer Papagei sozusagen weil man immer gesagt wird dass also die EI ja nicht anders ist wie eine Stochastik so zu sagen.

00:03:44: darum geht es und zwar wofür braucht diese Token?

00:03:46: Diese Token ist eigentlich das?

00:03:47: ich versuche sie das kennt vielleicht die meisten aus der Schule eben in einem Vektor abzubilden.

00:03:52: Also Vector ist ein mathematisches Objekt was eine gewisse Zielrichtung hat oder eine gewissen Stärke hat.

00:03:59: Also das Wort Hund und Katze als Beispiel sind wir näher beieinander, als vielleicht eine Katze und ein Pferd.

00:04:04: Darum geht es also mit der Sprache sozusagen versuchen rauszufinden wie nase ich gewisse Begriffe sind.

00:04:10: und wenn wir so einen KI-Modell benutzen dann um wieder eine Frage stellen erredet das Produkt eigentlich oder das KI-Modell, was die Antwort sein könnte anhand von Stochastik letztendlich.

00:04:20: Darum geht es halt auch mal mit Token als Beispiel du sprichst in deinem Leben zum Beispiel fast eine halbe Milliarde Tokens bis du sozusagen tot bist.

00:04:27: Wenn man das informatisch nimmt und da kommen wir später nochmal zu was die Kosten dafür sind sie sind mittlerweile so niedrig dass nur noch zehn Dollar kostet zb all das was du im Leben sprich zu analysieren sondern mal ein Gefühl dafür zu kriegen wo wir uns endlich bewegen halt.

00:04:39: Und letztendlig das was Du beschrieben hast ist auch Latch Language Modelle.

00:04:43: Genau, richtig.

00:04:44: Also genau so funktionieren diese large language Modelle.

00:04:46: man nimmt halt eben diese Sprache und Sprache ist eigentlich tatsächlich die beste Möglichkeit um im Intelligenz zu messen und auszudrücken.

00:04:52: es gibt Studien die zeigen dass man zwar Bilder nehmen kann die auch in wir Objekte beschreiben kommt aber das gleiche oder weniger raus als wenn ich wirklich mit Sprache arbeite.

00:05:01: Und das ist eigentlich der Spannende dabei, dass man halt wirklich jede Form von Lernen und Intelligenzen komplett über Sprache ausdrücken kann.

00:05:07: Das ist eigentlich neu was man gelernt hat was man früher nicht immer geglaubt hat.

00:05:11: also ganz lustig Wenn du zum Beispiel die Künstliche Intelligenz fragst, sag mal wie fühlte sich den Anwendung mit einem Bungie-Seil von einem Turmsprings?

00:05:19: Dann gibt es ja eine Antwort.

00:05:20: Sondern sagt, du bist total berauscht und so weiter.

00:05:23: Und hab ich sie mal gefragt?

00:05:24: Na ja!

00:05:24: Aber woher weißt du das denn?

00:05:26: Du bist noch nie aus einem Flugzeug oder sonstwo rausgesprungen mit einem Bunty-Seil.

00:05:30: Dann sagt die ihr natürlich recht, aber irgendwie habe ich zu viele Leute, die mehr gesagt haben, wie es sich anfühlt, so muss es ungefähr sein.

00:05:37: Das kann man durch Daraus abstrahieren.

00:05:38: So kannst du hier künstliche Intelligenz auch relativ viel entsprechend lernen.

00:05:41: Was ist künstlicher Intelligenzen nicht?

00:05:44: Wo wird sie fälschlicherweise benutzt?

00:05:47: Es gibt ja die Diskussion weiter.

00:05:48: Also das ist neu in der Forschung zu sagen, was ist künstliche Intelligenz?

00:05:51: und die Frage natürlich kann es mal ein eigenes Selbstbewusstsein haben?

00:05:55: Kann es besser sein als der Mensch?

00:05:56: und diesen Diskussionsräumen bewegen wir uns?

00:05:58: Und tatsächlich ist es so dass wenn Die künstliche Ligenz angucken, dass man sie eigentlich in zehn verschiedene Cluster teilt und sagt kann es das und kann ist das eben nicht.

00:06:08: Also die Sprachli-Intelligenz haben wir gerade darüber gesprochen, das können Sie jetzt schon zum Beispiel.

00:06:12: Sie kann logische mathematische Aufgaben lösen, das kann sie auch schon.

00:06:15: Es gibt natürlich auch Untergruppen, die sie eben wie nicht kann.

00:06:18: also Kreative Intelligenz ist noch ein bisschen eingeschränkt da überlebensintelligenz all diese Dinge kann sie halt eben noch nicht KWC irgendwann mal können.

00:06:25: Aber es ist wirklich wichtig, mit diesen zehn Gruppen zu arbeiten und genau zu sagen okay das kann die KI und das kann sie eben nicht.

00:06:30: Das Ziel ist aber... Und dann kommen wir jetzt einmal in die nächste Stufe.

00:06:33: was ist eigentlich dann die AGI?

00:06:35: Also die generelle Intelligenz und da sagt man also dass die möglichst viel von dem können muss was auch ein Mensch kann nämlich diese zehn Untergruppen möglichst viele.

00:06:43: das ist so der eine Punkt.

00:06:44: und dann was das nächste Ziel ist um das werden wir vielleicht den nächsten Ja, fünf bis zehn Jahre erreichen.

00:06:49: Das ist das nächste Ziel.

00:06:49: danach ist die Superintelligenz.

00:06:51: und dann haben wir glaube ich wirklich den Punkt wo die Kai sich selbst durch Simulationen steuern kann und wirklich über... Also AGI ist nicht göttlich und Superintelligenz wäre göttlich und dann würde sie dem Menschen sozusagen übertreffen halt Und dann kann sie wirklich alles.

00:07:02: noch kann Sie das nicht wenn man es in zehn Gruppen macht.

00:07:04: da können sie unter Punkte aber wenn wir weiter fortschreiten auf dem Strahl Dann kommen wir mal dahin dass ihr wirklich alles kann.

00:07:09: Okay, super spannend.

00:07:11: Ich bringe jetzt eine Enigdote vor über zwanzig Jahren habe ich promoviert am Lehrstuhl für Finanzen und meine Schwester hat parallel über Noronale Netze geforscht.

00:07:22: Und damals war schon das Thema Super-Super heiß.

00:07:25: aber es hat doch so ewig gedauert.

00:07:28: Und was hat jetzt diesen Wendepunkt verursacht?

00:07:31: Was hat den Schub dazu gegeben, dass wir vor paar Jahren wirklich diesen Durchbruch hatten in der künstlichen Intelligenz.

00:07:37: Es hängt ein bisschen an verschiedenen Dingen zusammen.

00:07:39: Also das KI-Feld per se ist ja nicht neu.

00:07:42: Das schreckt sich über mehrere Jahrzehnte sozusagen auch ich in meiner Informatik.

00:07:46: damals habe natürlich mit KI Modellen gearbeitet und daran geforscht.

00:07:50: Die Frage ist, warum.

00:07:51: es kommt der Durchbruch jetzt?

00:07:52: Das hängt damit zusammen.

00:07:53: Einerseits dass wir eine Menge Daten haben was wir gelernt haben durch das Internet, dass wir viele Dinge einspeisen können.

00:07:59: Wir haben eine Wikipedia.

00:08:00: Google als Beispiel hat irgendwie eine Menge an Büchern eingescannt die natürlich mit als Wissen zur Verfügung stehen und wir haben Reddit als eines der größten Internetforen wo man ... darüber diskutiert, wie man socken stopft.

00:08:12: Aber du kannst auch da irgendwie diskutieren... ...wie man mit einer Rakete ins All kommt als Beispiel.

00:08:15: Aber all diese menschliche Interaktion, auch das haben wir jetzt als Daten davon... ...um damit darauf zu lernen und zu trainieren?

00:08:21: Das ist eine!

00:08:23: Der ganz, ganz große Durchbruch war eigentlich im Jahr zwei Tausend und zwarte Google dort ein Paper für öffentlich das Transformermodell.

00:08:29: Das Transformermodel war nicht der Durchbruchs in der künstlichen Illigenz weil man sowohl Parallel-Dinge abarbeiten konnte also es hat einfach Geschwindigkeit gebracht und man konnte mehr in die Tiefe entsprechend gehen.

00:08:39: Es hat dieses Transformer Modell gebracht.

00:08:41: das ist der zweite Schritt.

00:08:42: und der dritte Schritt ist eigentlich dass wir lange, lange Zeit sehr viel Rechenleistung brauchten.

00:08:47: und die wem wir heute noch brauchen, nur damals war sie wahnsinnig teuer gewesen was sie heute nicht mehr ist.

00:08:52: Das heißt also ich könnte es auch noch kostenoptimieren.

00:08:53: Also Geschwindigkeit, Parallelverarbeitung, Kosten die sozusagen geringer sind.

00:08:58: Viele Algorithmen sind teilweise noch die gleichen wie vielleicht im Jahr zweitausend hatten.

00:09:01: Viel Enttodich auch nicht.

00:09:02: Die haben weiterentwickelt worden.

00:09:04: aber die drei Punkte die ich gerade sagte das hat natürlich jetzt den Schub gegeben.

00:09:07: oder ins Inflection Point dann ein Chat GPT was für die Leute da neu war obwohl die Firme auch schon irgendwie über zehn Jahre existiert um mit diesen Modellen zu arbeiten und Fragen zu stellen.

00:09:15: Du hast schon Google-Event, Google gehört zu Hyperscaler.

00:09:19: Hyperscale ist my financial buzzword für heutige Folge.

00:09:25: Das war auch ein sehr großer Trend in den letzten Jahren.

00:09:30: Hyper Scalers sind große Technologieunternehmen die Cloud und Rechenzentren betreiben.

00:09:36: letztendlich können sie ganze Infrastruktur hergeben Modelle, die daran trainiert werden und die können das alles hochskalieren.

00:09:46: Deshalb Hyperscaler.

00:09:47: und außer Google welche Unternehmen gehören noch dazu?

00:09:51: Ja bei den Hyperscalingen wie du gerade richtig sagst ja natürlich die, die das Geld haben um riesengroße Rechenzentrum entsprechend zu bauen.

00:09:57: Google ist sicherlich ein Anbieter davon.

00:09:59: Amazon hast so als Anbiter von Rechencentrum auch mit die Begründer sei ich mal davon dass man die Cloud also die eigene IT extern zur Verfügung stellen sozusagen an profiziente Ausstehung rauszumachen, also sprich selbst Geld damit zu verdienen.

00:10:11: Du hast natürlich eine Microsoft-Meter als theoretisch kein Hyperscaler weil sie ihre eigenen Datencenter nicht an andere Kunden vermieten.

00:10:19: vielleicht mal in der Zukunft vielleicht auch nicht aber sicherlich zählen Sie auch dazu was die Ausgaben halt mit angeht.

00:10:24: und der großer Schock war in dieser Berichtssaison die neuen Ausgabe Pläne für diese Hyperscala.

00:10:31: Die Zahl ist über sechshundert Milliarden groß geworden.

00:10:35: Wir hatten zwanzig vierundzwanzig über zweihundertfünfzig etwa gesprochen, fünf von zwanziger waren es vierhundertfünftig und jetzt ist es wahrscheinlich Richtung siebenhundert.

00:10:43: wird das gehen?

00:10:45: um das in Relation zu bringen.

00:10:47: Es vergleicht bei mir sehr großen technologischen Revolutionen in der Vergangenheit ein menschlicher Geschichte.

00:10:54: Eisenbahnausbau damals war es auch um die zwei Prozent der Wirtschaftsleistung Zahlen.

00:11:01: sind wir in diese Zahl rangekommen.

00:11:03: Es gibt aber noch eine größere Zahl und das war der Ausbau, der Elektrizität und die ganze Infrastruktur.

00:11:10: Und das ging im Peak an die vier Prozent von der Wirtschaftsleistung.

00:11:15: also siehst du immer noch das Potenzial nach oben von diesen großen Ausgaben und welche Chancen und Risiken siehst Du letztendlich dafür?

00:11:24: Das ist eine große Frage!

00:11:26: Also du hast recht.

00:11:26: Wir sind jetzt zumindest das, was die großen Hyperscaler gemeldet haben ungefähr bei sechshundertsiebzig Milliarden, was sie für diese Rechenzentren entsprechend ausgeben.

00:11:33: Du hast es schon richtig eingeordnet.

00:11:35: Das sind ungefähr zwei Prozent vom amerikanischen Bruttoinlandsprodukt sozusagen.

00:11:42: Wenn ich's vergleiche ... Du hast die Eisenbahnen gebracht?

00:11:43: Ich glaub' es war so ein dicken Weniger-Manhettenprojekt zum Beispiel um das Forschung an Atomenergie und so weiter oder ... Das war im ähnlichen Maße eben wie groß gewesen.

00:11:53: Und nun bleibt die Frage wozu?

00:11:55: Das bringt es mir halt.

00:11:56: Ich meine, die werden's ja nicht aus Spaß machen, sondern man wird natürlich schon Potenziale darin sehen und... Die Rechenleistung ist natürlich, was ich gerade am Anfang gesagt habe enorm wichtig um halt diese riesengroßen Datenmengen entsprechend zu verarbeiten.

00:12:07: Ich muss diese Modelle trainieren.

00:12:08: das ist der eine Bereich wo wir durch jetzt hingehen sind.

00:12:10: je mehr ich diese Modellen natürlich nutze desto mehr geht es in den Bereich um die Antworten zu finden und es geht mehr im Bereich spezielle Modelle dazu haben auf speziellere Probleme und all das fordert natürlich mehr entsprechende Rechenleistungen und insbesondere wenn ich natürlich zukünftig mehr Kunden dahinter habe diese Modell nutzen sei es irgendwie einfach nur intern im Werbebereich um vielleicht besser dem Kunden bessere Werbemodelle zu gehen.

00:12:31: Also sprich, du gibst ein Werbedollar aus und möchtest aber deine grüne Badehose verkaufen.

00:12:36: Wie viel bekomme ich als Umsatz entsprechend zurück?

00:12:38: Und je mehr ich natürlich damit umsatzmache als Kunde, desto mehr möchte auch diese Modelle nutzen.

00:12:42: Das ermöglicht tatsächlich die künstliche Intelligenz.

00:12:44: Ausgiebmodelle.

00:12:45: wo ich sagen kann hier ist eine Grüne Baderhose bitte entscheidt du doch mal wer ist meine Zielgruppe und wo mein.

00:12:50: wegen den USA in welchem Land soll ich sie besonders bepreisen oder eben nicht.

00:12:53: Die Ergebnisse sind deutlich besser als wenn wir beide das gedacht hätten aber brauchen nur in Kalifornien eine grüne badehosse als Beispiel.

00:12:59: Es ist so in der einen Bereich So, jetzt sind wir natürlich ganz am Anfang.

00:13:02: Jetzt haben wir über so ganze Spanale irgendwie Dinge gesprochen aber ich glaube das Potenzial nach vorne raus und dass ja auch dann die Rechtfertigungen vielleicht für diese großen Ausgaben ist natürlich viel größer.

00:13:11: also wenn wir im Bereich Biotechnologie hineingehen als Beispiel werden wir sicherlich in der Lage sein in den nächsten dreißig bis vierzig Jahren jede Krankheit auf diesem Planeten zu heilen.

00:13:19: Und das ist natürlich ein ganz anderer Hebeln oder ganz anderer Treiber und die großen Hyperscaler möchten natürlich als erstes da sein und ihr Verstruktur haben auch wirklich dabei zu sein.

00:13:27: um natürlich das Beispiel zum Beispiel zu befeuern

00:13:29: Und welche Risiken siehst du bei diesen großen Investitionen?

00:13:32: in der Vergangenheit haben wir gesehen, dass es nie so eine Entwicklung linear gegangen ist.

00:13:36: Es gab immer auf und ab und das ist natürlich auch wahrscheinlich das Risiko was die Börse auch teilweise sieht weil aktuell die Hyperscaler werden dafür nicht belohnt, dass sich große Investitione in die Hand nehmen.

00:13:51: eher dem Akt ist zurückhaltend Und das ist wahrscheinlich das große Risiko, dass es zu viel investiert wird.

00:13:57: Dass es nie sofort diese Kapazität ausgenutzt wird.

00:14:01: und wie würdest du das einordnen?

00:14:02: Ja ich

00:14:03: glaube, das muss man irgendwie in vielleicht zwei Dimensionen einordern.

00:14:06: Zunächst einmal hat die künstliche Legenz ja das Potential disruptiv auf sämtliche Branchen sich auszudehlen sozusagen.

00:14:14: Disruptiv heißt... dass es etwas Neues schafft, was noch nicht vorher da gewesen ist.

00:14:18: Also wenn wir gehen mal auf ein ganz simples Beispiel Wenn du einen Bagger baust und die nächste Generation hat irgendwie eine größere Schaufel dann ist das evolutionär sozusagen weil wenn du einen ganzen neuen Antrieb für einen Bugger oder eine neue Technologie entwickelt wie diese Schaufeln vielleicht bewegt wird statt mit Luft mit Öl oder anderen Antriebsmöglichkeiten Dann ist das Disruption als Beispiel Und das ist genau dieser Punkt.

00:14:37: Also Disruption fällt ja nicht von heute sozusagen vom Himmel, sondern Disruption entsteht eigentlich mehrere Jahrzehnte, mehrere Jahrhunderte teilweise schon vorher.

00:14:46: nur sie wird natürlich nicht wahrgenommen weil sie ganz andere Aufgaben übernimmt als... bestehende Produkte, also nehmen wir als Beispiel die Dampfschifffahrt.

00:14:55: Die gab's schon hundert Jahre bevor das letzte Segelschiff gefahren ist, war aber nur dafür gedacht ein Sommerkohle im Kanal von A nach B zu bringen.

00:15:03: Niemand hat darüber nachgedacht dass man auch eines Tages mal mit irgendwie die Welt mehr rüberqueren kann.

00:15:08: Das größte Segelschiff wurde noch nach zwei, glaube ich, gebaut.

00:15:11: Es war ein Siebenmaster gewesen, der fünf Jahre später erkennt hat und ab dem Zeitpunkt gab es nur noch Dampfschiffe.

00:15:16: Die Frage derjenige, die das letzte große Dampfsschiff gebaut hat, hat für sich nicht die Disruption wahrgenommen, dass es irgendwo Dampfscheffe gibt, die immer mal größer oder mächtiger sein können.

00:15:24: Und das ist genau heute auch dieses Problem an der Börse, dass wir nun diese Diskruktion KI haben – die sieht jeder für sich -, aber niemand weiß was es für die Zukunft bedeutet!

00:15:34: Und viele Produkte, die wir haben von der Steuererklärung bis hin zu deinem Vermögensberater und in ganz vielen anderen Bereichen.

00:15:41: reicht nur das die Angst im Kopf zu haben.

00:15:44: Dieses Risiko könnte diese Geschäftsmodelle zerstören und schon stürzt natürlich die Sachsenkurse ab.

00:15:48: Das ist das eine.

00:15:49: Ist das so gefragt?

00:15:49: Na ja warum?

00:15:50: Wo ist das große Risiko das zu investieren?

00:15:52: Diese großen Hyperscaler?

00:15:54: Die können sich gar nicht erlauben, nicht frühzeitig dort zu investieren.

00:15:57: Ansonsten hätten sie nämlich auch für sich dieses Problem, diese Struktion zwar gesehen aber nicht für sich entsprechend umgesetzt.

00:16:03: Das heißt, Sie gehen das Risiko ein lieber früh zu investiren, aber mit dem Risiko eben zu früh dabei gewesen zu sein.

00:16:11: Und das kann dann Risiko sein, wenn man mal in die Vergangenheit schaut.

00:16:14: Also wenn man früher als Beispiel Software gebaut hat, dann war es so ein Art Software-Stack gewesen der aus verschiedenen Elementen besteht wie eine Datenbank oder eine grafische Oberfläche und was auch immer.

00:16:23: Und nun mal angenommen ist würde als Disruption eine neue Datenbankform geben.

00:16:26: Hast du diese Datenbank unten ausgebaut?

00:16:27: Hast deine neuen Datenbank eingebaut und dann war das Produkt vielleicht ein Tickenteuerer gewesen oder kannst du dieses Software weiter benutzen?

00:16:33: Heute ist das Problem, wenn du ein Datacenter baust und bauest einen Chip ein.

00:16:36: Und morgen kommt aber jemand wo der Schip schneller atmen wir gerade und günstiger ist im Strom dann hast du das Problem dass vielleicht dein ganzer Datencenter nicht mehr wert ist.

00:16:43: und das große Problem du hast hunderte Milliarden investiert Aber in zwei Jahren kann das Ding vielleicht nichts mehr wert sein.

00:16:48: Das ist das große Risiko dabei und das ist das was dem Markt so ein bisschen nervös macht.

00:16:51: eineseits sie sehen die Diskruption auf der anderen Seite wissen Sie nicht wie großes Ergebnis sein kann und wo bist Du da in diesem Zyklus halt?

00:16:58: Und das ist ziemlich spannend.

00:16:59: Wir haben über Hyperscaler gesprochen, letztendlich bieten die die ganze Infrastruktur auf der künstlichen Intelligenz und diese Anwendungen aufgebaut werden.

00:17:08: aber wir sprechen nicht nur bei Hyperscale, wir wollen die ganze Wirtschaftungskente uns anschauen.

00:17:13: könntest du systematisch sagen wer von diesem Megatrend profitiert?

00:17:19: Hyperscale ist ja logischerweise nur der Anfang also dass ... das Grundgerüst oder das Grundwerkzeug, was du brauchst, um darauf zu arbeiten.

00:17:26: Ich glaube, dass ist gerade das, was sicherlich wurde am Anfang am schnellsten mit Geld verdient, also mit den Schaufleerstellern.

00:17:33: So ein Wertschöpfungsgeld ist natürlich relativ breit, ich meine wenn du so einen Datencenter baust,... ... dann brauchst du logischerweise erst mal das Land, also brauchst einen gewissen Landentwickler... ...das Land muss bereitgestellt werden mit dem Baumaschinen und was auch immer,... ...dann muss logischererweise der Datencenter gebaut werden.

00:17:47: In einem Datencenter hast du natürlich eigene Server-Racks die... Chips brauchen, also meistens in den Chips.

00:17:53: Halbleiter?

00:17:53: Halbleitter genau die du... Also es gibt ja dem jeder kennt von seinem Heimcomputer den CPU und diesem Fall hast du ja, wir haben ja gerade über Sprache gesprochen oder über Vektoren und diese Grafikchips können natürlich sehr gut mit Vekturen entsprechend umgehen.

00:18:07: darum braucht man relativ viel Hochleistungshalbleiter die genau damit umgehen können.

00:18:10: Die brauche ich natürlich da drin.

00:18:11: Ich brauche eine gewisse Verkabelung.

00:18:13: also diese einzelnen Chips müssen natürlich untereinander verkabelt sein.

00:18:17: gleichzeitig muss aber auch jeder Server-Rack miteinander verkabelt.

00:18:21: Da reicht nicht einfach nur so ein billiges Kupferkabel aus, sondern es geht natürlich darum zu sagen.

00:18:25: Ich möchte eine gewisse Intelligenz auch in dem Kabel haben.

00:18:27: und es gibt an den Enden der Kabel als Beispiel, da gibt's eine Firma, die sich mal noch einen Chip in dem Ende des Kables hat um zu entscheiden wenn Daten verloren gegangen sind dass sie versuchen die wieder entsprechend zu korrigieren.

00:18:37: als Beispiel bis hin das es soweit geht ist eigentlich die Datenzente die gebaut hast in USA untereinander verbinden möchtest.

00:18:43: also wenn einer in New York steht und einer steht irgendwie in Phoenix dass du dich dann miteinander verbindest.

00:18:47: auch da brauchst natürlich spezielle Technologie.

00:18:49: als Beispiel Wenn du so einen Datencenter natürlich stehen hast, mit so vielen Chips, das ist natürlich relativ viel Energie.

00:18:54: Das heißt, was Unternehmen dir für sorgen, dass es auch schön angenehm und kühl ist?

00:18:58: Sie fragen, was machst du mit der Abwärme?

00:18:59: Die muss natürlich auch irgendwo hin, die man entsprechend nutzen kann.

00:19:03: Und in all diesen ganzen Bereichen gibt's natürlich relativ viele Firmen, die gerade natürlich viel Geld verdienen.

00:19:07: Ohne natürlich kommt es auch zur Knappheit... Zum Beispiel das kennst du vielleicht auch von deiner Spielekonsole zu Hause, deinem Spielerechner.

00:19:14: Dass natürlich irgendwie die Speicherbraus und Chipsbraus oder Grafikkarten braust, die natürlich gerade ausverkauft sind.

00:19:19: als Beispiel um natürlich ... Ja, dann auch da und die Preise steigen.

00:19:23: Da habe ich ja eine Super-Agnikdote.

00:19:25: Mein Kind kommt kurz vor Weihnachten zu mir und sagt Mama mein Arbeitsspeicher muss erweitert werden und das denke ich mir ach kann nicht so teuer sein.

00:19:34: Vor allem Jahr hat es zusammengebaut.

00:19:36: und schaue ich rein vor einem Jahr hat's hundertfünfzig Euro gekostet jetzt sechshundert Euro.

00:19:41: und dann denke ich okay wir wollen keinen Naserteil kaufen.

00:19:45: Die Preise sind für Arbeitsspeichern in die Höhe geschossen.

00:19:49: Es ist nicht mal Hochleistungshalbleiter, warum sind dann diese auch nach oben gegangen?

00:19:55: Weil jetzt eigentlich geht es um diese Rechenzentren, die anders sind als die Vorherrigen und die Anzahl der Speicher ist auch in die höhe gegangen.

00:20:05: ja weil einfach ganz andere Technologie dahinter steckt und das hat zu einer Explosion geführt von den Nachfragen eine Fabrik, die Halbleiter erstellt.

00:20:20: Die ist natürlich dann sofort ausgebucht und für die ganze Wertschöpfungskette auch für andere Produkte ist das jetzt auch die Gefahr, dass es die halbleiter teurer werden.

00:20:31: Das heißt von der Waschmaschine, die ich bald brauche bis zum Tablet oder zu einem Auto wo sehr viele Halbleite verbaut werden.

00:20:40: da ist natürlich auch das Risiko.

00:20:45: Ja, rüber geht diese Welle von der Tuhrung.

00:20:48: Du hast Schaufelnhersteller erwähnt, erklärt das warum das Schaufelner Hersteller genannt werden?

00:20:54: Ist es so ein bisschen wie beim Goldgraben da brauchst du eine Schaufelt?

00:20:59: Ja genau und das ist ja nicht die Anekdote auch hier lustigerweise aus dem Silicon Valley wenn du damals in dieser gold area warst und du wolltest jetzt gold suchen dann was natürlich für dich Bei der geringen Wahrscheinlichkeit so, dass du wirklich Gold gefunden hast.

00:21:12: Aber der, der dann wirklich Geld gemacht hat war eigentlich derjenige, der dir die Schaufel und die Hacke verkauft hat und vielleicht noch irgendwie ein Grillzett sozusagen damit du das Gold ihr mir suchen kannst.

00:21:20: Und die haben durch dann mehr Geld gemacht als jetzt in der Breite, die die Gold wirklich gefunden

00:21:24: haben.".

00:21:24: Der Anteil hat die keinen Gold gefunden, aber größer als sie.

00:21:27: Und das ist alles in so den Riesenmaßen.

00:21:31: was jetzt die Zahlen, die Investitionen... Das ist alle so groß dass kaum einer vorstellen kann allein so ein Rechenzentrum also mit Hochleistung halbleitern.

00:21:41: es braucht auch sehr viel Energie Und wir sprechen mittlerweile von einem Gigawatt, von einem Rechenzentrum und das in Relation zu bringen.

00:21:50: Das ist so viel wie eine Millionstadt zum Beispiel wie Köln.

00:21:54: Wenn man alle Rechencentrum zusammenbringt die in der Planung sind dann würde man sogar Verbrauch von so einem Land wie Japan ja in Relationsstellen.

00:22:04: Und das ist natürlich enorm groß!

00:22:06: Wie siehst du?

00:22:08: Dieses Wettrennen zwischen unterschiedlichen Ländern aktuell.

00:22:12: Natürlich US-Asien Vorreiter, aber China ist ziemlich hinterher auf den Fersenschorn.

00:22:19: und hat Europa überhaupt noch eine Chance!

00:22:22: Also ich meine, du hast recht so ein Datencenter.

00:22:24: Wenn du einen Gigawatt-Team wie aufstellst das sind ca.

00:22:27: so fünf, fünfzig Milliarden an Kosten kann man im Rahmen behalten wovon natürlich sagen wir mal vierzig Prozent was wir gerade hatten Baustrom und Kühlung usw.

00:22:35: ist und die Rechte sich in sechzig Prozent ist wirklich die Ausstattung dieses Datencenter.

00:22:39: also heißt woraus natürlich immer Geld?

00:22:41: in dem Maße Wenn du es auf die Länder runterbrichst, wollen die Amerikaner natürlich schon Vorreiter sein.

00:22:46: In dem du sagst, ich möchte immer das beste Modell haben auch mehr als Kampagnen, die durch den wir gestartet sind Google, die sehr früh in dieses Rennen eingestiegen sind.

00:22:55: Ich bin jetzt vor kurzem selten Welle getroffen.

00:22:58: Demi Hassabis, Nobelpreisträger in der Informatik Der DeepMind gegründet hat was Google damals für sixundfünfzig Millionen gekauft hat Das war im Jahr zwei tausend vierzehn meinig.

00:23:07: Wenn du heute schaust, wie du Ingenieure einstellst in den USA, dann verdient schon ein Ingenieur bei Meta als Beispiel wie hundert Millionen pro Jahr.

00:23:14: So und da siehst du natürlich die Dimensionen, wie dieses Thema Rasant gewachsen ist und wie wichtig auch diese Kräfte sind und die Ingeniüre, die entsprechend zu besseren Modellen verhelfen können.

00:23:24: Da hast du eine, dass die USA gut ausgebildete Leute haben.

00:23:26: das Gleiche hast aber allerdings auch in China.

00:23:28: China haben zwar die Restriktionen von den Amerikanern, dass sie eben sprechend nicht die Hochleistungsships bekommen können.

00:23:34: Aber nichtdestotrotz sind die Schneese natürlich sehr raffiniert in freien Modellen und mit dem was sie haben hat wir auch sehr gute Modelle zu erzeugen.

00:23:41: Jetzt stellst du die Frage nach Europa.

00:23:43: wo finden wir uns da Europa wieder?

00:23:45: Ich glaube was rein Modelle angeht glaub ich sind wir da eher schlecht aufgestellt liegt natürlich an vielen Dingen.

00:23:51: Ich wurde damals durch dem Silicon Valley gelebt, hab gefragt naja was muss sich in Europa ändern?

00:23:55: und da habe ich schon damals gesagt naja wir brauchen mehr Zugang an den Universitäten zu Geldern.

00:24:00: Es muss viel einfacher sein Start-up zu gründen.

00:24:02: das geht mittlerweile halbwegs gut aber immer noch nicht so wie in den USA.

00:24:06: Nichtdestotrotz wenn du in diese Phase kommst wo der Unternehmen vielleicht in die Fünfzig Millionen Wert ist aber die nächsten Schritte zu machen dass du irgendwie Milliardenbewertungen aufbaust dafür fehlt das Geld einfach hier in Europa und in Deutschland beziehungsweise man ist nicht bereit es fehlt nicht das Geld aber ist nicht bereites auszugeben.

00:24:19: Und ich glaube, in Europa haben wir zwar gute Maschinenhersteller die sicherlich in dem ganzen Ship-Bereich wo wir gerade drüber gesprochen haben irgendwie Maschinbereitstellen können mit dieser Prozessgut funktioniert.

00:24:29: Die sicherlich an dieser Kette sehr wichtig sind.

00:24:32: aber das Rennen um das beste Modell ich glaube dass haben wir in Europa irgendwie Ja, ja längst verloren oder aufgegeben.

00:24:37: Die Frage bleibt natürlich ist es zwangsweise wichtig am Modell zu besitzen?

00:24:41: Ich meine das kostet sehr viel Geld.

00:24:42: haben wir gerade drüber gesprochen?

00:24:43: ich glaube sich nur darauf zu konzentrieren das beste Modell zubauen ist vielleicht auch zwangsweise nicht.

00:24:47: das beste Geschäftsmodell muss natürlich auf der anderen Seite auch irgendwie mit Kunden heranholen die auch dieses Modell mit benutzen.

00:24:55: Das heißt mehr als Beispiel, die diese App haben.

00:24:58: Die natürlich aber jetzt versuchen ganz viele andere Dinge noch zu machen um natürlich dann Kunden in unterschiedlichen Bereichen entsprechend zu haben.

00:25:04: Dass du ihn wieder darauf irgendwie was sich shoppen kannst und das vergleichen bitte die beiden Computer miteinander und vielleicht zukünftig kannst auch bei Open High dann entsprechend den Computer kaufen.

00:25:12: all das möchte man durch damit erreichen.

00:25:14: oder Das Beispiel Google hat mir irgendwie gehabt, die natürlich voll integriert sind von der Suche wo ich den AI benutzen kann plus dass ich Cloud-Dienstleistung also Speicher dort verkaufen kann.

00:25:24: Die haben natürlich dann alle Produkte und für die macht es natürlich Sinn so ein Modell entsprechend zu entwerfen.

00:25:28: Das heißt, Europa hat nur die einzige Chance zu sagen, ihr baut mal alles schön.

00:25:32: Die Modelle ist super!

00:25:32: Wir nehmen die Modelle aber machen natürlich dann in unseren Fabriken, die vielleicht effizienter, sodass wir mehr Gewinne rausholen können.

00:25:38: Ich glaube das sind die Chancen, die wir als Europa haben und die finde ich auch gar nicht so schlecht.

00:25:43: Und der zweite Bereich wird gerade ein bisschen mit Biotechnologie gesprochen.

00:25:45: Wir sind tatsächlich auch mit das Land was am meisten Daten in diesem Biotechnologiebereich hat.

00:25:49: also wir können sowohl Effizienzen steigern, aber auch Daten bereitstellen um durch die Modellen vielleicht an manchen Bereichen besser zu machen.

00:25:54: Super spannend Was sind die nächsten Schritte in der Künstliche Intelligenz?

00:26:01: Du hast schon ein bisschen gesprochen darüber, aber jetzt hat man auch diese Schlagwort physische AI also physische künstliche intelligence.

00:26:12: Wie siehst du das?

00:26:13: Also ich glaube der erste naheliegende Schritt ist ja, dass wir... also bisher haben wir nur die Interaktion, dass du das Modell über einen Chat sozusagen fragen stellst und eine Antwort zurückbekommst.

00:26:22: Und ich glaube in vielen Bereichen ist ja logischerweise das gar nicht mehr notwendig sondern wir können viele Aufgaben einfach auslagern indem wir eine virtuelle zweite Person nehmen, ein Agenten der für uns irgendwie Dinge entsprechend erledigt.

00:26:34: Also nimm mal eben ein einfaches Beispiel.

00:26:37: Wir beide wollen zusammen essen gehen, ich möchte dich natürlich gerne einladen und gleichzeitig haben wir uns ein teures Restaurant ausgesucht.

00:26:45: Es wäre ja einfach, wenn mein Agent mit deinem Agenten sprechen würde zu sagen so pass mal auf und da haben wir beide Zeit.

00:26:53: Gleichzeitig bucht der Agent das Restaurant und weil ich dich einladen wollte ist auch schon mal ein Bezahl-Account mit einer Kreditkarte was er immer dort hinterlegt und die Sache ist erledigt.

00:27:01: Das ist ja das wo wir letztendlich irgendwie hinkommen möchten.

00:27:04: Das kann ein Agent sein oder du sagst dem Agenten wenn du Marketingarbeit bist?

00:27:08: Ich möchte eine Präsentation erstellen.

00:27:10: Hilf mir doch mal bitte dabei Die spezifische Kundengruppe, die ist interessiert heraus und gibt mir das Ergebnis zurück wie es angekommen ist wer darauf reagiert.

00:27:18: Auch das kann natürlich helfen um entsprechend da Effizienzen zu heben dass vielleicht Leute Marketing andere Dinge machen können als jetzt genau so was ich gerade beschrieben habe.

00:27:26: Das ist das mal was langsam anläuft was wir schon sehen das Unternehmen sich irgendwie langsamer entwickelt.

00:27:31: größere Unternehmen vielleicht ein bisschen langsame aber letztendlich ist der erste Weg das ist das eine.

00:27:35: Du hast die physische Reihe angesprochen, das ist der nächste Schritt zu sagen raus aus dem Computer rein in die physischen Welt.

00:27:42: Physische Welt heißt natürlich dann klar das große Ziel ist natürlich im Bereich Robotik reinzugehen.

00:27:47: Ich glaube der Robotermarkt hat irgendwie die Möglichkeit in einigen Jahrzehnten genauso groß zu sein wie im Automobilbereich.

00:27:53: also darum möchte auch jeder in diesem Bereich halt rein.

00:27:56: Das Problem ist natürlich nur, dass wir noch sehr wenig Daten haben.

00:27:58: Wir haben für die Sprachmodelle viele Daten gelernt aus dem Internet.

00:28:01: Haben wir gerade darüber gesprochen von Reddit und so weiter.

00:28:04: aber wie sich Menschen wirklich im Alltag verhalten und bewegen und wie du dein Geschichtspüler einräumst das weiß man eben nicht.

00:28:09: Und darum geht es jetzt darum erstmal dort Daten zu sammeln, das ist das eine.

00:28:12: also gibt viele Testlabore kann man sich übrigens auch bewerben und bisschen extra Geld machen indem du Sensoren an den Armen bekommst und dann wirst du den ganzen Tag am Alltag beobachtet und dann lernt die Maschine welche Bewegungen notwendig sind wie du deinen Geschicht spülerentsprechende einräums.

00:28:25: Das ist das eine.

00:28:26: Und natürlich auf der Roboter-Seite, es ist natürlich sehr wichtig dass du auch motorische Fähigkeiten entwickelst so dass natürlich auch der Robota irgendwie eine Avocado fassen kann die nicht mit deiner Hand zerdrückt.

00:28:36: Auch da gehen wir vorwärts.

00:28:38: So ich glaube das sind jetzt vielleicht nochmal in wie fünf, sechs, sieben Jahre entfernt Dass wir da einen guten Roboter haben.

00:28:42: Der erste wird natürlich wahnsinnig teuer sein aber natürlich über Zeit wie auch im Automobilbereich wird er auch deutlich günstiger werden sodass du vielleicht mal sagst Ich habe für zwanzigtausend Euro ein Roboter zu Hause der dir irgendwie den Geschichtspüler einräumt und für dich Staub sorgt oder was auch immer für dich tut und dann lohnt es sich für die Menschheit.

00:28:56: Und der letzte ganz große Schritt ist, da arbeitet man gerade daran, dass man in dieser Richtung Simulationen geht.

00:29:03: Simulation sind eigentlich wichtig also einerseits um immer mal eine Zukunft in die Superdiligenz zu kommen so das sie AI-Modelle mit künstlichen Daten gewisse Dinge simulieren können oder daraus lernen können als Feedloops, also Schleifen haben um dieses System wieder neu befüttern.

00:29:19: Und Simulation ist halt deshalb so wichtig.

00:29:21: Geht zum Beispiel mal in den Wetterbereich.

00:29:23: Also Wettervorhersage als Beispiel ist super, super teuer.

00:29:26: Es gibt ein Start-up in den USA die aber jetzt dafür tatsächlich neuronale Netze nutzen und sozusagen sagen die Dinge nur approximieren.

00:29:35: Und der Outcome, der da rauskommt also du musst bei der normalen Wettervoraussage musst du natürlich mit Satelliten gewisse Dinge beobachten.

00:29:40: es kostet wahnsinnig viel Geld.

00:29:41: Aber hast du einmal Daten und Raufstatistiken sind die Ergebnisse deutlich billiger und teilweise sogar besser als das was man auf der physischen Weg macht weil's einfach simuliert wird.

00:29:50: Das Gleiche hast du im Biologiebereich.

00:29:53: Eine Zelle im Körper besteht aus Millionen von Molekülen, also du kannst natürlich nicht all das simulieren, aber nur ein Teil davon.

00:29:58: Aber selbst das ist schon total wertvoll und zu wissen welches Medikament in der Krebsforschung bringt dir welche Lösung oder beziehungsweise wo kann man im Körper ansetzen um das zu verändern?

00:30:07: Ja super, super spannend!

00:30:08: Ich denke schon langsam auch an die Schattenseiten und einer davon ist auch der große Energieverbrauch und alles was du angesprochen hast... Und in einigen Regionen USA sind auch Energiepreise sehr stark angestiegen und Elon Musk spricht auch darüber, dass er Rechenzentren in All schicken möchte.

00:30:30: Wie realistisch ist so was?

00:30:32: Ja, Energie ist natürlich das größte Bottleneck.

00:30:34: wir haben gerade über Superintelligence gesprochen.

00:30:35: Flaschenhals?

00:30:36: Der Flaschernhals richtig!

00:30:38: Wir haben über Super Intelligenz gerade gesprochen die logischerweise ja noch mehr Ships und noch mehr Energie braucht.

00:30:42: auf einem Zeitstrahl nach vorne wird glaube ich dieses Problem auch gelöst werden können.

00:30:47: irgendwie gibt es verschiedene unterschiedliche Energieformen, die ihm dazu beitragen.

00:30:51: Aber das ist natürlich das was aktuell irgendwie im Moment wehtut.

00:30:56: ins All zu gehen ist tatsächlich eine sehr gute Lösung weil ich höre ich komme habe ich relativ wenig aber hab viel Energie und wenn ich höhe ich gehe habe ich weniger Schatten so dass ich den ganzen Tag solo Energie entsprechend zur Verfügung habe.

00:31:09: Das könnte schon funktionieren.

00:31:10: Das große Problem ist natürlich, wie bekomme ich das alles in das All geschossen zu einem guten Preis?

00:31:16: Wie stellt man sich die Wartung oder oben vor.

00:31:18: Also irgendeiner muss ja auch mal vielleicht ein Kabel wechseln oder so.

00:31:21: Ich weiß nicht ob du da oben anerleben musst oder auch dann irgendwie hochkommt.

00:31:23: also ich glaube eben wie auch.

00:31:24: das ist sicherlich möglich rein technisch gesehen.

00:31:27: aber natürlich bleibt die Frage wie rechnet sich sowas und wann kann man sowas halt irgendwie entsprechend umsetzen.

00:31:31: Das könnte auch einen Teil der Probleme lösen.

00:31:33: und das Elon Musk angesprochen.

00:31:35: er versucht eher relativ weit zu denken.

00:31:38: Seit seinen Zeitplänen liegt er manchmal, glaube ich, verkehrt.

00:31:40: Aber zumindest hat er gute Idee, um da

00:31:42: vorwärtszukommen.".

00:31:45: Aber die nächste Schattenseite, die sicherlich jetzt alle uns umtreibt ist auch Jobverlust.

00:31:51: Das ist die große Frage wenn man wieder zurückblickt auf die großen technologischen Revolutionen.

00:31:57: das war schon in der Vergangenheit so dass Menschen durch Maschinen ersetzt wurden und das kostete viele Jobs Und es waren Unruhe dann auch in der Gesellschaft hat Jahrzehnte gedauert bis neue Jobs entstanden sind hat und natürlich auch verfall der Gehälter usw.

00:32:18: Und in der Geschichte war das so, dass immer die physische Kraft durch Maschine ersetzt wurde.

00:32:23: Jetzt ist es ein bisschen anders – die künstliche Intelligenz ersetzt kognitive Arbeit.

00:32:29: Kennen wir denn zurück zu den Seiten wo Physische Kraft mehr kosten soll?

00:32:35: Die neue Generation eher Ein Handwerk lernen soll, was würdest du denn neue Generationen empfehlen?

00:32:41: Was sollte sie studieren oder

00:32:43: lernen?".

00:32:44: Es ist lustig, dass du so sandsprichst.

00:32:45: Und früher war es ja auch noch so denige der, sagen wir mal alt etwas älter war sozusagen.

00:32:49: Der wurde ja auch ersetzt durch ihm wie eine Maschine.

00:32:51: So noch eher als die Jüngere und heute ist das ja genau umgedreht.

00:32:54: Heute braucht's ja noch die älteren Menschen, die die Erfahrung haben zu wissen, dass was die Eider tut, ist es noch richtig oder falsch.

00:32:59: Auch das hat sich natürlich in die logische Weise umgedeht.

00:33:01: Also, ich glaube wir sind in einer Art Wissensgesellschaft wo die Grenzkosten also das was die Hersteller des Produktes kostet sozusagen Richtung Richtung null geht.

00:33:12: Wenn du zum Beispiel eine Pizza irgendwie herstellen würdest dann sind deine Grenzkosten das was du für den Teig, für die Energie und für die Tomatensoße usw.

00:33:18: ausgibst.

00:33:19: In der Wissengesellschaft geht die Kosten für Wissen so zu sagen Richtung Richtung Null des Kostets nichts mehr.

00:33:26: Achtzig Prozent der Arbeit, die am Computer stattfindet und Wissensarbeiter sind all das kann sicherlich durch AI entsprechend ersetzt werden.

00:33:35: Jetzt sagst du naja okay aber was bedeutet das für uns denn wir als Gesellschaft?

00:33:40: Früher war's so, wenn du an die Industrialisierung denkst.

00:33:42: Dann haben die Menschen über Zeit zumindest andere Jobs gefunden weil sich andere Bereiche aufgetan haben.

00:33:47: das heißt für einen kurzen Moment war es vielleicht schlecht aber danach haben sich neue Bereiche auch getan wo die Menschen ein Job gefunden haben.

00:33:52: sie waren halt flexibel haben sich neuer Dinge gesucht.

00:33:54: diese Flexibilität heute reicht allerdings nicht mehr aus weil die Zeitspann viel kürzer geworden sind.

00:33:58: Du kannst dich halt gar nichts so schnell anpassen mal neuen Job zu finden wie sich das Ganze verändert.

00:34:03: also kurzum ich glaube die Kraft die die Künstlikens bringt und wir sie die Märkte Durchmischt sozusagen ist halt so gewaltig, dass da keine Zeit mehr bleibt für den Menschen sich in dem Maßchen wie anzupassen.

00:34:15: Meine Vision davon und die auch eine Forschung in mir gestützt wird eigentlich die zu sagen wir bleiben eine Wissensgesellschaft und wir kommen ein bisschen so einer Art Star Trek Welt wo Maschinen unsere Aufgaben erledigt werden und wir uns Zuhause den Dingen widmen wo wirklich Spaß haben Wir malen wir kochen zusammen oder was auch immer wir entsprechend tun.

00:34:35: Das Problem ist nur und damit hast du recht der Weg dorthin ist natürlich ein Steiniger Insbesondere dann, wenn man natürlich auch jetzt gerade politisch schaut wie sehr ... Man sich dagegen wehrt.

00:34:44: Also je mehr wir uns der Gegenwehr nur an dem alten festhalten wollen, desto steiniger wird dieser Weg.

00:34:48: und ich glaube, wir müssen natürlich mehr Zukunftsgewandte in diese Richtung halt irgendwo denken, dass wir in diesen Weg gehen.

00:34:53: aber Ich glaube das ist eine gute Weltwirt.

00:34:56: Und ja es wird Verwerfungen geben Aber den müssen wir uns halt logischerweise irgendwo stellen.

00:35:00: Was sollen die jungen Menschen jetzt tun?

00:35:03: Das ist eine gute Frage.

00:35:04: Also physische Arbeit hast du ja gerade angesprochen, ich meine wenige der Immigraten Haus baut oder was auch immer.

00:35:09: Der wird feststellen es gibt irgendwie wenig Handwerker und oder die sind aber wahnsinnig teuer wenn man das irgendwie möchte.

00:35:15: also ich glaube Handwerk all das was physisch erledigt werden kann ist sicherlich noch ein guter Bereich.

00:35:20: Klar wir haben grade über Robotik gesprochen aber wie gesagt bis der Barkeeper oder der Pizzabäcker auch ein Roboter ist das wird noch irgendwie ein bisschen länger dauern.

00:35:28: Wir haben ja gerade so ein bisschen darüber gesprochen, dass der Weg in die EI Richtung Simulation geht.

00:35:33: Also ich würde tatsächlich irgendwie auf eine turwissenschaftliche Berufe gehen wie Physik und Biologie

00:35:38: usw.,

00:35:39: um in dem neuen Feld sozusagen den neuen Schritt, den die KI geht Richtung Superintelligenz, da man da positioniert ist.

00:35:45: Ich glaube das wäre der zweite Bereich, den ich irgendwie... vielleicht deinen Kindern oder wie noch mal raten würde, so zu sagen.

00:35:51: Super!

00:35:52: Das gebe ich auch weiter und ich höre auf jeden Fall den Podcast zu.

00:35:56: Und ich sehe schon du bist ein absoluter Optimist.

00:35:59: das heißt wenn wir die Hollywood-Filme schauen würden dann würdest du wahrscheinlich nicht eher auf Terminator setzen als unsere Zukunft der Menschheit.

00:36:08: eher auf welchen Film würdest Du denn setzen?

00:36:11: Ja, Terminator ist immer das beliebteste Beispiel für mich.

00:36:13: hier gibt es irgendwie keinen Sinn.

00:36:14: selbst wenn man das philosophisch versucht weiterzudiskutieren kommt man da zu keinem richtigen Ergebnis.

00:36:18: Also das sehe ich dann nicht ... Ich kann mir irgendwie auch gut vorstellen, weiß ich nicht, Filme wie Hörer wo du einen AI in deinem Ohr hast mit der durch Tag täglich unterhältst und der sich in einem Film dürfen spoilern, weißte ich nicht?

00:36:29: Wie der Film ausgeht, dass dich in diese KI jetzt piep vielleicht da irgendwie nichts zu hören entsprechend ist, die AI verliebt!

00:36:36: Und ich glaube natürlich, dass es in solche Richtungen gehen kann, dass du vielleicht einen Assistenten hast, vielleicht eben wieder ran am Partner siehst

00:36:41: usw.,

00:36:42: der an deiner Seite ist.

00:36:44: Aber ich glaube wenn du über Stattenseiten sprichst Also Terminata sehe ich natürlich logischerweise nicht, aber man kann sich schon vorstellen dass es gewisse vielleicht Wahlmanipulationen gibt.

00:36:52: Dass es irgendwie massenpsychologische Phänomene gibt in Deepfakes das so in den Videos nicht mehr unterscheiden kannst ist jetzt wirklich wie unser Bundeskanzler?

00:36:58: oder das ist ein gestelltes Video und ich glaube dass das auch schon riesig für die Gesellschaft birgt.

00:37:02: Ich glaube das kann man lösen, aber ich würde es nicht soweit gehen, dass wir so einen Terminator-Szenario haben und DAI uns morgen wieder umbringt.

00:37:08: Okay, super spannend.

00:37:09: Und genau hier machen wir den Schwung zu den Kapitalmärkten weil letztendlich geht es uns immer um die Kapitalmerkte und Einfach schauen, was künstliche Intelligenz für uns bedeutet.

00:37:22: Für Anleger und Anleggerinnen?

00:37:24: Und was bedeutet das?

00:37:26: Worauf setzt man?

00:37:27: Also wie ich schon gestartet habe ja wir sehen auf und ab.

00:37:31: Jeden Tag gibt es eine neue Disruption oder man denkt, dass ist eine Disruption.

00:37:36: Wer ist aktuell davon verschont?

00:37:39: soll man da drauf setzen?

00:37:41: oder soll man langfristig denken?

00:37:43: Auf welche Branchen würdest du setzen?

00:37:45: Wie würdest Du diesen Trend spielen wollen?

00:37:48: Also sagen wir grundsätzlich die künstlichen Legendes ist gekommen, um zu bleiben.

00:37:51: Es ist kein Halb wie viele vielleicht manchmal behaupten sondern es hat wirklich einen Einfluss auf unsere Gesellschaft und es ermöglicht neue Märkte zu erschließen.

00:37:59: Es hilft uns zukünftig ein gigantisches Wirtschaftswachstum zu haben.

00:38:03: also das ist so der eine Bereich.

00:38:05: So nun muss man sich glaube ich die Frage stellen.

00:38:07: Wir haben ganz am Anfang über die Schaufelhersteller gesprochen.

00:38:09: wenn wir darüber sprechen wer profitiert dass sind sicherlich gerade die Firmen die logischerweise ganz vorne sind Und jetzt versuchen diesen Weg zur Ebenen von der KI, die dann mal steht und installiert ist.

00:38:20: Und die Modelle trainiert sind, dann entsprechend davon profitieren können?

00:38:23: Ich glaube ja.

00:38:24: wenn wir schauen wer kann darunter leiden?

00:38:26: ich glaube alles was damit zu tun hat sag mal wo du Dinge digital erledigst wo es um Daten geht und diese Daten irgendwie frei verfügbar sind als Beispiel Dann biegt das das Möglichkeit dass die KI logischerweise damit auch arbeiten kann und die bessere Ergebnisse liefert als jetzt vielleicht andere Software Tools in welcher form auch.

00:38:46: Ich gehe zum Beispiel mal.

00:38:47: das Gegenbeispiel wäre,

00:38:48: z.B.,

00:38:49: wenn du Firmen nimmst die drei D-Modelle erstellen, die du vielleicht für den Bau brauchst haben wir gerade übergesprochen oder auch im Designbereich.

00:38:55: Die haben natürlich sowohl die KI, die auf diese drei D-Modelle trainiert sind.

00:38:59: Wenn du heute zum Beispiel dir von ChatGPT ein Glas oder eine Taste zeigen würdest kannst du zwar die Tasse in die Drehen aber du kannst zum Beispiel nicht reingucken, da drin wär's halt eben nicht hoch und das können halt diese Firmen dieses Software Anbieter jetzt diese Radie Modell erstellen.

00:39:12: Und die Daten gehört denen.

00:39:13: also die Daten sind sich frei verfügbar und gleichzeitig hat es natürlich eine hohe Wertschöpfungskappe wenn du für dich irgendwie im Bereich für deinen Bau oder was auch immer einsetzen kannst.

00:39:21: Das ist der eine Bereich.

00:39:22: Und natürlich wenn du jetzt davon weggehst, klar dann kannst du all die Unternehmen nehmen.

00:39:25: Wir haben gerade über Biotechnologie als Beispiel genommen, die natürlich von profitieren und sagen wir sind im Bereich biotechnologie gut aufgestellt.

00:39:32: wie nutzen AI um vielleicht effizienter zu werden.

00:39:35: also als gutes Beispiel ich habe mal jetzt im letzten Jahr im Silicon Valley jemanden getroffen der war Mitgründer von OpenAI der einen Nasslabor entwickelt hat und wenn es darum geht neue Materialien zu erforschen Nehmt mal so was wie früher, wie Stahl sozusagen an neuen Materialien zu arbeiten.

00:39:51: Dann ist es ja unglaublich schwierig wenn du sowas im Labor irgendwie nachahmen möchtest und das macht natürlich KI-Unterstütz zu sagen okay welche Moleküle welcher Tome passen zusammen um das herauszubekommen?

00:40:00: und gleichzeitig kannst du aber auch X tausende von Test gleichzeitig machen mit Roboter haben usw.

00:40:04: genau da hinzukommen.

00:40:05: also ich lust solche Dinge hilft natürlich auch in die Chemieunternehmen selbst unternehmen die Materialien herstellen und so weiter wenn sie natürlich solche Tools einsetzen um diesen Weg halt eben zu gehen.

00:40:15: letztendlich die Möglichkeiten sind sehr groß und es werden neue Unternehmen auch entstehen.

00:40:20: Aber aktuell das Thema zu spielen, ist nicht nur Hyperscale – das war eigentlich letztes Jahr.

00:40:25: Letztendlich jetzt ist viel, viel breitere Wettchoppungskette wie du auch erwähnt hast Künstliche Intelligenz einsetzen davon profitieren und es gibt jetzt so viele Beispiele.

00:40:37: Ich habe mit einem Unternehmen gesprochen, die haben erzählt wie sie die ganze Wirtschaftungskette auf künstlichen Intelligenzen bei einen Schokoladenfabrikanten umgestellt haben oder eine Preissigstruktur von einem Logistikunternehmen.

00:40:50: die Unternehmen wirklich fangen an davon zu profitieren, nicht nur Effizienzen von einem Kundenservice oder im Telefonzentrale sozusagen rauszukriegen.

00:40:59: Sondern sie schaffen in der ganzen Wertschöpfungskette diese Effizenzen zu generieren und davon zu profitieren.

00:41:06: Also letztendlich das ist ein Trend des Ganzen Universums.

00:41:10: Dein Universum ist wahrscheinlich jetzt deutlich größer geworden in was du investieren kannst.

00:41:16: Was ist dann zu erwarten, wenn wir schon über dein Universum sprechen von so einem Technologieunternehmen oder von deinem Universum?

00:41:24: Über welche Renditen, Chancen sprechen wir und welche Risiken.

00:41:29: Kannst du das vergleichen?

00:41:30: vielleicht zu dem breiten Markt?

00:41:32: Ein Beispiel, was du gerade gesagt hast.

00:41:33: Ich meine auch wirklich Spür bei einem Alltag ist es ja auch so.

00:41:36: Nimm mal das Beispiel Netflix also ein Anbieter von Streaming-Plattformen für Filme und Serien

00:41:40: usw.,

00:41:41: für die vielleicht kein Netflix nutzen.

00:41:42: Und früher war's ja so dass du Vorschläge bekommen hast aber diese Datenpunkte, die sie hatten, das hat teilweise wie mehrere Tage gedauert um festzustellen was du gerne gucken möchtest.

00:41:51: Heute ist es so, wenn du dein Netflix aufmachst, es reicht... die Bewegung, wie du durch dieses Menü scrollst.

00:41:57: Dass sie in Millisekunden aktualisieren, was dich heute interessiert.

00:42:00: Also ihr wisst, mit welcher Handgestik du da durchskrollst?

00:42:04: Wie vielleicht noch das Wetter ist und wissen heute es dir nach Liebesfilmen oder

00:42:08: so.

00:42:09: Und da hilft natürlich EI auch dabei um auch in diese Empfehlung besser zu werden.

00:42:11: Das ist ein Wahnsinn wenn du das vergleißt, was vor zwei drei Jahren halt irgendwo war.

00:42:15: Da war sowas irgendwie unvorstellbar.

00:42:17: Und das ist genau der Punkt.

00:42:18: also für uns ist natürlich wichtig, ich schaue für den Stellarmito bei gesprochen Für uns zu überlegen, diese Disruption durch AI in welchen Bereichen kann die wirklich stattfinden?

00:42:27: Wo liefert sie mehr Wert beziehungsweise wer ist?

00:42:29: irgendwie steht er in der Gefahr.

00:42:32: Ich glaube grundsätzlich ist es so, dass dieses, egal in welcher Form du in diesem Bereich investierst natürlich irgendwie mit deutlich höheren Risiken behaftet ist als wenn du ein anderes Produkt nimmst was vielleicht auf Basic Produkte immer setzt.

00:42:44: Das sind Dividenden von Valuefonds oder was auch immer in diese Richtung.

00:42:47: Da hast du vielleicht weniger Renditen aber dafür auch weniger Risiken sozusagen und hier ist weniger Schwankungen.

00:42:53: Genau hier ist bei uns genau umgedreht.

00:42:55: Du kannst dann durch die Chance auf höhere Renditen, aber musst natürlich auch damit leben, dass du höhere Schwankung entsprechend den Bereich hast.

00:43:00: das war natürlich logischerweise für schnelllebiger ist.

00:43:02: Und natürlich Diversifikation ist ein großes Thema, Julia hoffentlich hört uns danach zu und das ist ihr Thema.

00:43:09: diversifizieren soll man um genau diese Risiken auszugleichen und zu welchem Anteil würdest du sagen könnte einen künstliche Intelligenzuniversum in einem Portfolio ausmachen?

00:43:21: Ja also wie das haben wir gerade übergesprochen die Schwankungsbreite ist natürlich hoch.

00:43:24: Risiken sind irgendwie hoch, es darf natürlich kein Kern Investment in einem Portfolio sein.

00:43:28: Es gibt ja diesen Satelliten Ansatz und ich glaube kürzlich Degenz sollte ein Satellit sein der in deinem Portfolie ist dann deutlich kleiner als deinem Basis Investors.

00:43:35: natürlich definitiv klar.

00:43:37: aber wie gesagt es geht mehr in die Breite.

00:43:40: Es sollte auf jeden Fall eine Portfolie vorkommen, das steht schon mal fest.

00:43:43: Das ist schonmal gut!

00:43:44: Okay dann lasst uns zum Thema kommen wie kann man investieren?

00:43:47: Wir machen natürlich keine Anlageberatung und alle Anlagen unterliegen Risiken.

00:43:53: aber vielleicht könntest du uns trotzdem sagen was ist spannend in diesem Bereich?

00:43:56: Naja

00:43:56: ich glaube wenn man sich Produktpaletten mir anschaut oder auch Radios bei der EWS dann hast du natürlich die Möglichkeit mit einem aktiv gemanagten Fonds irgendwie daran zu partizipieren also ein aktiven Fondsmanager der aus dem gesamten Universum durch entscheidet was jetzt gerade für momentan irgendwie die besseren Lieder entsprechen bringt.

00:44:13: oder aber du kannst natürlich an einem etf partizipieren mit dem etfpartizipier klar da muss natürlich auch ein bisschen genauer schauen wie nach welcher logik wird dieses etf halt zusammengesetzt?

00:44:22: manche etfs am markt ja meine sehr komische logischen bilden eigentlich gar nicht wirklich so dieses breite eispektrum habe.

00:44:28: ich glaube das muss noch ein bisschen berücksichtigen.

00:44:30: Und vielleicht der dritte Bereich ist für denjenigen, der es hochspekulativ mag.

00:44:34: Der kann natürlich auch an einen Fonds teilnehmen, die in Private Equity investieren, dass du direkt an großen Companies mitinvestierst aber da ist das Risiko nochmal deutlich höher.

00:44:44: Die Gebühren sind deutlich höher, aber auch das kann eine Option sein wie du an diesem Thema mitpartizipieren

00:44:49: kannst.".

00:44:49: Daniel, ich glaube, ich hätte dir noch hundert Fragen stellen können.

00:44:53: Aber wir müssen auch mit dieser Podcastfolge irgendwann fertig werden.

00:44:57: Vielen Dank!

00:44:58: Lass uns das jetzt erstmal zusammenfassen.

00:45:00: Ich würde sagen Punkt eins – Das ist kein Trend.

00:45:04: Das ist einfach die Realität, die uns noch sehr lange begleiten wird.

00:45:09: Künstliche Intelligenz ist gekommen um hier zu bleiben.

00:45:12: Ja gut, der zweite Punkt ist natürlich die Chancen liegen natürlich auch unter anderem entlang der Wertschöpfungskette.

00:45:16: Wir haben über Halbleiter, wir haben über Rechenzentren gesprochen bis hin zu konkreten Anwendungen wo KI natürlich helfen kann plus natürlich zukünftig weitergedacht in der Materialforschung und in der Biologie.

00:45:26: dort ist natürlich das sehr hilfreich aber logischerweise gibt es natürlich auch Risiken für Firmen die natürlich unter der KI leiden werden und vielleicht auch in der Zukunft nicht mehr existieren werden.

00:45:35: Und Punkt Nummer drei man kann über unterschiedliche Wege in die künstliche Intelligenz investieren.

00:45:41: Einerseits man kann in die Fonds oder ETFs investieren, die eine breite Diversifikation ermöglichen.

00:45:48: Oder über die einzelnen Anlagen aber dort ist natürlich deutlich höheres Risiko!

00:45:53: Ich würde sagen wir sind jetzt am Ende unseres Podcast.

00:45:56: Daniel vielen Dank das war super spannend und wir können noch weitere Folgen aufnehmen.

00:46:02: Wir gerne wiederkommen und uns noch mehr Updates geben und ich wünsche dir auch weiterhin viel Erfolg unseren Zuhörern.

00:46:10: Bleibt dabei, bleibt investiert, interessiert und wir hören uns nächstes Mal bei der nächsten Folge.

00:46:16: Vielen Dank!

00:46:17: Danke auch!

00:46:17: Tschüss!