Guten Morgen!

Willkommen zum KI-Briefing!

Die vergangenen Tage zeigten, wie KI in unterschiedlichen Branchen zunehmend funktional integriert wird. Googles Gemma 3n bringt multimodale Modelle aufs Smartphone – ein Signal für wachsende technische Reife und neue Anforderungen an Datenschutz und Regulierung. Salesforce wiederum professionalisiert mit Agentforce 3 den Einsatz von KI-Agenten, was den Weg zu skalierbaren Anwendungen in Unternehmensprozessen ebnet.

Gleichzeitig verschärft sich der Blick auf die Herkunft von Trainingsdaten: Das Teilurteil im Fall Anthropic schafft erste juristische Klarheit, während Goldman Sachs mit einem konzernweiten KI-Assistenten aufzeigt, wie generative Modelle bereits heute produktiv eingesetzt werden können. In Biotech und Genomik zeigen DeepMind und EvolutionaryScale, wie KI zur Grundlage wissenschaftlicher Neuentdeckungen wird – mit zunehmendem Anspruch auf Erklärungstiefe und Präzision.

Wenn Sie das KI-Briefing als Bereicherung empfinden, würden wir uns sehr freuen, wenn Sie es an Kollegen, Mitarbeiter oder Vorgesetzte weiterempfehlen könnten. Mit einer wachsenden Leserschaft können wir einzigartigere Inhalte schaffen, die einen direkten Mehrwert für alle bieten. Falls Sie diesen Newsletter weitergeleitet bekommen haben, können Sie sich ganz einfach hier anmelden.

Was Sie in diesem Briefing erwartet

  • News: DeepSeek droht EU-weites App-Store-Aus, Anthropic erzielt Teilerfolg in US-Urheberrechtsstreit, Salesforce bringt Agentforce 3 für KI-Agenten auf den Markt, Google bringt Gemma 3n für lokale KI-Anwendungen, Tesla startet Robotaxi-Service in Austin mit Model Y, DeepMind bringt AlphaGenome für Genomforschung auf den Markt & EvolutionaryScale entwickelt künstliche Proteine mit ESM3

  • Deep Dive: Wie Unternehmen heute zehnfach schneller wachsen können als ihre etablierten Wettbewerber 🚀

  • In aller Kürze: Amazon warnt vor Jobabbau durch KI und ruft Mitarbeiter zu Weiterbildung auf, Nvidia und Foxconn automatisieren Serverproduktion mit humanoiden Robotern ab 2026, Meta verpflichtet Ex-OpenAI-Forscher für Superintelligenz-Team zur Entwicklung neuer KI-Modelle, Baidu öffnet Ernie Sprachmodell und setzt globale KI-Konkurrenz unter Preisdruck & SoftBank plant milliardenschweren KI-Roboterkomplex in Arizona mit möglicher TSMC-Partnerschaft

  • Videos & Artikel: OpenAI baut Superzentrum in Texas und globale Ungleichheit bei KI-Rechenleistung verschärft sich, Neue Studien zeigen logische Schwächen moderner KI und stellen Versprechen von Superintelligenz in Frage, China plant KI-Weltherrschaft bis 2030 trotz US-Sanktionen und setzt auf staatlich gestützte Innovationsstrategie, Netflix und Schauspielverband einigen sich auf erste verbindliche Regeln für KI-Nutzung in Filmproduktionen & Microsoft sieht KI als Werkzeug für gesellschaftlichen Fortschritt

  • Impuls: Kleine Lehrer, große Wirkung

  • Umfrage: Wie stimmen Sie der Aussage zu: „Nicht jede Entscheidung muss menschlich sein, aber jede Verantwortung schon“?

  • Meinung: Wenn KI Entscheidungen trifft, gerät die Legitimität an ihre Grenzen 🌏

  • Praxisbeispiel: Software 3.0 und die neue Ära teilautonomer KI-Anwendungen 🎓

  • YouTube: Vom Feuer zur Vier-Tage-Woche wie Arbeit unser Leben formt 🔥🌴

News

Europäischer Datenschutz

DeepSeek droht EU-weites App-Store-Aus

Quelle: Shutterstock

Zusammenfassung: Die Berliner Datenschutzbeauftragte Meike Kamp hat Apple und Google aufgefordert, die chinesische KI-App DeepSeek aus ihren deutschen App-Stores zu entfernen. Grund ist die rechtswidrige Übertragung personenbezogener Daten deutscher Nutzer nach China, ohne ausreichende Schutzmaßnahmen gemäß der Datenschutz-Grundverordnung (DSGVO). DeepSeek speichert umfangreiche Nutzerdaten auf Servern in China und konnte keine adäquaten Sicherheitsvorkehrungen nachweisen. Eine freiwillige Entfernung der App durch das Unternehmen blieb aus. Sollte Apple und Google der Aufforderung nachkommen, könnte dies faktisch einem EU-weiten Verbot gleichkommen.

  • Verstoß gegen EU-Datenschutzrecht: DeepSeek überträgt personenbezogene Daten wie Chatverläufe, hochgeladene Dateien und Geräteinformationen auf Server in China. Da China kein angemessenes Datenschutzniveau gemäß der DSGVO gewährleistet, stellt dies einen Verstoß gegen Artikel 46(1) der Verordnung dar.

  • Internationale Reaktionen: Neben Deutschland haben bereits Italien, die Niederlande, Australien, Südkorea und mehrere US-Bundesstaaten Maßnahmen gegen DeepSeek ergriffen. Diese reichen von App-Store-Blockaden bis hin zu Verboten auf Regierungsgeräten, was die wachsende Besorgnis über Datenschutz und nationale Sicherheit unterstreicht.

  • Mögliche Auswirkungen auf den EU-Markt: Sollten Apple und Google die App entfernen, könnte dies zu einem de facto EU-weiten Verbot führen. Dies würde den Zugang von DeepSeek zum europäischen Markt erheblich einschränken und könnte andere nationale Regulierungsbehörden dazu veranlassen, ähnliche Schritte zu unternehmen.

Warum das wichtig ist: Der Fall DeepSeek ist mehr als ein datenschutzrechtlicher Präzedenzfall – er signalisiert eine geopolitische Aufrüstung im digitalen Raum. Europas Regulierungsbehörden machen deutlich, dass sie bereit sind, globale Tech-Konzerne – insbesondere aus China – vom Markt auszuschließen, wenn diese europäische Datenschutzstandards unterlaufen. Für Unternehmen bedeutet das: Compliance ist nicht länger nur ein rechtliches Thema, sondern ein strategischer Wettbewerbsfaktor. Wer in Europa präsent sein will, muss technische und organisatorische Garantien liefern – oder riskiert, regulatorisch ausgeschlossen zu werden. Gleichzeitig verschärft sich der globale Technologie-Konflikt, in dem Datenschutz zum Hebel wirtschaftlicher Machtprojektion wird.

Urheberrecht

Anthropic erzielt Teilerfolg in US-Urheberrechtsstreit

Quelle: Anthropic

Zusammenfassung: Ein US-Bundesgericht hat entschieden, dass Anthropic beim Training seiner KI-Modelle auf legal erworbene Bücher das Urheberrecht nicht verletzt hat. Richter William Alsup stufte die Nutzung als „exzeptionell transformativ“ ein und somit als Fair Use. Allerdings muss sich das Unternehmen wegen der Verwendung von über sieben Millionen Raubkopien vor Gericht verantworten. Das Urteil stellt einen bedeutenden Schritt in der juristischen Einordnung von Daten für das KI-Training dar.

  • Gerichtliche Bewertung des KI-Trainings: Das Gericht entschied, dass das Training von KI-Modellen auf legal erworbenen Büchern unter den Fair-Use-Grundsatz fällt, da es sich um eine transformative Nutzung handelt, die nicht die ursprünglichen Werke ersetzt.

  • Vorwurf der Urheberrechtsverletzung durch Raubkopien: Anthropic wird vorgeworfen, über sieben Millionen Bücher aus Pirateriequellen wie Library Genesis und Pirate Library Mirror heruntergeladen und gespeichert zu haben. Das Gericht sieht hierin eine mögliche Urheberrechtsverletzung, die in einem separaten Verfahren geklärt werden soll.

  • Auswirkungen auf die KI-Industrie: Die Entscheidung könnte als Präzedenzfall für andere KI-Unternehmen dienen, die ähnliche Trainingsmethoden verwenden. Sie betont die Notwendigkeit, zwischen legalen und illegalen Datenquellen zu unterscheiden.

Warum das wichtig ist: Das Urteil zieht erstmals eine juristisch belastbare Linie zwischen zulässigem Training auf legalen Inhalten und potenziell rechtswidriger Nutzung von Raubkopien. Für Unternehmen im KI-Sektor entsteht daraus ein klarer regulatorischer Erwartungshorizont mit direkten Implikationen für strategische Kernfragen. Welche Daten sind nutzbar, welche bergen Klagerisiken, und wie lässt sich rechtliche Absicherung in globale Trainingsarchitekturen integrieren? Die Entscheidung wirkt über den Einzelfall hinaus als Signal an Märkte, Gesetzgeber und Aufsichtsbehörden, dass Datenherkunft und Dokumentation künftig entscheidende Faktoren für Skalierbarkeit, Kapitalzugang und Marktzulassung von KI-Systemen werden.

KI-Agenten

Salesforce bringt Agentforce 3 für KI-Agenten auf den Markt

Zusammenfassung: Salesforce hat mit Agentforce 3 eine überarbeitete Plattform für KI-Agenten vorgestellt, die Unternehmen mehr Transparenz, Steuerung und Integration verspricht. Herzstück ist das neue Command Center, das Echtzeiteinblicke in Leistung und Effizienz der eingesetzten Agenten bietet. Neu ist außerdem die Unterstützung des offenen Standards Model Context Protocol (MCP), der eine reibungslose Anbindung an Dienste wie PayPal, Google Cloud oder Stripe ermöglicht. Ergänzt wird das Update durch eine leistungsstärkere Architektur, über 100 neue branchenspezifische Aktionen sowie ein flexibles Preismodell für unbegrenzte Nutzung.

  • Überwachung und Steuerung von KI-Agenten: Das neue Agentforce Command Center erlaubt es Unternehmen, KI-Agenten in Echtzeit zu überwachen und fundierte Entscheidungen zu treffen. Es liefert detaillierte Metriken wie Latenzzeiten und Fehlerquoten, was eine gezielte Optimierung des Kundendienstes und anderer Prozesse ermöglicht.

  • Interoperabilität durch offenen Standard: Die Integration des Model Context Protocols (MCP) erlaubt standardisierte Verbindungen zu externen Services. So können Unternehmen schnell und ohne individuelle Schnittstellen Dienste wie Kartendienste, Zahlungsabwickler oder Dokumentenverarbeitung direkt in ihre KI-Workflows einbinden.

  • Technologische Basis deutlich gestärkt: Die überarbeitete Atlas-Architektur bietet eine gesteigerte Performance mit höherer Ausfallsicherheit und geringeren Antwortzeiten. Zudem stehen nun gehostete Large Language Models wie Claude direkt in Salesforce-Infrastrukturen bereit – auch in deutscher Sprache.

Warum das wichtig ist: Mit Agentforce 3 räumt Salesforce gleich drei Bremsklötze aus dem Weg, die Unternehmen bisher vom Skalieren ihrer KI-Agenten abgehalten haben – mangelnde Transparenz, mühsame Integrationen und Compliance-Risiken. Das neue Command Center liefert prüffähige Echtzeit-Metriken, die kommende Vorgaben wie den EU-AI-Act oder DORA adressieren und so Governance-Lücken schließen. Durch den offenen Model Context Protocol Standard entfallen proprietäre Schnittstellen, sodass PayPal, Stripe oder künftige Gov-Cloud-Dienste ohne teure Middleware andocken können – was Time-to-Market und Vendor-Lock-in-Risiken deutlich senkt. Da gehostete LLMs wie Claude nun nativ in der Salesforce-Infrastruktur laufen, lassen sich sensible Kundendialoge oder Finanzprozesse innerhalb bestehender Compliance-Grenzen automatisieren. Kurz gesagt, Agentforce 3 macht aus KI-Pilotprojekten produktive und skalierbare Wertschöpfung und öffnet damit den Weg zu neuen Geschäftsmodellen, ohne dass Unternehmen regulatorisch oder technisch auf der Bremse stehen müssen.

KI-Modelle

Google bringt Gemma 3n für lokale KI-Anwendungen

Zusammenfassung: Google hat mit Gemma 3n ein neues multimodales KI-Modell vorgestellt, das speziell für den lokalen Einsatz auf Geräten mit begrenzten Ressourcen wie Smartphones, Tablets oder Laptops konzipiert ist. Das Modell basiert auf der Matryoshka-Transformer-Architektur und nutzt Per-Layer Embedding Caching, um bei hoher Effizienz eine geringe Speicherlast zu gewährleisten. Gemma 3n verarbeitet Text, Bilder, Audio und Videos, läuft mit nur 2 GB RAM und funktioniert vollständig offline. Damit eröffnet es neue Anwendungsmöglichkeiten in sensiblen oder netzfernen Umgebungen, ohne auf Cloud-Infrastruktur zurückgreifen zu müssen.

  • Flexibilität der Modellarchitektur: Die Matryoshka-Architektur ermöglicht es, kleinere Submodelle innerhalb des Hauptmodells zu aktivieren. Dadurch kann die Leistung gezielt an die Hardware angepasst und zwischen Qualität und Geschwindigkeit gewählt werden.

  • Multimodale Fähigkeiten für mobile Geräte: Gemma 3n verarbeitet gleichzeitig Sprache, Text, Bilder und Videos direkt auf dem Gerät. Es eignet sich für Live-Anwendungen wie Transkription, visuelle Analyse oder Übersetzung in über 140 Sprachen.

  • Datenschutz durch Offline-Nutzung: Das Modell läuft vollständig ohne Internetverbindung und schützt dadurch sensible Nutzerdaten. Es erlaubt die Entwicklung interaktiver KI-Funktionen ohne Cloud-Abhängigkeit oder Datenübertragung.

Warum das wichtig ist: Gemma 3n signalisiert nicht nur eine technische Innovation, sondern eine strukturelle Neuausrichtung im Machtgefüge der KI-Ökonomie. Die Fähigkeit, multimodale KI vollständig offline und auf einfachen Geräten zu betreiben, unterwandert das bisherige Infrastrukturmonopol der großen Cloud-Anbieter. Damit entsteht ein neuer strategischer Möglichkeitsraum: Unternehmen können KI näher an die Wertschöpfungskette bringen – ohne Abhängigkeit von externen Plattformen. Für Regulierer wird die Frage drängend, wie Kontrolle und Aufsicht funktionieren sollen, wenn KI zunehmend unsichtbar in der Peripherie agiert. Und für Staaten wird klar: Wer technologische Souveränität ernst meint, muss sich mit lokal lauffähigen Modellen auseinandersetzen – nicht nur mit Rechenzentren und Hyperscalern.

Autonomes Fahren

Tesla startet Robotaxi-Service in Austin mit Model Y

Quelle: Shutterstock

Zusammenfassung: Tesla hat am 22. Juni 2025 seinen Robotaxi-Dienst in Austin, Texas, gestartet. Zum Einsatz kommen bis zu 20 modifizierte Model Y Fahrzeuge, die in einem begrenzten Stadtgebiet verkehren. Obwohl die Fahrzeuge ohne Fahrer im Lenkradbereich operieren, befindet sich ein Tesla-Mitarbeiter auf dem Beifahrersitz als Sicherheitsüberwacher. Die Fahrten kosten pauschal 4,20 US-Dollar und sind derzeit nur für ausgewählte Nutzer zugänglich. Tesla setzt bei diesem Dienst ausschließlich auf kamerabasierte Sensorik und verzichtet auf Lidar oder Radar.

  • Technologische Umsetzung: Die eingesetzten Model Y Fahrzeuge sind mit Teslas Full Self-Driving (FSD) Software ausgestattet, die ausschließlich auf Kameras basiert. Ein Sicherheitsmitarbeiter auf dem Beifahrersitz kann bei Bedarf eingreifen. Die Fahrzeuge operieren in einem geofencing-beschränkten Bereich von Austin und vermeiden komplexe Verkehrssituationen sowie schlechtes Wetter.

  • Regulatorische Reaktionen: Nach dem Start des Dienstes wurden mehrere Verkehrsverstöße dokumentiert, darunter das Fahren in falschen Fahrspuren und Geschwindigkeitsüberschreitungen. Dies führte zu einer Untersuchung durch die National Highway Traffic Safety Administration (NHTSA). Kritiker bemängeln Teslas Verzicht auf Lidar-Sensoren, die bei anderen Anbietern wie Waymo zum Einsatz kommen.

  • Zukünftige Pläne: Tesla plant, die Flotte in den kommenden Monaten auf über 1.000 Fahrzeuge zu erweitern und den Dienst auf weitere Städte auszuweiten. Das speziell für diesen Zweck entwickelte Cybercab, ein Fahrzeug ohne Lenkrad und Pedale, soll zu einem späteren Zeitpunkt eingeführt werden. Ein genauer Zeitplan für die vollständige Autonomie ohne Sicherheitsüberwacher wurde jedoch nicht genannt.

Warum das wichtig ist: Teslas Einstieg in den Robotaxi-Markt markiert einen bedeutenden Schritt in der Entwicklung autonomer Mobilitätsdienste. Der Verzicht auf Lidar und die ausschließliche Nutzung von Kameras könnten die Produktionskosten senken, werfen jedoch Sicherheitsbedenken auf. Die regulatorischen Reaktionen und technischen Herausforderungen zeigen, dass trotz technologischer Fortschritte noch erhebliche Hürden für die breite Einführung autonomer Fahrzeuge bestehen. Teslas Ansatz könnte die Diskussion über Sicherheitsstandards und regulatorische Anforderungen im Bereich des autonomen Fahrens neu entfachen.

Genomik

DeepMind bringt AlphaGenome für Genomforschung auf den Markt

Quelle: DeepMind

Zusammenfassung: AlphaGenome ist ein neues KI-Modell von Google DeepMind, das die Auswirkungen genetischer Varianten auf die Genregulation präzise vorhersagen kann. Es analysiert bis zu eine Million DNA-Basenpaare gleichzeitig und liefert hochauflösende Vorhersagen zu molekularen Eigenschaften wie Genexpression, RNA-Spleißstellen und Proteinbindung. AlphaGenome übertrifft bestehende Modelle in 46 von 50 Benchmarks und ist über eine API für nicht-kommerzielle Forschung zugänglich.

  • Leistungsstarke Vorhersage genetischer Varianten: AlphaGenome kann effizient die Auswirkungen einzelner genetischer Varianten auf verschiedene molekulare Eigenschaften bewerten, indem es mutierte und nicht-mutierte Sequenzen vergleicht. Dies ermöglicht eine schnelle und umfassende Analyse potenzieller Krankheitsursachen.

  • Umfassende Modellierung nicht-kodierender DNA: Im Gegensatz zu früheren Modellen berücksichtigt AlphaGenome auch die 98 % des Genoms, die nicht für Proteine codieren, aber entscheidend für die Genregulation sind. Dies eröffnet neue Perspektiven für das Verständnis genetischer Erkrankungen.

  • Integration in die Forschungsgemeinschaft: AlphaGenome ist über eine API für nicht-kommerzielle Forschung verfügbar und soll in Zukunft vollständig veröffentlicht werden. Dies fördert die Zusammenarbeit und beschleunigt wissenschaftliche Entdeckungen im Bereich der Genomforschung.

Warum das wichtig ist: AlphaGenome verschiebt die Grenze dessen, was mit KI in der molekularbiologischen Analyse möglich ist. Durch die Modellierung regulatorischer DNA-Elemente auf Einzelbasenebene entsteht ein neues Instrumentarium zur systematischen Entschlüsselung nicht-kodierender genetischer Mechanismen. Das ermöglicht erstmals eine kausale Verknüpfung seltener Varianten mit funktionalen Krankheitsprozessen jenseits klassischer Genmutationen. Für die biomedizinische Forschung entsteht dadurch ein Paradigmenwechsel in der Hypothesenbildung und Zielvalidierung. In der pharmazeutischen Entwicklung rückt eine präzisionsorientierte Designlogik in Reichweite, die auf regulatorischer DNA statt Proteinstruktur basiert. Der offene Zugang zu AlphaGenome dürfte zudem die Translation beschleunigen, neue Akteure in das Feld bringen und langfristig die Innovationsdynamik in der Genommedizin neu justieren.

Biotechnologie

EvolutionaryScale entwickelt künstliche Proteine mit ESM3

Quelle: Shutterstock

Zusammenfassung: Das KI-Unternehmen EvolutionaryScale hat mit ESM3 ein generatives Modell vorgestellt, das erstmals die simultane Analyse von Proteinsequenz, -struktur und -funktion ermöglicht. Trainiert auf über 2,7 Milliarden natürlichen und synthetischen Proteinen, simuliert ESM3 500 Millionen Jahre Evolution und generiert neuartige Proteine wie das fluoreszierende esmGFP, das nur 58 % Ähnlichkeit zu bekannten natürlichen Varianten aufweist. Diese Entwicklung eröffnet neue Möglichkeiten in der Biotechnologie, insbesondere in der Medikamentenentwicklung, Umwelttechnologie und synthetischen Biologie.

  • Technologische Innovation: ESM3 ist ein multimodales Transformer-Modell mit 98 Milliarden Parametern, das auf 771 Milliarden Tokens trainiert wurde. Es nutzt Masked Language Modeling, um aus unvollständigen Eingaben vollständige Proteine zu generieren, wobei es Sequenz, Struktur und Funktion gleichzeitig berücksichtigt.

  • Anwendungsbereiche: Das Modell ermöglicht die gezielte Entwicklung von Proteinen für spezifische Anwendungen, darunter Enzyme zur Plastikdegradation, neuartige Wirkstoffe in der Onkologie und fluoreszierende Marker für die Zellforschung. Die Fähigkeit, Proteine mit gewünschten Eigenschaften zu designen, könnte die Entwicklung neuer Therapien und Materialien beschleunigen.

  • Wissenschaftliche Bedeutung: Die Generierung von esmGFP durch ESM3 demonstriert die Fähigkeit der KI, evolutionäre Prozesse zu simulieren und alternative biologische Lösungen zu entdecken, die in der Natur nicht vorkommen. Dies bietet neue Perspektiven für die Erforschung biologischer Systeme und die Entwicklung innovativer biotechnologischer Anwendungen.

Warum das wichtig ist: ESM3 verändert die Rolle von KI in den Lebenswissenschaften grundlegend. Statt nur bestehende Proteine zu analysieren, können jetzt völlig neue Moleküle mit gewünschten Eigenschaften entworfen werden. Das beschleunigt nicht nur die Entwicklung neuer Medikamente und Materialien, sondern verschiebt auch den Innovationsfokus von zufälliger Entdeckung hin zu gezieltem Design. Für Unternehmen und Forschungseinrichtungen entsteht damit ein strategisches Instrument, um sich in einem wachsenden globalen Biotech-Wettbewerb besser zu positionieren, Innovationszyklen zu verkürzen und regulatorische Anforderungen früher mitzudenken. KI wird so zum produktiven Motor biotechnologischer Wertschöpfung.

Deep Dive

Wie Unternehmen heute zehnfach schneller wachsen können als ihre etablierten Wettbewerber

Quelle: Shutterstock

Uber besitzt keine Autos, Airbnb kein einziges Hotelzimmer, dennoch revolutionieren diese Plattformen ganze Branchen. Wie gelingt es Organisationen, exponentiell zu wachsen und innerhalb weniger Jahre milliardenschwere Märkte aufzubauen, während traditionelle Unternehmen oft Jahrzehnte benötigen? Die Antwort liegt nicht in großem Kapitaleinsatz oder massiven Mitarbeiterzahlen, sondern vielmehr in einem völlig neuen Verständnis von Wachstum und Organisation. Die Prinzipien exponentieller Unternehmen stellen das klassische Management auf den Kopf und fordern etablierte Firmen heraus, radikal neu zu denken. Doch wie genau sieht dieses neue Organisationsmodell aus?

Warum ein inspirierender Unternehmenszweck wirksamer ist als jeder Businessplan

Im Kern jeder exponentiellen Organisation (ExO) steht ein „Massive Transformative Purpose“ (MTP): ein visionärer, übergeordneter Zweck, der weit über das Produktangebot hinausreicht. Während traditionelle Unternehmen oft auf Umsatz- oder Gewinnmaximierung fokussiert sind, treiben ExOs Ziele an, die gesellschaftlich bedeutend sind. Ein herausragendes Beispiel ist TED, dessen MTP „Ideas worth spreading“ eine globale Bewegung geschaffen hat. Durch diesen Zweck entsteht ein Sog, der Talente, Partner und Communities anzieht. Ein MTP wirkt als strategischer Kompass in dynamischen Zeiten und ermöglicht es Unternehmen, sich permanent neu auszurichten, ohne ihren Kern zu verlieren. Die Kraft eines authentischen und inspirierenden Purpose erweist sich im digitalen Zeitalter somit als mächtiger Hebel für exponentielles Wachstum und weit nachhaltiger als jeder noch so detaillierte Businessplan.

Digitale Plattformen verändern radikal die Spielregeln von Skalierung und Wachstum

Exponentielle Organisationen wachsen nicht linear, sondern über Skaleneffekte und Netzwerke, die ihnen digitale Technologien eröffnen. Während traditionelles Wachstum oft proportional zu Kosten und Ressourcen verläuft, entkoppeln ExOs diese Dynamik vollständig: Dienste und Produkte werden digitalisiert, dematerialisiert und als On-Demand-Services weltweit angeboten. Plattformen wie Spotify oder Netflix haben gezeigt, dass ein zusätzlicher Nutzer kaum Mehrkosten verursacht, gleichzeitig aber den Nutzen der Plattform exponentiell steigert. Durch Netzwerkeffekte entsteht eine Eigendynamik: Mehr Nutzer ziehen weitere Anbieter und Partner an, was zu einer selbstverstärkenden Wachstumsspirale führt. Unternehmen wie Airbnb nutzen so externe Ressourcen, etwa Wohnungen anderer Menschen, um rasch und ohne große Investitionen zu expandieren. Diese strategische Entmaterialisierung macht exponentielles Wachstum möglich und verändert dauerhaft die Regeln des Wettbewerbs.

Von Bürokratie zu Agilität warum Führung neu gedacht werden muss

Exponentielle Organisationen haben begriffen, dass starre Hierarchien und lange Entscheidungswege Geschwindigkeit und Innovation bremsen. Stattdessen setzen sie auf agile Strukturen und autonome Teams, in denen dezentrale Entscheidungen getroffen werden. Diese neue Führungsphilosophie fordert traditionelle Managementprinzipien heraus: Mitarbeiter handeln eigenverantwortlich, datenbasierte Entscheidungen ersetzen Intuition, und Experimente lösen starre Planungen ab. Digitale Dashboards machen Ergebnisse unmittelbar sichtbar, erlauben schnelle Kurskorrekturen und fördern eine Kultur, in der Scheitern nicht als Versagen gilt, sondern als wertvolle Lernchance begrüßt wird. Unternehmen wie Amazon und Google verdeutlichen, wie durch diese kulturellen Veränderungen Agilität, Anpassungsfähigkeit und Innovationskraft exponentiell gesteigert werden können – entscheidend für den Erfolg in einer Welt, die sich immer schneller verändert.

Warum etablierte Unternehmen dringend wie agile Startups denken sollten

Auch etablierte Großunternehmen können exponentielle Prinzipien anwenden, jedoch erfordert dies ein radikales Umdenken und mutige Führungsentscheidungen. Statt die gesamte Organisation sofort umzubauen, empfehlen Experten wie Salim Ismail, kleine autonome Einheiten an den Rändern der Organisation zu etablieren. Diese internen „Startup-Inseln“ können experimentieren und Risiken eingehen, geschützt vor der Bürokratie und dem Widerstand des etablierten Systems. Apple perfektionierte diese Strategie durch geheime Innovationszellen, die eigenständig bahnbrechende Produkte wie die Apple Watch entwickelten, bevor diese ins zentrale Portfolio integriert wurden. Entscheidend hierbei ist, dass das Top-Management aktiv Rückendeckung gibt, um diese innovativen Einheiten vor internen Widerständen zu schützen. Erfolgreiche Unternehmen erkennen zunehmend, dass die Anpassung an exponentielle Modelle eine strategische Überlebensfrage geworden ist.

Die eigentliche Herausforderung liegt nicht in der Technologie sondern im Kulturwandel

Die zentrale Erkenntnis exponentieller Organisationen ist überraschend: Es sind nicht primär technologische Herausforderungen, die exponentielles Wachstum verhindern, sondern kulturelle und organisatorische Barrieren. Technologie allein garantiert keinen Erfolg. Vielmehr bedarf es eines umfassenden Wandels in Haltung, Kultur und Unternehmensführung. Während klassische Firmen oft aus Angst vor Fehlern langsame Entscheidungen treffen, haben ExOs gelernt, Unsicherheit aktiv zu managen. Sie schaffen eine Kultur, in der Experimente, iterative Prozesse und permanente Anpassungen selbstverständlich sind. Dieses kulturelle Umfeld erlaubt ihnen, neue Technologien wesentlich effektiver einzusetzen. Hier liegt der entscheidende Punkt: Unternehmen, die sich ernsthaft mit Kulturwandel beschäftigen, können exponentielle Technologien und Innovationen vollständig ausschöpfen und so überlegene Wettbewerbspositionen aufbauen.

Die Zukunft gehört Organisationen die sich trauen radikal zu transformieren

Exponentielles Wachstum ist kein flüchtiger Trend, sondern Symptom einer fundamentalen Veränderung unserer Wirtschaft. Die Digitalisierung und Vernetzung aller Lebensbereiche erzwingt neue Formen der Organisation und Führung. Unternehmen, die ihre Strukturen radikal hinterfragen, konsequent digitalisieren und einen klaren, inspirierenden Zweck verfolgen, werden künftig entscheidende Wettbewerbsvorteile haben. Doch exponentielle Transformation erfordert Mut und Risikobereitschaft. Wer sich dieser Herausforderung stellt und bereit ist, traditionelle Annahmen hinter sich zu lassen, wird nicht nur schneller wachsen, sondern möglicherweise eine neue Generation von Unternehmen formen, die ebenso verantwortungsbewusst wie erfolgreich agieren. Damit zeichnet sich ein neues Zeitalter unternehmerischer Entwicklung ab, in dem exponentielle Dynamik zur entscheidenden strategischen Fähigkeit wird.

In aller Kürze

Quelle: Shutterstock

  1. Amazon: CEO Andrew Jassy hat Amazons Büropersonal gewarnt, dass generative KI und autonome Agenten in den kommenden Jahren zahlreiche Arbeitsplätze überflüssig machen könnten. In einem internen Memo erklärte er, dass durch den verstärkten Einsatz von KI weniger Menschen für heutige Aufgaben benötigt würden. Gleichzeitig entstehen jedoch neue Rollen, die andere Kompetenzen erfordern. Jassy rief dazu auf, sich mit KI vertraut zu machen und Weiterbildungen zu nutzen, um langfristig relevant zu bleiben und den Wandel bei Amazon mitzugestalten.

  2. Nvidia: Gemeinsam mit Foxconn plant Nvidia den Einsatz humanoider Roboter in einer neuen Fertigungsstätte in Houston ab 2026. Ziel ist die automatisierte Produktion der GB300 AI-Server, die mit Blackwell-GPUs und Grace-CPUs ausgestattet sind. Foxconn entwickelt dazu zwei Robotermodelle: eine bipedale Variante für komplexe Aufgaben und eine kostengünstigere Version mit Rädern. Die Roboter sollen Montagetätigkeiten übernehmen. Die Kooperation markiert einen strategischen Schritt zur Industrialisierung humanoider Robotik und unterstreicht den Wandel hin zu stärker automatisierter Fertigung.

  3. Meta: Meta hat den renommierten OpenAI-Forscher Trapit Bansal für sein neues Superintelligenz-Team verpflichtet, das an fortgeschrittenen KI-Reasoning-Modellen arbeitet. Bansal war maßgeblich an OpenAIs früher Arbeit zu Reinforcement Learning beteiligt und Mitentwickler des o1-Modells. Mit seinem Wechsel zu Meta, gemeinsam mit weiteren Top-Forschern wie Jack Rae und Lucas Beyer, will Meta in den Wettbewerb mit OpenAI, DeepSeek und Google eintreten. Ziel ist es, eigene leistungsfähige Reasoning-Modelle für künftige KI-Agenten zu entwickeln. Eine öffentliche Lösung von Meta steht bislang aus.

  4. Baidu: Der chinesische Technologiekonzern Baidu stellt am 30. Juni sein Ernie-Sprachmodell quelloffen zur Verfügung – ein strategischer Schritt, der als Chinas größte Open-Source-Initiative seit DeepSeek gilt. Während einige Experten die globale Relevanz betonen, warnen andere vor Sicherheitsrisiken und fehlendem Vertrauen im Westen. Die Entscheidung erhöht den Druck auf Anbieter wie OpenAI und Anthropic, ihre Geschäftsmodelle zu überdenken, insbesondere hinsichtlich Kosten und Transparenz. Beobachter sprechen bereits von einem „Preiskrieg“ im KI-Sektor, ausgelöst durch Baidus aggressives Vorgehen.

  5. SoftBank: Der japanische Technologiekonzern plant laut Bloomberg den Aufbau eines Billionen-Dollar-Industriekomplexes für KI und Robotik in Arizona unter dem Namen „Project Crystal Land“. Partner soll der Halbleiterhersteller TSMC sein, dessen Beteiligung jedoch noch ungewiss ist. Das Vorhaben befindet sich in einer frühen Planungsphase und könnte SoftBanks bisher größtes KI-Projekt werden. Bereits zuvor hatte SoftBank Investitionen von rund 19 Milliarden US-Dollar in das Stargate-KI-Infrastrukturprojekt angekündigt.

Videos & Artikel

  1. New York Times: Während OpenAI in Texas ein 60-Milliarden-Dollar-Rechenzentrum baut, zeigt sich eine wachsende globale Kluft in der Verfügbarkeit von KI-Rechenleistung. Nur 32 Länder verfügen über spezialisierte KI-Zentren – dominiert von den USA, China und der EU. Afrika und Südamerika bleiben weitgehend außen vor. Der Zugang zu Hochleistungschips ist teuer und durch geopolitische Interessen eingeschränkt. Ohne eigene Infrastruktur drohen Ländern Abhängigkeiten und Talentschwund. Erste Gegenmaßnahmen wie öffentliche Investitionen und regionale Kooperationen entstehen, doch die digitale Souveränität bleibt eine Herausforderung.

  2. CNBC: Aktuelle Forschungen, darunter Apples Studie „The Illusion of Thinking“, stellen die Fortschritte beim logischen Denken moderner KI-Modelle wie OpenAI, Anthropic und DeepSeek in Frage. Während Anbieter Milliarden investieren und Superintelligenz versprechen, scheitern Modelle wie GPT-4 und Gemini bei komplexeren Denkaufgaben. Statt wirklicher Intelligenz liefern sie oft reine Mustererkennung. Experten warnen, dass KI derzeit kaum generalisiert, was die hohen Investitionen und Erwartungen an diese Technologie kritisch hinterfragt und die Debatte um Superintelligenz neu entfacht.

  3. China: Peking verfolgt das Ziel, bis 2030 weltweit führend in der Künstlichen Intelligenz zu werden, und setzt dazu auf eine umfassende Industriepolitik über alle Ebenen des KI-Technologiestacks hinweg. Staatliche Unterstützung reicht von Grundlagenforschung, Talentförderung und Recheninfrastruktur bis zu gezielten Investitionen in Chips, Software und Anwendungen. US-Exportkontrollen bremsen Chinas Zugang zu Hochleistungschips, dennoch bleibt der Fortschritt dynamisch. Die Innovationskraft privater Tech-Firmen bleibt entscheidend, wobei staatliche Maßnahmen deren Wachstum flankieren, aber nicht ersetzen können.

  4. Netflix: Der Bundesverband Schauspiel (BFFS) und Netflix haben erstmals verbindliche Regeln für den Einsatz von KI in Film- und Synchronproduktionen vereinbart. Die Vereinbarungen sichern zu, dass KI-Technologien nur unter Wahrung von Urheber- und Persönlichkeitsrechten verwendet werden dürfen. Insbesondere dürfen Darbietungen, Stimmen oder das Aussehen von Schauspielenden nur mit schriftlicher Zustimmung verändert oder synthetisch reproduziert werden. Die Regelung gilt als bedeutender Schritt zur rechtlich abgesicherten Anwendung von KI in der Branche und setzt einen Standard für künftige Produktionen.

  5. Microsoft: Satya Nadella betont, dass Künstliche Intelligenz ein Werkzeug sei, das neue Plattformen, Produkte und wirtschaftliches Wachstum ermöglicht. Der Schlüssel zum Erfolg liege im Wandel von Arbeitsprozessen, etwa durch Agenten, die repetitive Aufgaben übernehmen. Besonders betont Nadella den gesellschaftlichen Nutzen von KI, etwa durch bessere Bildung oder effizientere Gesundheitsversorgung. Er sieht die Entwicklung hin zu einer Ära, in der Softwareentwicklung demokratisiert wird – mit Menschen als Architekten komplexer Systeme, unterstützt durch KI, nicht ersetzt von ihr.

Impuls

Kleine Lehrer, große Wirkung

Quelle: Sakana

Inhalt: Diese neue Methode stellt das klassische Training von Sprachmodellen auf den Kopf: Statt Probleme selbst zu lösen, lernen kleine Modelle, wie man effektiv erklärt. Sie werden danach bewertet, wie gut ihre Schritt-für-Schritt-Erklärungen einem Studentmodell helfen, die richtige Antwort zu rekonstruieren. Das Ergebnis: Deutlich bessere Lernleistung bei geringeren Kosten und mit weit kleineren Modellen als bisher notwendig.

Kontext: Das Paper stammt aus der Forschungsgruppe Sakana AI, die sich auf die Effizienzsteigerung großer KI-Modelle spezialisiert hat. Ihr Ansatz „Learning to Teach“ bietet eine potenziell disruptive Alternative zu bisherigen Reinforcement-Learning-Strategien und ist relevant für alle, die skalierbare, kosteneffiziente KI-Systeme für komplexes reasoning entwickeln wollen.

Umfrage

Ihre Meinung interessiert uns

Ergebnisse der vorherigen Umfrage

Welches der folgenden Hindernisse bremst Sie zurzeit am stärksten, wenn Sie komplexe strategische Entscheidungen schnell und sicher treffen müssen?

🟨🟨🟨🟨⬜️⬜️ 🎓 Fehlender Zugriff
🟩🟩🟩🟩🟩🟩 📚 Unzureichende Personalisierung
🟨⬜️⬜️⬜️⬜️⬜️ ❓ Keine strukturierte Frage- bzw. Entscheidungsarchitektur
🟨⬜️⬜️⬜️⬜️⬜️ 🫱🏼‍🫲🏽 Fehlende vertrauliche Vernetzung

Meinung der Redaktion

Wenn KI Entscheidungen trifft, gerät die Legitimität an ihre Grenzen

Quelle: Eigene KI-Illustration

Als Apple im Jahr 2019 seine neuartige Kreditkarte präsentierte, versprach das Unternehmen eine elegante, innovative und komfortable Zukunft der Finanzdienstleistungen. Doch bald wandelte sich der vermeintliche Meilenstein in ein PR-Debakel. Frauen erhielten bei gleicher Kreditwürdigkeit systematisch geringere Kreditrahmen als Männer. Die Algorithmik schwieg, während Kritik lauter wurde. Dieser Fall steht symptomatisch für eine grundlegende Herausforderung: Immer häufiger begegnen uns automatisierte Entscheidungen in Justiz, Verwaltung und Wirtschaft, deren Effizienzversprechen in tiefe Legitimitätskrisen münden.

Zweifellos verführt die Aussicht auf gesteigerte Effizienz. Algorithmen suggerieren eine bisher unerreichte Objektivität, Schnelligkeit und Skalierbarkeit. Unternehmen wittern Kosteneinsparungen, Behörden versprechen kürzere Wartezeiten und verbesserte Abläufe. Doch hinter dieser glänzenden Fassade offenbaren sich subtile Gefahren. Entscheidungsprozesse erscheinen nach außen neutral und fair, doch sie sind vielfach undurchschaubar, gelegentlich sogar diskriminierend. Je stärker die Algorithmen dominieren, desto stärker drohen demokratische Grundprinzipien wie Transparenz, Beteiligung und Kontrolle auszuhöhlen. Effizienz allein, so lehrt uns die Erfahrung, schafft keine Gerechtigkeit und keine gesellschaftliche Akzeptanz.

Denn Legitimität erwächst nicht aus technischer Brillanz oder mathematischer Präzision allein, sondern gründet auf gesellschaftlichem Vertrauen. Dieses Vertrauen entsteht, wenn Verfahren transparent sind, Entscheidungen nachvollziehbar bleiben und Verantwortlichkeiten eindeutig zugeordnet werden. Bei KI-Systemen sind genau diese Voraussetzungen oft nur schwer zu erfüllen. Wenn Algorithmen ihre Entscheidungen nicht verständlich machen, wenn offenbleibt, wer am Ende haftet, und wenn Bürgerinnen und Bürger keinen Einfluss mehr auf ihre eigenen Angelegenheiten nehmen können, verlieren sogar formal korrekte Ergebnisse jegliche gesellschaftliche Akzeptanz. Vertrauensverlust ist die Folge, ein Verlust, den keine technologische Innovation kompensieren kann.

Zudem zeigt sich ein weiteres grundlegendes Dilemma, das Fachleute als „moralische Knautschzone“ bezeichnen. Die Verantwortung für Fehler wird häufig unreflektiert der Technologie übertragen und verlagert sich damit weg von Entwicklern, Unternehmen oder Behörden hin zu den Betroffenen. Sobald etwas schiefläuft, geraten genau diese Personen ins Kreuzfeuer der Kritik – nicht jene, die Systeme entwickeln, implementieren und einsetzen. Diese Diffusion der Verantwortung erfordert klare juristische und ethische Grenzen. Es braucht verbindliche Regeln und Kontrollmechanismen, um Verantwortlichkeiten eindeutig festzulegen, Haftungsfragen zu klären und die Fairness automatisierter Systeme kontinuierlich sicherzustellen.

Die technologische Entwicklung einzuschränken, wäre dabei der falsche Ansatz. Vielmehr sollten wir darauf drängen, sie konsequent in demokratische, ethische und rechtliche Rahmenbedingungen einzubetten. Algorithmen müssen transparent gestaltet und an allgemein verbindliche Werte gebunden sein, menschliche Überprüfbarkeit darf kein optionales Extra bleiben. Erst wenn wir Effizienz und Legitimität klug miteinander verbinden, wird Künstliche Intelligenz zu einer Kraft, die unsere Gesellschaft stützt, anstatt ihre Fundamente zu untergraben.

Sie sind einer anderen Meinung? Oder Sie wollen einen Gastbeitrag veröffentlichen? Schreiben Sie uns gerne eine E-Mail indem Sie einfach auf diese Mail antworten.

Praxisbeispiel

Software 3.0 und die neue Ära teilautonomer KI-Anwendungen

Problemstellung: Klassische Softwareentwicklung erfordert manuelles Programmieren, präzises Debugging und eine hohe Einstiegshürde – Fähigkeiten, die Jahre an Ausbildung voraussetzen. Gleichzeitig bleibt sie oft starr, unflexibel und schwer anpassbar an neue Anforderungen. Mit der zunehmenden Komplexität von Aufgaben reicht das klassische Paradigma („Software 1.0“) häufig nicht mehr aus. Selbst das trainieren neuronaler Netze („Software 2.0“) ist aufwändig, datenintensiv und schwer zugänglich für viele Nutzerinnen und Nutzer.

Lösung: Mit „Software 3.0“ beschreibt Andrej Karpathy einen Paradigmenwechsel: Wir programmieren nicht mehr mit Code oder durch das Trainieren von Modellen – wir schreiben Prompts. Large Language Models (LLMs) wie GPT übernehmen auf Basis natürlicher Sprache komplexe Aufgaben, orchestrieren Werkzeuge, generieren Code, verarbeiten Informationen, schreiben Texte, analysieren Daten – und das alles interaktiv, lernfähig und zunehmend integriert in Tools, mit denen wir täglich arbeiten. Prompting ersetzt in vielen Fällen das klassische Coden.

Anwendungsbeispiele: Besonders eindrucksvoll ist die Klasse sogenannter „teilautonomer KI-Anwendungen“ – z. B. Cursor (ein KI-gestützter Code-Editor) oder Perplexity (ein Such- und Recherchedienst mit LLM-Integration). Diese Tools kombinieren klassische Benutzeroberflächen mit KI-Autonomie. Ein „Autonomy Slider“ erlaubt Nutzer*innen, zwischen einfacher Textvervollständigung bis hin zur kompletten Code-Generierung für ein gesamtes Projekt zu wählen. LLMs übernehmen Kontexthandling, orchestrieren API-Aufrufe und geben Antworten, die direkt überprüfbar sind – per GUI statt mühsamer Prompt-Eingaben. Damit entsteht ein neuer, kollaborativer Arbeitsstil: Mensch generiert Aufgaben, KI bearbeitet sie in Teilen – der Mensch validiert.

Erklärungsansatz: Diese Anwendungen funktionieren so effektiv, weil sie nicht als Blackbox-Automaten agieren, sondern als „augmentierte Werkzeuge“ – vergleichbar mit einem Iron-Man-Anzug statt einem Iron-Man-Roboter. Die LLMs sind mächtig, aber fehlbar. Deshalb braucht es eine enge Mensch-in-the-loop-Kooperation. Die Benutzeroberfläche übernimmt dabei eine zentrale Rolle, um Entscheidungen visuell nachvollziehbar und steuerbar zu machen. Wichtig ist: Das System reagiert auf natürliche Sprache – damit wird jeder zur Programmiererin oder zum Programmierer, unabhängig vom technischen Hintergrund.

Fazit: Software 3.0 steht für ein neues Zeitalter: Wir programmieren Computer mit natürlicher Sprache, schaffen hybride Mensch-KI-Systeme und entwerfen Tools, die sich zwischen vollständiger Kontrolle und vollständiger Autonomie frei bewegen lassen. Besonders für alle, die Produkte entwickeln, ist jetzt der richtige Zeitpunkt, um sich mit teilautonomen KI-Features auseinanderzusetzen – und ihre Software fit zu machen für die Zusammenarbeit mit intelligenten Agenten.

YouTube

Vom Feuer zur Vier-Tage-Woche wie Arbeit unser Leben formt

Arbeit bestimmt unser Leben mehr als jede andere Tätigkeit – doch die Art und Weise, wie wir arbeiten, ist alles andere als natürlich. Vom Feuer bis zur Dampfmaschine, von der Jäger- und Sammlergesellschaft bis zur Wall Street: Immer wieder versprachen neue Technologien mehr Freizeit, doch meist trieben sie uns tiefer ins Hamsterrad. Der Grund liegt nicht nur in der ökonomischen Logik, sondern auch in unserem tief verwurzelten Bedürfnis nach Produktivität.

Früher reichten oft 15 Stunden pro Woche, um den Lebensunterhalt zu sichern – heute arbeiten viele doppelt so viel, obwohl uns Maschinen längst einen Großteil der körperlichen und kognitiven Arbeit abnehmen könnten. Die Industrialisierung machte aus Arbeit Zeit, aus Minuten Geld. Statt weniger zu arbeiten, begannen wir, unser Selbstwertgefühl mit unserer Arbeitsleistung zu verknüpfen – ein Phänomen, das selbst Milliardäre nicht verschont.

Auch Bullshit-Jobs und eine überbordende Verwaltung zeigen: Effizienzgewinne führen nicht automatisch zu Zeitersparnis, sondern oft zu noch mehr Beschäftigung. Das Ideal der Tugend durch Arbeit hat sich so tief in unsere Kultur eingegraben, dass viele sich ein Leben ohne Arbeit gar nicht mehr vorstellen können – selbst in einer Welt des Überflusses.

Doch es gibt Hoffnung: Die Vier-Tage-Woche zeigt bereits, dass weniger Arbeit möglich ist – ohne Einbußen bei Produktivität oder Lebensqualität. Vielleicht ist es an der Zeit, unser Verhältnis zur Arbeit nicht nur zu hinterfragen, sondern ganz neu zu denken.

Werben im KI-Briefing

Möchten Sie Ihr Produkt, Ihre Marke oder Dienstleistung gezielt vor führenden deutschsprachigen Entscheidungsträgern platzieren?

Das KI-Briefing erreicht eine exklusive Leserschaft aus Wirtschaft, Politik und Zivilgesellschaft – von C-Level-Führungskräften über politische Akteure bis hin zu Vordenkern und Experten. Kontaktieren Sie uns, um maßgeschneiderte Kooperationsmöglichkeiten zu besprechen.

Und nächste Woche…

... schauen wir uns an, wie KI-Automatisierung immer mehr Prozesse übernimmt - von der Content-Kuration bis zur Entscheidungsunterstützung. Im Fokus stehen Tools wie Gumloop, n8n und Relevance, die zeigen, wie sich Aufgaben intelligent verketten, aus Daten lernen und autonom agieren lassen. Der nächste DeepDive liefert Einblicke in konkrete Anwendungsfälle, Automatisierungspotenziale und die neuen Rollen, die Mensch und Maschine dabei einnehmen.

Wir freuen uns, dass Sie das KI-Briefing regelmäßig lesen. Falls Sie Vorschläge haben, wie wir es noch wertvoller für Sie machen können, spezifische Themenwünsche haben, zögern Sie nicht, auf diese E-Mail zu antworten. Bis zum nächsten mal mit vielen neuen spannenden Insights.

Wie hat Ihnen das heutige KI-Briefing gefallen?

Ihr Feedback hilft uns, bessere Inhalte für Sie zu erstellen!

Login or Subscribe to participate

Fragen, Feedback & Anregungen

Schreiben Sie uns auf WhatsApp! Wir nehmen dort Feedback und Fragen entgegen - klicken Sie auf das Icon und Sie sind direkt mit uns im Gespräch.

Reply

or to participate

Keep Reading

No posts found