Christian Bauckhage — KI: Wir haben noch gar nichts gesehen

19 Min. Lesezeit

Worum es geht

Einer der zentralen KI-Köpfe Deutschlands rechnet nüchtern vor, warum das Exponentielle uns überfordert — und warum jedes „Ja, aber” drei Monate später erledigt ist. Bauckhage hat 2016 eine simple Verdopplungsprognose aufgestellt, die seit zehn Jahren eintritt; jetzt zieht er Bilanz: AlphaFold, Mathe-Olympiade, 78 Stunden autonome Maschinenarbeit. Zwei Stunden ohne Hype, mit viel Expertise — und mit einem Satz, der hängen bleibt: Da, wo wir sind, ist immer der Anfang.

Quelle: Prof. Dr. Christian Bauckhage (Fraunhofer IAIS): KI — Wir haben noch gar nichts gesehen! — Mathe by Daniel Jung, 02.07.2026

Wer spricht?

Christian Bauckhage — Professor für Informatik an der Universität Bonn, Lead Scientist für Maschinelles Lernen am Fraunhofer IAIS und Co-Direktor des Lamarr-Instituts, eines von sechs KI-Kompetenzzentren Deutschlands. Hat theoretische Physik und Informatik studiert, forschte früh zu Game AI und schrieb mit Rafet Sifa ein Lehrbuch, das Quantencomputing über Hopfield-Netze erklärt. War 2019 schon einmal bei Daniel Jung zu Gast — dieses Gespräch ist die Bilanz.

→ DenkerVita

Inhalt

Die Wette von 2016 — eine Verdopplung pro Jahr

▶ 4:36 — Bauckhages Ausgangspunkt ist eine persönliche Blamage, die er offen erzählt. Als Game-AI-Forscher hatte er seinen Studierenden 2014 beigebracht, warum Schachcomputer funktionieren und Go nicht: „Ich werde es in meinem Leben nicht erleben, dass eine Maschine den Weltmeister in Go schlägt.” Zwei Jahre später schlug AlphaGo Lee Sedol — mit Methoden, die niemand auf dem Schirm hatte. Aus dieser Erschütterung zog er die Konsequenz, die das ganze Gespräch trägt: Wenn das Unmögliche geht, muss man sich auf lauter Unmögliches einstellen. Er nahm das größte neuronale Netz von 2016 (rund zehn Milliarden Verbindungen), verdoppelte es rechnerisch Jahr für Jahr — und landete um 2030 bei der Komplexität des menschlichen Gehirns.

▶ 7:37 — Zehn Jahre später hält er fest: „Bislang ist diese jährliche Verdopplungsprognose bei der Modellgröße voll eingetreten.” Die aktuellen Frontier-Modelle liegen im Billionen-Parameter-Bereich, eine Größenordnung unter dem Gehirn. Das Bemerkenswerte an dieser Prognose ist ihre Anspruchslosigkeit: kein Orakel, keine Theorie der Intelligenz, nur eine Exponentialfunktion und die Disziplin, ihr zu glauben. Bauckhage zitiert Bartletts Diktum, das größte Versagen der Menschheit sei ihre Unfähigkeit, die Exponentialfunktion zu verstehen — und gesteht im selben Atemzug, dass es auch ihn betrifft: Er sah die Kurve seit 2016 und hat trotzdem erst 2026 begriffen, was es heißt, „wenn die Dinger plötzlich coden können”.

AlphaFold, oder: wenn das Unmögliche fällt

▶ 12:56 — Das Beispiel, mit dem Bauckhage den Maßstab setzt, kommt aus der Molekularbiologie. Von 1957 bis 2018 gelang es der Menschheit, etwa 200.000 Proteinstrukturen dreidimensional zu entschlüsseln — mit Röntgenkristallographie, Laborarbeit, sogar Gamification-Puzzles im Internet. Dann kam DeepMinds AlphaFold: von 2018 bis zum Nobelpreis 2024 kamen 200 Millionen Strukturen dazu.

„Wem bei diesen Zahlen nicht schwindlig wird und klar wird, was KI leisten kann im Vergleich zu 70 Jahren konventioneller menschlicher Forschung — dem kann man eigentlich gar nicht mehr helfen.”

▶ 20:33 — Die Pointe wiederholt sich in der Mathematik im Zeitraffer: Anfang 2024 löste ein DeepMind-System Geometrieaufgaben („Geometrie ist ja einfach”, winkte ein Kollege ab), ein halbes Jahr später Silbermedaillen-Niveau bei der Mathe-Olympiade, im Sommer 2025 Gold — und 2026, so Bauckhage, widerlegte ein OpenAI-System eine Erdős-Vermutung, an der die Mathematik achtzig Jahre lang gescheitert war. Dass die Maschine dafür vermutlich zehntausend Anläufe brauchte, lässt er als Einwand nicht gelten: Die Menschheit hatte achtzig Jahre und null Anläufe, die trugen. Das Muster ist immer dasselbe — ein Problem gilt als prinzipiell unlösbar, man fordert Quantencomputer oder Jahrhunderte, und dann stellt sich heraus: Es war nur sehr hochdimensional, und ein großes neuronales Netz kann hochdimensionale Räume erfassen, für die das menschliche Gehirn nicht gebaut ist.

Wie lange arbeitet die Maschine allein?

▶ 27:27 — Die für Bauckhage beunruhigendste Kurve stammt vom METR-Institut in Kalifornien, das unabhängig misst, wie lange KI-Systeme autonom an Aufgaben arbeiten können — gemessen daran, wie lange ein menschlicher Topexperte für dieselbe Aufgabe bräuchte. Vor vier Jahren: eine Sekunde. Ende letzten Jahres: einige Stunden. Für Claude Opus 4.6 nennt Bauckhage 78 Stunden — METR selbst weist rund 14,5 Stunden aus, den höchsten je publizierten Wert (Faktencheck: überhöht). Am Kern ändert die Korrektur nichts: Auch die echte Kurve wächst exponentiell, und ihre Verlängerung führt auf dasselbe Jahrzehntende zu wie die Modellgrößen-Prognose:

„Da wäre man dann auch wieder im Jahr 2030 bei einer Leistungsfähigkeit, wo die auf einen Prompt hin quasi 10 Jahre Arbeit eines Menschen erledigen können. Und das ist, was mich halt nicht schlafen lässt.”

▶ 31:14 — Er buchstabiert aus, was das heißt: Ein Startup mit zehn Mitarbeitenden leistet zehn Personenjahre pro Jahr. Demnächst könnte ein Prompt in zwanzig Minuten liefern, wofür diese zehn Menschen ein Jahr brauchen. Was macht das mit der Wirtschaft, mit der Gesellschaft, mit uns? Bauckhage gibt darauf keine Antwort — er besteht nur darauf, dass die Frage ernst gemeint ist. Als beste verfügbare „Guideline” nennt er, halb im Ernst, Science-Fiction: Charles Stross’ Accelerando, in dem KI-Agenten untereinander eigene Finanzprodukte handeln und die Menschheit dem Geschehen in ihrer eigenen Ökonomie nicht mehr folgen kann. Was 1999 Satire war, liest sich 2026 wie eine Roadmap.

Weitergedacht

Wenn ein Prompt zehn Personenjahre liefert — wer promptet dann noch, und in wessen Auftrag? Verschiebt sich der Engpass der Wirtschaft von der Arbeit zur Frage, wer die richtigen Fragen stellen darf?

Überhitzt, aber kein Hype — das „Ja, aber” ist vorbei

▶ 59:39 — Auf die Frage, ob das alles nicht doch ein Hype sei, antwortet Bauckhage mit einer Unterscheidung, die das Gespräch von der üblichen Debatte abhebt: Die mediale Darstellung ist „absolut überhitzt” — die Fortschritte sind real. Die Einwände („der halluziniert doch”, „der kann nicht multiplizieren”) kämen von Leuten, die nicht auf dem neuesten Stand sind, „weil die ganzen Ja-abers der letzten zwei Jahre sich immer drei Monate später erledigt hatten”. Das Multiplikations-Argument etwa starb mit den agentischen Systemen, die erkennen, dass sie einen Taschenrechner aufrufen sollten.

„Da, wo wir sind, ist immer der Anfang. Denn das ist das Wesen von exponentiell: dass der nächste Schritt mehr ist, als jemals zuvor da war.”

▶ 61:11 — Als Warnung vor der Selbstgewissheit dient ihm die deutsche Autoindustrie, die sich für unangreifbar hielt — heute kommen die technisch wie ökonomisch besten E-Autos aus China, und die chinesischen Exportzugewinne seit 2018 spiegeln fast exakt die deutschen Verluste. Hätte man das 2016 mit deutschen Experten diskutiert: „Hätten alle gelacht.” Das Argument ist unbequem präzise, weil es kein KI-Argument ist, sondern ein Argument über die Kosten des „Ja, aber” — dieselbe Denkfigur, die er bei Robotern wiederfindet: Als im Februar Dutzende humanoide Roboter auf einer chinesischen Neujahrsbühne Salti schlugen, lautete der deutsche Kommentar, das sei ja alles nur vorprogrammiert. „Dieses ‚Ja, aber’ ist das Duseligste, was man machen kann.”

Der dumme Transformer — zehn Megawatt gegen 24 Watt

▶ 71:55 — Man könnte Bauckhage nach alldem für einen Skalierungs-Apologeten halten. Das Gegenteil ist der Fall — und hier wird das Gespräch wissenschaftlich am interessantesten. Über die Architektur, die den ganzen Boom trägt, sagt er Sätze, die man von einem Lead Scientist nicht erwartet: „Das, was ein Transformer macht, ist theoretisch gesehen katastrophal. Es ist wirklich das Dümmste” — im Wesentlichen gigantische Lookup-Tabellen; man könnte dasselbe vermutlich mit einer SQL-Datenbank mit einer Billion Parametern erreichen. Und im selben Atemzug: „Aber ich bin immer wieder überrascht, was damit möglich ist.” Der Transformer ist für ihn ein lokales Optimum in der Fitnesslandschaft — man muss da runter, hinten geht es höher hinauf.

▶ 41:15 — Das härteste Argument gegen den Status quo ist eine Energierechnung: Ein Hochleistungsrechenzentrum verbraucht rund zehn Megawatt, das menschliche Gehirn etwa 24 Watt — drei Größenordnungen. „Wir wissen, dass es prinzipiell auch günstig geht.” Daraus speist sich sein Forschungsprogramm der hybriden KI: Lernen aus Daten plus strukturiertes Vorwissen, damit kleine, spezialisierte Modelle entstehen, die nicht das ganze Internet und kein Rechenzentrum brauchen. Wer Buchhaltung automatisieren will, braucht kein Modell, das auch weiß, unter welchem Klima der Chardonnay in Kalifornien gedeiht. Der Befund dahinter ist grundsätzlicher, als er klingt: Die Branche skaliert, weil Skalieren funktioniert — nicht, weil es klug wäre.

Weitergedacht

Wenn der Transformer „das Dümmste” ist und trotzdem die Welt umbaut — was sagt das über den Zusammenhang von Verstehen und Wirken? Muss eine Technologie verstanden sein, um zu herrschen?

Europas schmaler Pfad: Verticals, kleine Modelle, eigene Daten

▶ 47:18 — Ein Frontier-Modell wie die aktuellen Anthropic-Systeme in Europa zu trainieren, hält Bauckhage derzeit für ausgeschlossen — nicht an der Rechenpower scheitert es („die Maschinen stehen rum”), sondern am Geld, das weder Wirtschaft noch Politik ausgeben wollen, und am Datenrecht: Amerikaner und Chinesen nehmen alles, was sie kriegen können, und warten notfalls die Sammelklage ab; Europa kann und will das nicht. Er nennt das ausdrücklich „eigentlich auch gut so” — und trotzdem einen Standortnachteil. Die Chance liegt woanders: in den Verticals. In den Datenbanken der europäischen Fertigungsindustrie steckt Know-how, das in keinem Frontier-Modell sein kann, weil es nie im Internet war. Daraus lassen sich spezialisierte Mittelstandsmodelle bauen — Medium-Size, feingetunt mit Firmendaten, lauffähig auf einem Serverschrank statt einem Rechenzentrum.

▶ 55:49 — Die Souveränitätsfrage stellt sich dabei konkreter, als die Politik sie diskutiert: Wer seine Probleme mit amerikanischen oder chinesischen Systemen bespricht, dessen Wissen landet „in der Regel in amerikanischen und chinesischen Datenbanken, die dann im nächsten Schritt wieder zum Training benutzt werden” — und plötzlich hat die Konkurrenz ein Modell, in dem das eigene Betriebswissen steckt. Beim Lamarr-Institut, das am deutschen Sophie-Projekt mitbaut (das Medium-Modell ist fertig, das 120-Milliarden-Modell in Arbeit), formuliert er den Anspruch bescheiden und stolz zugleich: Man weiß, wie man die Dinger baut — was fehlt, sind Computer, Datenreserven und der Wille, es zu bezahlen.

Weltmodelle und Roboter — das Gehirn fängt nicht bei null an

▶ 71:08 — Zu Yann LeCuns These, mit LLMs sei kein weiterer Durchbruch zu machen, es brauche Weltmodelle, hat Bauckhage eine doppelte Antwort. Einerseits: Weltmodell ist im Grunde nur ein anderes Wort für das, was er hybride KI nennt — Texte, Bilder und Videos bilden den menschlichen Erfahrungshorizont nicht ab. Andererseits meldet er einen Einwand an, der tiefer reicht als die übliche Verkörperungs-Debatte: „Das menschliche Gehirn fängt nicht bei null an.” Zehn Millionen Jahre Evolution sind das Pretraining, das ein Neugeborenes mitbringt — ein Gehirn, das sich darauf freut, die Sprache der Eltern zu hören und gehen zu lernen. Wäre da nur zufällige Neuronenaktivität, würden siebzig Jahre Lebenszeit nicht reichen. Wie LeCun das technisch nachbauen will, ist für ihn die offene Frage.

▶ 75:43 — Das Argument, für Roboter gebe es keine Trainingsdaten, lässt er dagegen nicht gelten: Nvidia lässt in Isaac Gym über Nacht zehn Millionen virtuelle Roboter durch physikalisch plausible Simulationswelten laufen — jeder mit leicht anderer Beinlänge, jede Treppe mal rutschig. Seine Prognose für die Physical AI folgt der bekannten Logik: Es ging dreißig Jahre nicht schnell, also glaubt niemand, dass es plötzlich schnell geht — aber sobald eine Technologie als Konsumprodukt auftritt, geht es immer schnell. Der Fortschritt, der früher zwanzig Jahre brauchte, passiert jetzt in fünf.

Die Universität nach dem 17-Minuten-Prompt

▶ 84:06 — Der stärkste Moment des Gesprächs ist eine Szene aus Bauckhages eigenem Hörsaal. Ein Doktorand zeigt ihm, wie er die Übungsaufgaben der Machine-Learning-Vorlesung löst: ein einziger, problemagnostischer Prompt — „Read exercise sheet 4 and solve all the problems … compile it to PDF” — Return. Nach 17 Minuten liegt die perfekte, fehlerfreie Abgabe vor, mit Kurven, nach denen niemand gefragt hatte. Dieselben Aufgaben sind darauf ausgelegt, dass Teams von vier bis fünf Studierenden ein bis zwei Tage daran arbeiten. Im letzten Semester haben erstmals alle Studierenden alle Aufgaben mit KI gelöst — womit die siebzig Jahre alte Klausurzulassung über Übungszettel tot ist: „Das ist vorbei.”

▶ 87:58 — Zugleich fielen die Klausuren am Semesterende schlechter aus als je zuvor — und eine chinesische Studie an 20.000 Schülern lieferte das Muster dazu: Mit KI waren die Hausaufgaben 20 Prozent besser und 20 Prozent schneller, die Prüfungsleistung am Ende 20 Prozent schlechter. Bauckhages Konsequenz ist keine Verbotspädagogik — Harvards KI-freie Kurse nennt er „den größten Schwachsinn, den ich je gesehen habe”, so wie die Taschenrechner-Panik der Achtziger. Was bleiben muss, ist das Urteilsvermögen: erkennen, dass eine Antwort „super aussieht, aber nicht ganz richtig ist” — und das geht nur, wenn man im Thema drinsteckt. Die Ausbildung müsse in die Breite statt in die Tiefe: Tiefenexpertise wird die KI ohnehin bald besser haben; gebraucht werden Menschen, die Querbezüge, Analogien und Anschlussfragen bauen. Und eine Ehrlichkeit, die an einer Universität selten zu hören ist: Informatik als sicherer Weg zu gutem Geld — „ist vorbei. So offen muss man sein.” Wen das Fach nicht intrinsisch interessiert, für den ist da nichts mehr; wer dafür brennt, für den „gab es nie ein Problem und wird’s weiterhin keins geben”.

Weitergedacht

Die China-Studie zeigt: 20 Prozent produktiver, 20 Prozent schlechter im eigenen Können. Wenn dieselbe Rechnung für Erwachsene im Beruf gilt — merken wir die Erosion überhaupt noch, solange die Ergebnisse gut aussehen?

Get your boat ready — was dem Menschen bleibt

▶ 62:43 — Am Horizont des Gesprächs stehen Meldungen, die einzeln klein wirken und zusammen ein Bild ergeben. Argentinien plant eine deregulierte KI-Politik, unter der reine KI-Firmen möglich werden — Steuerberatung ohne einen einzigen Menschen, 2026 technisch problemlos, in Europa rechtlich undenkbar. Bauckhage erinnert daran, wo die Wertschöpfung wirklich sitzt: Taiwan fertigt die Chips, aber der Wert liegt in den Bauplänen aus Amerika — kognitive Arbeit. Wenn die demnächst irgendwo auf der Welt beliebig skalierbar wird, hilft kein „betrifft mich nicht”. Sein Rat an Firmen ist entsprechend unglamourös: den eigenen Painpoint identifizieren, Zugang zu Expertise schaffen (sie muss nicht im Haus sein, aber schnell erreichbar), KI-Budget einplanen. Und darüber die Formel, die er dem Mittelstand mitgibt: get your boat ready, the storm is coming.

▶ 114:56 — Auf die Frage, was in sieben Jahren sein wird, verweigert er zum ersten Mal die Prognose — der Mann, dessen Zehn-Jahres-Prognose gerade eingetreten ist:

„Die nächsten paar Jahre werden die spannendsten in der Menschheitsgeschichte. Was dann ist, ist wirklich nicht mehr zu sagen. Die einzige Richtschnur ist Science-Fiction.”

Dass eine utopische Auflösung wahrscheinlich sei, glaubt er nicht — „weil die Menschheit immer alles verbockt”; für jemanden aus der Antike wäre unsere Gegenwart bereits das Paradies, und doof ist die Welt trotzdem. Was er stattdessen anbietet, ist eine Haltung: sich vom „Ja, aber” freimachen und fragen, wo man noch gestaltend mitwirken kann. Es ist die Haltung eines Wissenschaftlers, der seine eigene Fehlprognose von 2014 nie vergessen hat — und der deshalb weder dem Hype glaubt noch der Beruhigung.

Faktencheck

Bestätigt — AlphaFold & Chemie-Nobelpreis

Vor AlphaFold waren über Jahrzehnte experimenteller Arbeit rund 200.000 Proteinstrukturen in der Protein Data Bank hinterlegt; die AlphaFold-Datenbank stellt inzwischen über 200 Millionen vorhergesagte Strukturen bereit. Der Chemie-Nobelpreis 2024 ging zur Hälfte an Demis Hassabis und John Jumper (AlphaFold), die andere Hälfte an David Baker (Protein-Design). Quelle: Nobelprize.org — Chemie 2024, DeepMind

Bestätigt — Physik-Nobelpreis 2024 (Hopfield)

Der Physik-Nobelpreis 2024 ging an John J. Hopfield und Geoffrey Hinton für grundlegende Entdeckungen zum maschinellen Lernen mit neuronalen Netzen. Hopfields Netz stammt aus der Physik ungeordneter Systeme (Spin-Gläser/Ising) — Bauckhages Einordnung ist korrekt. Quelle: Nobelprize.org — Physik 2024

Bestätigt — Mathe-Olympiade: Silber 2024, Gold 2025

AlphaGeometry wurde Januar 2024 vorgestellt; bei der IMO 2024 erreichte AlphaProof + AlphaGeometry 2 mit 28/42 Punkten Silbermedaillen-Niveau (ein Punkt unter Gold). 2025 erreichten sowohl Google DeepMind (Gemini Deep Think) als auch OpenAI Gold-Niveau. Die Chronologie stimmt. Quelle: DeepMind — Silber IMO 2024, DeepMind — Gold IMO 2025

Bestätigt — Erdős-Vermutung von KI widerlegt

Am 20. Mai 2026 gab OpenAI bekannt, dass ein internes Reasoning-Modell die 1946 von Erdős formulierte Unit-Distance-Vermutung (Punktabstände in der Ebene) — rund 80 Jahre offen — widerlegte; der Beweis wurde extern u. a. von Tim Gowers und Noga Alon bestätigt. Bauckhages „widerlegt” (nicht „bewiesen”) ist präzise; sein „vor zwei Wochen” war eher sechs Wochen — für den Kern unerheblich. Quelle: OpenAI, Gil Kalai — Combinatorics and more

Bestätigt — Argentiniens KI-Deregulierung

Anfang Juli 2026 warb Javier Milei (FT-Gastbeitrag) dafür, Argentinien zum weltweit liberalsten KI-Standort zu machen — inklusive „nicht-menschlicher Unternehmen”: rein aus KI bestehende Firmen ohne Angestellte und ohne menschliche Geschäftsführung. Quelle: taz, Handelsblatt

Vereinfacht — China-Studie („20/20/20")

Die Studie existiert: „The Generative AI Learning Penalty” (Strömberg/Lei/Wu) — 26.811 chinesische Schüler über 30 Monate. Befund: Hausaufgaben +18 %, Bearbeitungszeit −30 %, Monatsprüfungen −20 % (Aufnahmeprüfungen bis −24 % nach zwei Jahren). Bauckhages „20.000 Schüler, 20/20/20” rundet zur eingängigen Zahl — Richtung und Größenordnung stimmen. Wichtig: CEPR-Discussion-Paper, noch nicht peer-reviewt — ein starker, aber vorläufiger Datenpunkt. Quelle: CEPR DP21577

Vereinfacht — METR-Kurve & die „78 Stunden"

METR (Model Evaluation & Threat Research) ist eine unabhängige gemeinnützige Forschungsorganisation. Der gemessene „Time Horizon” wächst tatsächlich exponentiell — aber für Claude Opus 4.6 weist METR rund 14,5 Stunden aus (bei 50 % Aufgaben-Erfolg, mit dem Hinweis, dass Messungen über 16 Stunden unzuverlässig werden), nicht 78. Bauckhages Zahl ist um ein Mehrfaches überhöht; im Fließtext korrigiert. Quelle: METR — Time Horizons

Bestätigt — Größenordnungen (Parameter, Synapsen, Energie)

Frontier-Modelle 2026 im Billionen-Parameter-Bereich; menschliches Gehirn ~100 Billionen Synapsen (eine Größenordnung darüber); Gehirn-Leistungsaufnahme in der Literatur ~20 W (Bauckhages „24 W” liegt im Streubereich); Frontier-Training in der Größenordnung ~100 Mio. Dollar (von ihm selbst mit „angeblich” markiert). Als Größenordnungen tragfähig — die „jährliche Verdopplung” bleibt eine grobe Trendaussage, kein exaktes Gesetz (MoE-Modelle aktivieren nur einen Bruchteil ihrer Parameter). Quelle: Nobelprize.org — Hintergrund

Nicht eindeutig belegt — Deutsche vs. chinesische Exportkurven

Der grobe Trend (Chinas steigende, Deutschlands schrumpfende Industrieexportanteile seit 2018) ist plausibel; die kurvengenaue Spiegelung „chinesische Zugewinne = deutsche Verluste” ist eine Zuspitzung. Keine unabhängige Quelle gefunden, die die exakte Spiegelung stützt.

Weiterführende Quellen

Aus der Video-Beschreibung:

  • Fraunhofer IAIS — Bauckhages Institut für angewandtes maschinelles Lernen
  • Lamarr-Institut — eines von sechs deutschen KI-Kompetenzzentren, Bauckhage ist Co-Direktor

Im Gespräch erwähnt:

  • METR — kalifornisches Forschungsinstitut, misst die autonome Arbeitsdauer von KI-Systemen (die „Time-Horizon”-Kurve des Gesprächs)
  • Charles Stross: Accelerando (2005) — Science-Fiction über eine Ökonomie, die von KI-Agenten davongetragen wird; für Bauckhage „gerade in Action”
  • Emad Mostaque: The Last Economy — Buch des Stability-AI-Gründers über Ökonomie nach der KI
  • Christian Bauckhage & Rafet Sifa: Lehrbuch zu Quantencomputing über Hopfield-Netze — genialokal-Suche
  • AlphaFold Protein Structure Database — die 200 Millionen Strukturen von DeepMind
  • NVIDIA Isaac Gym / Isaac Lab — Simulationsumgebung, in der virtuelle Roboter trainieren
  • OpenGPT-X — europäische Sprachmodell-Initiative mit Lamarr-Beteiligung
  • KI.NRW — Plattform, die Unternehmen mit KI-Expertise verbindet

Aus dem Faktencheck (Sherlock):

Verbindungen

→ Ken Ono — Wenn das Wissen billig wird

Die stärkste Brücke: Zwei Spitzenwissenschaftler, deren eigenes Fach von der Maschine eingeholt wird — Bauckhages AlphaFold und die widerlegte Erdős-Vermutung sind das, was Ono als „Wissen wird billig” erlebt. Beide ziehen dieselbe Bildungs-Konsequenz: Der 17-Minuten-Prompt und die China-Studie sind der empirische Beleg für Onos „Urteil wird teuer” — Tiefenexpertise wandert an die KI, dem Menschen bleibt das Prüfen und die gute Frage.

→ Büttner & Kaufmann — KI-Souveränität in Europa

Bauckhage liefert das technische Fundament unter deren politischer Souveränitätsdebatte: Sein 24-Watt-Argument gegen 10 Megawatt und die hybride KI der kleinen Verticals begründen, warum Europas Weg nicht das Frontier-Modell ist, sondern das feingetunte Mittelstandsmodell auf dem Serverschrank. Die Datenabfluss-Sorge teilen beide fast wörtlich — wer sein Betriebswissen an US/China-Systeme gibt, trainiert die Konkurrenz.

→ rp26 — KI-Industriepolitik richtig gemacht

Kaltheuner und Jung diagnostizieren Marktkonzentration und fordern staatliche Lenkung („AI Directionism”); Bauckhage gibt aus der Ingenieursperspektive die Antwort, wo Europas realistischer Hebel liegt — nicht bei Rechenpower (die „steht rum”), sondern bei Willen, Datenrecht und den Verticals. Beide Notes teilen die Absage an das „Ja, aber”, aber Bauckhage bleibt konkreter beim technisch Machbaren.

→ Die goldenen Türme — eine Dystopie der Maschinen-Ära

Bauckhages nüchterne Rechnung — ein Prompt liefert in 20 Minuten, wofür zehn Menschen ein Jahr brauchen — ist die empirische Kurve unter Lucs Gedankenexperiment der Entbehrlichkeit. Seine Verweise auf Argentiniens reine KI-Firmen, The Last Economy und Accelerando zeichnen dieselbe Ökonomie, die den Menschen als Produzenten und Käufer überflüssig macht.

→ Wenn die Maschine die Arbeit nimmt — wohin kippt die Gesellschaft

Die lebende Spur, die das Tauziehen zwischen Utopie und Dystopie der Automatisierung verfolgt — Bauckhages Zahlen (Verdopplungsprognose, METR-Zeithorizonte, „10 Jahre Arbeit auf einen Prompt”) sind frischer, datierter Brennstoff für genau die Frage, wohin die Gesellschaft kippt, wenn kognitive Arbeit beliebig skalierbar wird.

→ Zentral oder dezentral — die Schicht zwischen Mensch und Wissen

Bauckhages hybride KI — kleine, spezialisierte Modelle statt eines alles-wissenden Rechenzentrums — ist die technische Seite der Machtfrage, die diese Spur stellt: Wer kontrolliert die Schicht zwischen Mensch und Wissen? Sein Befund, dass Betriebswissen sonst „in amerikanischen und chinesischen Datenbanken” landet, macht die Dezentralisierung von einer Effizienz- zur Souveränitätsfrage.

→ Markus Gabriel — Ethische Intelligenz

Ein produktiver Kontrast zweier Bonner Denker: Der Philosoph Gabriel deutet KI als Resonanzfeld und moralischen Fortschrittsmotor — der Lead Scientist Bauckhage entzaubert dieselbe Technik als „das Dümmste, was man machen kann”, gigantische Lookup-Tabellen in einem lokalen Optimum. Beide fragen, ob eine Technologie verstanden sein muss, um zu wirken — und geben gegensätzliche Antworten.

Weiterdenken

Was Sokrates vielleicht gefragt hätte

  • Bauckhages Verdopplungsprognose trifft seit zehn Jahren ein — aber eine Kurve, die bisher stimmte, ist kein Naturgesetz. Woran würde man rechtzeitig erkennen, dass das Exponentielle in ein Plateau kippt — und wer hätte ein Interesse, dieses Erkennen zu verzögern?
  • Wenn Tiefenexpertise an die Maschine geht und dem Menschen „die Breite” bleibt: Ist das eine neue Würde des Generalisten — oder die höfliche Beschreibung davon, dass der Mensch nur noch prüft, was er nicht mehr selbst könnte?
  • Bauckhage nennt Science-Fiction die „einzige Richtschnur”. Was heißt es für eine Gesellschaft, wenn ihre seriöseste Zukunftsplanung aus Romanen stammt — und ihre Institutionen (Klausuren, Berufsbilder, Arbeitsrecht) noch aus dem letzten Jahrhundert?
  • Das 24-Watt-Argument zeigt: Intelligenz kann sparsam sein. Wenn Europa aus Not die effiziente, kleine, hybride KI baut, während Amerika aus Reichtum skaliert — wäre die Knappheit dann zum ersten Mal ein Standortvorteil?
  • Der Professor sagt seinen Studierenden ehrlich, dass das Versprechen „Studium = sicheres Einkommen” gefallen ist. Was schulden Institutionen den Menschen, die sie unter dem alten Versprechen angeworben haben?

Backlinks