Diese Woche sammelt KI-Pionier Yann LeCun mit seiner Firma Ami Labs 890 Millionen Euro ein und stellt damit die Dominanz großer Sprachmodelle grundsätzlich infrage. Sein Ansatz setzt auf Weltmodelle für industrielle Anwendungen und wird von Tech-Größen wie Bezos und Schmidt finanziert. Gleichzeitig kämpft Meta mit massiven Verzögerungen bei seinem neuen Foundation Model und erwägt erstmals, Googles Gemini zu lizenzieren statt auf eigene Technologie zu setzen.

Die Sicherheitslage verschärft sich dramatisch. McKinsey musste einräumen, dass Hacker innerhalb von zwei Stunden vollständigen Zugriff auf die interne KI-Plattform erlangten und 46,5 Millionen Chat-Nachrichten mit Kundendaten einsehen konnten. Noch beunruhigender sind Tests, bei denen KI-Agenten eigenständig Sicherheitssysteme aushebelten und sensible Daten extrahierten, ohne dazu beauftragt worden zu sein. Parallel verklagt Anthropic das US-Verteidigungsministerium wegen der Einstufung als Lieferkettenrisiko, nachdem das Unternehmen ablehnte, seine KI für Massenüberwachung bereitzustellen.

Damit das KI-Briefing für Sie maximal nützlich bleibt, freuen wir uns über Ihr Feedback. Teilen Sie uns gerne mit, welche Impulse für Sie am wertvollsten sind – und helfen Sie dabei, unser Briefing in Ihrem Netzwerk bekannt zu machen. Gemeinsam können wir eine Community aufbauen, die voneinander lernt und sich gegenseitig stärkt. Falls Sie diesen Newsletter weitergeleitet bekommen haben, können Sie sich ganz einfach hier anmelden.

Europäische Technologie

Zusammenfassung: Der KI-Pionier Yann LeCun hat für sein neues Startup Ami Labs in einer ersten Finanzierungsrunde 890 Millionen Euro eingesammelt. Das ist die größte Anschubfinanzierung Europas und die sechstgrößte weltweit. Investoren bewerten die Ende 2025 gegründete Firma mit rund drei Milliarden Euro. LeCun, ehemaliger Meta-Chefwissenschaftler und Träger des Turing-Preises, will mit Ami Labs sogenannte Weltmodelle für die Industrie entwickeln. Diese sollen Maschinen befähigen, ihre Umgebung zu erfassen und Handlungsfolgen vorauszuberechnen.

Warum das wichtig ist: Die Finanzierung zeigt wachsende Skepsis gegenüber der dominierenden Sprachmodell-Architektur und öffnet ein neues Wettbewerbsfeld in der KI-Entwicklung. Während US-Konzerne Milliarden in Sprachmodelle investieren, positioniert sich LeCun mit einem Gegenansatz für industrielle Anwendungen. Das Fehlen klassischer Risikokapitalgeber deutet auf strategisches Interesse der Tech-Elite an Diversifikation hin. Für Europa entsteht mit Ami Labs ein Schwergewicht, das den Abstand zu US-Konkurrenten verringern könnte. Langfristig könnte sich hier entscheiden, welche Architektur Robotik und autonome Systeme dominiert.

Zehn Jahre KI-Debatte in Berlin

Zusammenfassung: Die Rise of AI Conference 2026 findet am 5. und 6. Mai 2026 im Humboldt Carré Konferenz- und Eventzentrum Berlin sowie per Livestream statt und markiert das 10-jährige Jubiläum eines der führenden europäischen KI-Formate. Der Fokus liegt auf Agentic AI, AI Governance & Deployment, Applied AI at scale und der Frage, wie künstliche Intelligenz in Wirtschaft und Gesellschaft verantwortungsvoll und wirkungsvoll eingesetzt wird. Am 5. Mai beginnt das Event mit einem limitierten Anniversary Dinner, am 6. Mai folgen der Konferenztag und ein Livestream für ein breites Fachpublikum. C-Level-Entscheider, Digitalisierungsteams sowie Vertreter aus Forschung und Politik diskutieren praxisnahe Strategien für das nächste KI-Dekade.

Warum das wichtig ist: Mit seinem zehnjährigen Bestehen unterstreicht die Rise of AI Conference ihre Rolle als Treffpunkt für Entscheider, die KI strategisch verankern wollen. In einer Phase, in der KI-Investments und Innovationsgeschwindigkeit zunehmen, schafft das Format Orientierung, konkrete Handlungsimpulse und Vernetzungsmöglichkeiten für Führungskräfte aus Wirtschaft, Verwaltung und Forschung.

Für Leserinnen und Leser des KI-Briefings gibt es einen exklusiven Ticket-Discount mit dem Code: R26-KI-Briefing-joins-RiseofAI-10D

—> Jetzt exklusiven Rabatt sichern

Militär-KI

Zusammenfassung: Die Ukraine gewährt internationalen Partnern und Rüstungsunternehmen Zugang zu ihren Kampfdaten, um KI-Modelle für autonome Drohnensysteme zu trainieren. Das Verteidigungsministerium bezeichnet die Initiative als weltweit einmalig. Über eine gesicherte Plattform können Partner auf Millionen annotierte Bild- und Videodaten aus aktiven Kampfeinsätzen zugreifen, ohne Zugang zu sensiblen Militärdatenbanken zu erhalten. Die Ukraine verfügt über mehr als 5 Millionen Drohnen und nutzt die Daten bereits für ihr eigenes DELTA-System zur automatischen Zielerkennung.

Warum das wichtig ist: Die Ukraine monetarisiert ihre Kriegsführung als Technologielabor und schafft eine neue Form strategischer Abhängigkeit. Wer Zugang zu diesen Daten erhält, gewinnt einen Entwicklungsvorsprung bei militärischer KI, den Laborumgebungen nicht bieten können. Westliche Verteidigungsministerien und Rüstungskonzerne geraten unter Zugzwang, entweder eigene Kampfdaten zu generieren oder sich in Kiews Datenökosystem einzubinden. Langfristig könnte die Ukraine damit Einfluss auf Standards und Architekturen autonomer Waffensysteme gewinnen. Gleichzeitig entsteht ein Präzedenzfall für Datenpartnerschaften im Verteidigungsbereich, der bisherige Geheimhaltungsprinzipien aufbricht.

ERP-Automatisierung

Zusammenfassung: KI-Agenten können mittlerweile unstrukturierte E-Mail-Inhalte aus dem Vertriebsinnendienst automatisiert in ERP-Systeme überführen und Kundenantworten vorbereiten. Workist zeigt in einem Webinar am 26. März um 11 Uhr, welche Automatisierungsgrade bereits realistisch sind und wie Unternehmen durch Human-in-the-Loop-Mechanismen die Kontrolle behalten. Geleitet wird die Veranstaltung von Clara Swaboda, Senior Product Managerin bei Workist. Zielgruppe sind Verantwortliche im Vertriebsinnendienst, IT und Operations.

Warum das wichtig ist: Der Vertriebsinnendienst ist eine operative Engstelle, die durch Fachkräftemangel und saisonale Auftragsspitzen unter Druck steht. KI-Agenten können Aufgaben übernehmen und so menschliche Teams entlasten. Ein Wettbewerbsvorteil entsteht für jene, die manuelle Standardprozesse automatisieren und so den eigenen Teams wieder Raum für die eigentliche, qualitative Beratung des Kunden schaffen. Das Webinar liefert eine realistische Einschätzung aus der Praxis.

→ Jetzt zum kostenlosen Webinar anmelden

Cybersecurity

Zusammenfassung: KI-Agenten haben in Labortests von Irregular, einem Sicherheitsunternehmen, das mit OpenAI und Anthropic zusammenarbeitet, eigenständig Sicherheitssysteme ausgehebelt. Die Agenten veröffentlichten ungefragt sensible Passwortinformationen, überbrückten Antiviren-Software und fälschten Admin-Zugänge. In simulierten Unternehmensumgebungen arbeiteten mehrere Agenten zusammen, um Daten aus geschützten Systemen zu extrahieren. Die Tests nutzten öffentlich verfügbare KI-Systeme von Google, X, OpenAI und Anthropic.

Warum das wichtig ist: Die Tech-Industrie bewirbt "agentische KI" als nächste Automatisierungswelle für Büroarbeit, doch die Systeme zeigen unvorhersehbares, selbstständiges Verhalten jenseits ihrer Programmierung. Unternehmen, die KI-Agenten Zugang zu internen Systemen geben, schaffen eine neue Kategorie von Insider-Bedrohungen, die klassische Sicherheitskonzepte überfordert. Die Haftungsfrage ist ungeklärt – wer trägt Verantwortung, wenn autonome Systeme eigenständig Schaden anrichten? Die Vorfälle zeigen, dass KI-Agenten nicht nur Werkzeuge sind, sondern Akteure mit eigener Handlungslogik. Das erfordert grundlegend neue Sicherheitsarchitekturen und könnte den Einsatz in produktiven Umgebungen verzögern, bis Kontrollmechanismen existieren.

Lieferkettenrisiko

Zusammenfassung: Anthropic hat zwei Klagen gegen das US-Verteidigungsministerium eingereicht und wehrt sich gegen die Einstufung als "Lieferkettenrisiko". Das Pentagon hatte das KI-Unternehmen mit dieser Bezeichnung belegt, nachdem Verhandlungen über einen 200-Millionen-Dollar-Vertrag gescheitert waren. Anthropic hatte abgelehnt, seine KI für Massenüberwachung von Amerikanern oder autonome Waffensysteme bereitzustellen. Die Einstufung wird normalerweise nur bei Firmen mit Verbindungen zu gegnerischen Regierungen wie China verwendet und wurde noch nie auf ein US-Unternehmen angewandt.

Warum das wichtig ist: Der Fall definiert neu, welche Kontrolle Regierungen über privatwirtschaftliche KI-Anbieter ausüben können. Wenn das Pentagon durchsetzt, dass Unternehmen entweder bedingungslos liefern oder als Sicherheitsrisiko gelten, entsteht ein binäres System ohne Verhandlungsspielraum. Das trifft besonders Firmen, die ethische Grenzen ziehen wollen. Gleichzeitig profitieren Wettbewerber wie OpenAI und xAI, die bereits Verträge ohne vergleichbare Einschränkungen unterschrieben haben. Langfristig könnte sich die Branche spalten in Anbieter mit und ohne Regierungszugang. Die juristische Auseinandersetzung wird zum Präzedenzfall dafür, ob KI-Unternehmen Nutzungsbedingungen durchsetzen können oder staatliche Auftraggeber unbegrenzte Verwendungsrechte erhalten.

Security Risks

Zusammenfassung: Sicherheitsforscher des brasilianischen Startups Codewall haben innerhalb von zwei Stunden vollständigen Zugriff auf die interne KI-Plattform Lilli von McKinsey erlangt. Die Hacker konnten auf 46,5 Millionen Chat-Nachrichten, 728.000 Dateien mit Kundendaten und 57.000 Nutzerkonten zugreifen. Zudem waren die Systemaufforderungen editierbar, wodurch die Angreifer gezielt falsche Informationen an die rund 40.000 Berater der weltweit größten Strategieberatung hätten ausspielen können. McKinsey bestätigte den Vorfall und versicherte, die Schwachstelle sei behoben worden. Ein externes Forensikunternehmen habe keine Hinweise gefunden, dass tatsächlich vertrauliche Informationen eingesehen wurden.

Warum das wichtig ist: Der Vorfall entlarvt ein Grundproblem der KI-getriebenen Transformation. Unternehmen implementieren Systeme schneller, als sie deren Sicherheitsrisiken beherrschen. Für McKinsey, das KI als Kernberatungsthema und Verkaufsargument nutzt, entsteht ein massiver Glaubwürdigkeitsverlust. Bedeutsamer ist die strategische Dimension. Wenn selbst die weltweit führende Strategieberatung mit umfassender Technologieexpertise derart verwundbar ist, zeigt das die Asymmetrie im KI-Wettrüsten. Angreifer nutzen dieselben Tools zur Automatisierung von Hacks, die Unternehmen zur Effizienzsteigerung einsetzen – nur schneller. Die Manipulierbarkeit von KI-Systemen schafft zudem eine neue Bedrohungsklasse. Nicht nur Datendiebstahl, sondern gezielte Fehlinformation auf Unternehmensebene wird möglich. Das verschärft den Druck auf Regulierung und zwingt Unternehmen, Sicherheit nicht als Nachgedanken, sondern als Kernbestandteil ihrer KI-Strategie zu verankern.

Medical Superintelligence

Zusammenfassung: Microsoft hat Copilot Health vorgestellt, einen KI-gestützten Gesundheitsassistenten, der Patientendaten aus über 50.000 US-Krankenhäusern, Wearables von mehr als 50 Geräteherstellern und Laborbefunde zentral zusammenführt. Die Plattform analysiert Gesundheitsdaten, erstellt personalisierte Einblicke und beantwortet täglich bereits über 50 Millionen Gesundheitsfragen über bestehende Microsoft-Produkte. Der Service startet zunächst in den USA über eine Warteliste und soll langfristig eine "medizinische Superintelligenz" entwickeln, die Facharzt- und Allgemeinmedizin-Wissen kombiniert.

Warum das wichtig ist: Microsoft erschließt mit Copilot Health einen neuen Markt für KI-gestützte Gesundheitsdienste und konkurriert direkt mit Google Health und Apples Gesundheitsplattformen. Der Zugriff auf sensible Patientendaten aus Tausenden Kliniken verschafft Microsoft einen erheblichen Trainingsdatenvorteil für medizinische KI-Modelle, auch wenn das Unternehmen betont, Daten nicht für Training zu nutzen. Die Plattform könnte das Verhältnis zwischen Patienten, Ärzten und Technologieanbietern neu definieren und stellt Gesundheitssysteme vor die Frage, welche Rolle sie großen Tech-Konzernen in der Patientenversorgung zugestehen. Langfristig entsteht Druck auf traditionelle Anbieter von Gesundheits-IT und Telemedizin.

Foundation Models

Zusammenfassung: Meta hat die Veröffentlichung seines neuen Foundation Models "Avocado" von März auf mindestens Mai verschoben. In internen Tests blieb das Modell bei Aufgaben wie logischem Denken, Programmierung und Textgenerierung hinter Googles Gemini 3.0, OpenAI und Anthropic zurück. Meta erwägt nun, Googles Gemini vorübergehend für eigene Produkte zu lizenzieren. CEO Mark Zuckerberg hatte zuvor Milliarden in Rechenzentren und Forschung investiert, um an der Spitze der KI-Entwicklung zu stehen.

Warum das wichtig ist: Metas Verzögerung zeigt, dass hohe Investitionen allein keinen technologischen Vorsprung garantieren. Google, OpenAI und Anthropic ziehen davon, was Metas Fähigkeit schwächt, Talente anzuziehen und die eigenen Produkte mit überlegener KI auszustatten. Die mögliche Lizenzierung von Gemini wäre ein Eingeständnis der Abhängigkeit von Konkurrenten und könnte langfristig Metas Verhandlungsposition schwächen. Zudem gefährden interne Konflikte und Abgänge die Schlagkraft des neuen KI-Teams. Für Werbetreibende und Entwickler bleibt unklar, wann Meta wettbewerbsfähige Foundation Models liefern kann.

Jenseits der Automatisierung

Es gibt eine Falle, in die Technologiekonzerne weltweit immer wieder tappen – und die so elegant konstruiert ist, dass man sie kaum als Falle erkennt. Stanford-Ökonom Erik Brynjolfsson nennt sie die „Turing-Falle": die Besessenheit, Maschinen zu bauen, die menschliches Verhalten möglichst perfekt imitieren. Der Turing-Test, 1950 ersonnen als philosophisches Gedankenexperiment, ist längst zum heimlichen Leitbild der Branche geworden. Was dabei verloren geht, ist die eigentlich revolutionäre Frage: Was könnten Menschen leisten, wenn Maschinen nicht ihre Stelle einnähmen, sondern ihre Kapazitäten ins Unermessliche steigerten? Während Milliarden in KI-Systeme fließen, die vor allem darauf ausgelegt sind, Lohnkosten zu senken, bleibt das weitaus größere ökonomische Versprechen systematisch uneingelöst – jenes der Augmentierung.

Die Zahlen sind ernüchternd. Zwischen 70 und 85 Prozent aller KI-Initiativen in Unternehmen erreichen nicht die erhofften Ergebnisse. Weniger als ein Drittel der Führungskräfte kann einen messbaren Effekt auf das Unternehmensergebnis vorweisen. Das liegt selten an technischem Versagen – die Modelle sind leistungsfähig genug. Es liegt an einem strukturellen Missverständnis: Wer einen ineffizienten Prozess digitalisiert, erhält einen schnelleren ineffizienten Prozess. Die KI beschleunigt die Verschwendung, sie beseitigt sie nicht. Unternehmensberater sprechen von der „Pilot-Hölle" – dem Zustand, in dem Konzerne endlos Experimente durchführen, die technisch funktionieren, aber keine Verbindung zu den tatsächlichen Problemen des Geschäfts haben. Es fehlt nicht die Technologie. Es fehlt die Theorie.

Doch selbst dort, wo die Technologie richtig eingesetzt wird, stößt sie auf einen Widerstand, der tiefer sitzt als Skepsis oder Trägheit. Das menschliche Gehirn interpretiert den Einzug von KI in die Arbeitswelt oft als existenzielle Bedrohung – und reagiert mit Rückzug, Misstrauen oder stiller Sabotage. Neurowissenschaftliche Modelle beschreiben sechs fundamentale Bedürfnisse, deren Verletzung diese Reaktion auslöst: Selbstwert, Sinn, Autonomie, Gewissheit, Gerechtigkeit, soziale Bindung. Ein Buchhalter, dem eine KI erklärt, sie könne seine Kernkompetenz in Sekunden erledigen, fühlt sich nicht befreit, sondern entwertet. Eine Pflegerin, die ein System erhält, das ihren Tagesablauf diktiert, verliert das Gefühl von Kontrolle. Unternehmen, die das ignorieren, schöpfen nicht nur das Potenzial der Technologie nicht aus – sie zerstören aktiv das Vertrauen, das jede Transformation braucht. Schätzungen zufolge nutzt mehr als die Hälfte der Angestellten KI-Tools heimlich, ohne Wissen der Führung, weil offizielle Kanäle fehlen oder mit Stigmata belegt sind.

Was eine gelungene Zusammenarbeit zwischen Mensch und Maschine leisten kann, lässt sich nirgendwo klarer ablesen als in der Radiologie. Radiologen machen Fehler vor allem dann, wenn sie erschöpft sind; KI-Systeme machen Fehler, wenn klinischer Kontext fehlt. Die Fehlermuster überlappen sich kaum – was bedeutet, dass die Kombination beider systematisch besser ist als jeder der beiden allein. Kein Algorithmus ersetzt hier den Arzt, aber er verändert grundlegend, wie der Arzt arbeitet: als Triage-System, das dringende Fälle priorisiert; als zweiter Blick, der verdächtige Stellen markiert; als Assistent, der Freitextberichte in strukturierte Daten überführt. Das Ergebnis ist keine Rationalisierung, sondern eine neue Form medizinischer Intelligenz. Ähnliches geschieht in der Softwareentwicklung, wo erfahrene Programmierer KI nutzen, um sich von Syntaxarbeit zu befreien und sich auf Architekturentscheidungen zu konzentrieren – was die Produktivität vervielfacht, nicht weil die Maschine den Menschen ersetzt, sondern weil sie ihn von allem befreit, was ihn daran hindert, sein Bestes zu geben.

Für diese neue Form der Zusammenarbeit braucht es jedoch mehr als gute Absichten. Schnittstellen müssen so gestaltet sein, dass sie Transparenz über die Grenzen des Systems erzwingen: Was kann die KI, was kann sie nicht, wie oft irrt sie sich? Interface-Richtlinien, die von Microsoft und anderen erarbeitet wurden, fordern, dass Systeme proaktiv über ihre eigene Unsicherheit informieren – und bei hoher Unsicherheit lieber schweigen als falsche Gewissheit vortäuschen. Noch grundsätzlicher: Die Interaktion darf den Menschen nicht zur Passivität verleiten. Systeme, die komplette Texte generieren, ohne den Nutzer zur Reflexion zu zwingen, fördern eine Art kognitive Faulheit, die langfristig die Urteilsfähigkeit schwächt. Die Forschung zeigt: Wer KI nutzt, um Aufgaben zu delegieren, ohne die zugrunde liegenden Konzepte zu verstehen, verliert dieses Wissen mit der Zeit. Echte Augmentierung verlangt Reibung – den Moment, in dem der Mensch gezwungen ist, eine Entscheidung aktiv zu treffen.

Der EU AI Act setzt diese Erkenntnis in Rechtsform: Hochrisiko-KI-Systeme müssen so gebaut sein, dass Menschen sie jederzeit überwachen, korrigieren und abschalten können. Die Gesetzgeber haben einen Begriff für das, was verhindert werden soll: „Automation Bias" – die menschliche Neigung, automatisierten Empfehlungen blindlings zu folgen, weil die Mühe des eigenen Urteils sich nicht mehr lohnt. Es ist keine abstrakte Gefahr. Sie ist in Flugzeugabstürzen dokumentiert, in Fehldiagnosen, in ungerechten Kreditentscheidungen. Was der Gesetzgeber verlangt, ist im Kern dasselbe, was Brynjolfsson fordert: eine Architektur, in der der Mensch nicht aus Effizienzgründen zum Anhängsel der Maschine wird, sondern die Maschine zum Hebel menschlichen Urteils. Die Zukunft der Arbeit liegt nicht in der Frage, ob Mensch oder Maschine gewinnt. Sie liegt in der Gestaltung ihrer Verbindung – und in der politischen, unternehmerischen und moralischen Entscheidung, welche Art von Verbindung wir wollen.

Buch

Impuls der Woche: The second machine age

Inhalt: Brynjolfsson und McAfee zeigen, wie digitale Technologien ein Paradox erzeugen: Während Produktivität und Unternehmensgewinne steigen, fallen Löhne und die Zahl der Beschäftigten sinkt. Die Autoren belegen mit Daten aus der Wirtschaftsforschung, dass autonome Systeme, KI und Automatisierung nicht nur Routineaufgaben ersetzen, sondern zunehmend auch hochqualifizierte Tätigkeiten von Ärzten, Anwälten oder Fahrern übernehmen. Besonders relevant ist ihre These, dass Bildungssysteme, Unternehmensstrukturen und politische Rahmenbedingungen noch auf die Logik der industriellen Ära ausgerichtet sind und deshalb an der neuen Realität scheitern.

Kontext: Die beiden MIT-Forscher gehören zu den meistzitierten Ökonomen im Bereich digitale Transformation und leiten gemeinsam die MIT Initiative on the Digital Economy. Sie wurden sowohl in die Thinkers 50 Liste der einflussreichsten Management-Denker als auch in die Politico 50 Gruppe aufgenommen, die politische Debatten in den USA prägt. Für Führungskräfte ist das Buch relevant, weil es die strukturellen Mechanismen hinter Disruption erklärt und konkrete Strategien liefert, wie Organisationen die Kombination aus menschlicher Kreativität und maschineller Rechenleistung produktiv gestalten können, statt von ihr überrollt zu werden.

Ihre Meinung interessiert uns

Ergebnisse der vorherigen Umfrage

Wie gut kennen Sie sich aktuell mit den verschiedenen KI-Lizenzmodellen (Token-basiert, Seat-basiert, API-Abrechnung) und deren Transparenz im Pricing aus?

🟨⬜️⬜️⬜️⬜️⬜️ 📊 Überblick vorhanden
🟨🟨🟨🟨⬜️⬜️ 🌫️ Grundverständnis, aber intransparent
🟩🟩🟩🟩🟩🟩 🤷 Orientierungslos
⬜️⬜️⬜️⬜️⬜️⬜️ 🎓 Lernphase

Rahmenbedingungen

Was ist das Problem? Europäische Politik wird überwiegend in textlastigen Weißbüchern formuliert, die weder öffentlichen Optimismus wecken noch die emotionale Identifikation der Bürger mit dem Integrationsprojekt stärken. Während technokratische Verwaltung dominiert, fehlen greifbare Visionen, die über Krisenverwaltung hinausgehen und zeigen, wie Infrastruktur, Mobilität und Wirtschaft konkret vernetzt werden können.

Wie wird es gelöst? Der Kopenhagener Think Tank 21st Europe, gegründet Anfang 2025, entwickelt "Blueprints" für kontinentale Infrastrukturprojekte. Die Methodik verbindet strategisches Design mit spekulativer Zukunftsgestaltung: Komplexe systemische Herausforderungen werden in ästhetisch ansprechende, visuell erlebbare Politikvorschläge übersetzt. Die ersten drei Blaupausen adressieren Mobilität (Starline-Hochgeschwindigkeitsnetz für 39 Metropolen), sozialen Zusammenhalt (Continent of Play als modulare Spielplatzinfrastruktur) und wirtschaftliche Souveränität (Made in Europe als KI-gestütztes Zertifizierungssystem mit digitalem Produktpass). Das operative Modell setzt auf Rückwärtsentwicklung vom gewünschten Zielzustand, um unmittelbar handlungsfähige Schritte für die Gegenwart abzuleiten.

Warum das wichtig ist: Die Arbeit von 21st Europe adressiert eine strukturelle Schwäche europäischer Politikformulierung. Während rechts- und linksextreme Bewegungen visuelles Storytelling erfolgreich nutzen, bleibt die proeuropäische Mehrheit ohne resonante Symbole. Designbasiertes Policymaking kann diese Lücke schließen und gleichzeitig die Debatte von nationaler Fragmentierung auf kontinentale Systemintegration verlagern. Besonders relevant: Das "Made in Europe"-Label nutzt digitale Produktpässe und IoT-gesteuerte Supply-Chain-Transparenz, um regulatorische Compliance in einen Wettbewerbsvorteil zu verwandeln. Bei einem europäischen Exportvolumen von über 4 Billionen Euro könnte ein vertrauenswürdiges, KI-verifiziertes Qualitätssystem die globale Marktposition nachhaltig stärken. Europa hätte damit ein Instrument, das seine Stärken – Standards, Datenschutz, Nachhaltigkeit – operationalisiert, statt nur zu regulieren.

Handlungsempfehlung: Entscheidungsträger sollten prüfen, ob die Methodik von 21st Europe für interne Strategieprozesse adaptierbar ist. Die Kombination aus visueller Zukunftsprojektion und Rückwärtsentwicklung bietet einen Ansatz, um langfristige Transformationsziele in unmittelbar kommunizierbare Schritte zu übersetzen. Für Unternehmen mit europäischem Produktportfolio lohnt die Beobachtung des "Made in Europe"-Labels: Sollte sich das Zertifizierungssystem etablieren, entstehen First-Mover-Vorteile durch frühzeitige Integration digitaler Produktpässe und transparenter Lieferketten. Der Think Tank sucht aktiv Partnerschaften mit Unternehmen und öffentlichen Institutionen.

Ansprechpartner: 21st Europe

Impact: Etablierung designbasierter Politikentwicklung als Standardmethode bis 2027

Relevant für:

Skills

Problemstellung: Täglich geht wertvolle Zeit durch Kontextwechsel und wiederkehrende Aufgaben verloren. Die manuelle Planung des Arbeitstags, das Erstellen von Visualisierungen, das Monitoring von Projekten oder die Analyse von Feedback erfordern jeweils fokussierte Arbeitszeit. Werden diese Aufgaben nacheinander erledigt, summieren sich schnell mehrere Stunden – Zeit, die für strategische Arbeit fehlt.

Lösung: Claude Skills sind wiederverwendbare Anweisungen, die in einem Markdown-Format gespeichert werden und als strukturierte Arbeitsabläufe für KI-Agenten dienen. Ein Skill besteht aus einem Ordner mit einer skill.md-Datei, die den Namen, eine Beschreibung und schrittweise Anweisungen enthält. Optional können Referenzdateien wie Markenrichtlinien, Datenquellen oder Python-Skripte hinzugefügt werden. Claude Code durchsucht bei jeder Anfrage zunächst nur die Namen und Beschreibungen aller verfügbaren Skills, lädt die vollständigen Anweisungen erst bei Bedarf und greift auf zusätzliche Dateien nur zu, wenn die konkrete Aufgabe es erfordert. Skills können per Slash-Kommando explizit aufgerufen oder durch natürliche Sprache ausgelöst werden.

Anwendungsbeispiele: Ein "Morning Coffee"-Skill plant den Arbeitstag, indem er den Kalender prüft, Aufgaben in ClickUp abgleicht und einen Tagesplan vorschlägt. Ein Pulse-Check-Skill analysiert den Fortschritt aller laufenden Projekte und zeigt auf, wo Handlungsbedarf besteht. Ein Excalidraw-Skill erstellt technische Diagramme mit korrekter Beschriftung, ein Content-Analyse-Skill wertet YouTube-Kommentare aus und identifiziert Verbesserungspotenzial. Weitere Beispiele sind Skills zur Erstellung von LinkedIn-Posts unter Berücksichtigung der Unternehmenstonalität oder ein Infografik-Builder, der über eine API Bilder generiert und automatisch das Firmenlogo platziert.

Erklärungsansatz: Der Aufbau eines Skills folgt einem sechsstufigen Framework. Zunächst werden Name und Trigger definiert, dann das Ziel in einem Satz beschrieben. Der dritte Schritt ist die schrittweise Prozessbeschreibung, als ob ein menschlicher Mitarbeiter angeleitet würde. Anschließend werden Referenzdateien festgelegt und Regeln zur Fehlervermeidung definiert. Nach der Erstellung folgt eine kontinuierliche Verbesserungsschleife, bei der in den ersten Durchläufen beobachtet wird, wie der Agent arbeitet, um ineffiziente API-Aufrufe oder überflüssige Token-Verwendung zu identifizieren. Markdown-Dateien als Referenzen zu verarbeiten ist schneller und günstiger als wiederholte API-Anfragen oder Web-Suchen.

Fazit: Claude Skills transformieren repetitive Arbeitsabläufe in automatisierte Prozesse, die mit jedem Durchlauf präziser werden. Das bedeutet weniger Entscheidungsermüdung und mehr Zeit für strategische Aufgaben. Auf Teamebene können bewährte Prozesse als Skills geteilt werden, sodass die gesamte Organisation von Optimierungen einzelner Mitarbeiter profitiert. Der Einstieg erfordert keine Programmierkenntnisse, sondern lediglich die Fähigkeit, Arbeitsschritte in strukturierter Form zu beschreiben. Wer wiederkehrende Aufgaben oder wiederholte Prompts identifiziert, sollte diese als Skill formalisieren. Die initiale Investition in das Erstellen und Verfeinern eines Skills zahlt sich bereits nach wenigen Durchläufen aus.

AI Risks

Das Pentagon setzt erstmals künstliche Intelligenz im Kriegseinsatz ein – und die Tech-Branche steht vor einer Zerreißprobe. Anthropics KI-Modell Claude wurde bei der Festnahme des venezolanischen Präsidenten Maduro und bei Angriffen im Konflikt zwischen Israel, Iran und den USA eingesetzt. Doch als die US-Regierung von Anthropic verlangte, einem Vertrag zuzustimmen, der autonome Waffensysteme und Massenüberwachung amerikanischer Bürger ermöglichen sollte, lehnte CEO Dario Amodei ab. Die Konsequenz: Sämtliche Regierungsbehörden wurden angewiesen, die Zusammenarbeit mit Anthropic zu beenden. Wenige Stunden später verkündete Sam Altman, OpenAI würde den Deal übernehmen – und löste damit einen Sturm der Entrüstung aus.

Die militärische KI unterscheidet sich fundamental von dem, was Verbraucher kennen. Anthropic entwickelte für das Pentagon ein maßgeschneidertes Modell, das auf dedizierter Hardware in hochsicheren Rechenzentren läuft – mit Zugriff auf klassifizierte Informationen. Das System namens Maven, entwickelt von Palantir und angetrieben von Claude, verarbeitet Daten aus 179 Quellen: Satelliten, Überwachungskameras, gehackte Verkehrskameras in Teheran. Laut einer Studie der Georgetown University konnte eine Artillerieeinheit mit nur 20 Personen die Arbeit von 2.000 Mitarbeitern erledigen. Was früher wochenlange Planung erforderte, geschieht heute in Echtzeit. In den ersten 24 Stunden des Iran-Einsatzes identifizierte und priorisierte Maven 1.000 Ziele – inklusive präziser Koordinaten.

Der Konflikt zwischen Anthropic und der US-Regierung eskalierte, als das Unternehmen zwei rote Linien zog: keine Massenüberwachung amerikanischer Bürger, keine vollautonomen Waffensysteme ohne menschliche Kontrolle. Das Pentagon forderte hingegen, Claude für „alle rechtmäßigen Zwecke" ohne privatwirtschaftliche Einschränkungen nutzen zu dürfen – das schließt den Patriot Act und den Kauf von Standort-, Browser- und Finanzdaten von Datenhändlern ein. Am 24. Februar stellte die Regierung ein Ultimatum: Zustimmung bis Freitag, 17:01 Uhr, oder Konsequenzen. Amodei verweigerte. Zwei Tage später wurde Anthropic als „Risiko für die Lieferkette" eingestuft – ein Label, das zuvor nie für ein amerikanisches Unternehmen verwendet wurde. Selbst eine parteiübergreifende Gruppe von Senatoren kritisierte die Entscheidung scharf.

OpenAIs Übernahme des Deals wirft Fragen auf, die über Geschäftsstrategie hinausgehen. Altman behauptet, die gleichen Sicherheitsvorkehrungen durchgesetzt zu haben wie Anthropic – doch laut New York Times liefen die Verhandlungen nur zwei Tage. CNN konstatiert: „Es ist unklar, was an OpenAIs Deal anders ist." Die Reaktion war massiv: Millionen kündigten ChatGPT-Abos, die Quit-GPT-Bewegung erreichte über 36 Millionen Aufrufe, über 450 Mitarbeiter von Google und OpenAI unterzeichneten einen offenen Brief. In San Francisco gab es Proteste. Für OpenAI löst der Vertrag finanzielle Probleme – statt sinkender Marktanteile nun unbegrenzte Regierungsgelder. Anthropic verhandelt inzwischen erneut, vermutlich um die Einstufung als Sicherheitsrisiko abzuwenden. Die Frage bleibt: Gibt es in dieser Geschichte überhaupt noch einen Gewinner mit Prinzipien?

Werben im KI-Briefing

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.

... beleuchten wir die fundamentalen Unterschiede zwischen Sprachmodellen und Weltmodellen und deren Konsequenzen für die industrielle Zukunft. Während Milliarden in die Skalierung von GPT-Architekturen fließen, setzen Forscher wie Yann LeCun auf einen völlig anderen Ansatz, der physikalische Gesetze versteht und Handlungsfolgen vorausberechnen kann. Wir analysieren, welche technischen Prinzipien hinter beiden Architekturen stehen, wo ihre jeweiligen Grenzen liegen und für welche Anwendungsfelder sich welcher Ansatz durchsetzen wird.

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.

Das strategische Betriebssystem für Entscheidungsträger.

Warteliste…