In dieser spannenden Folge spricht Dr. Jan-Arne Gewert mit dem
Mathematiker und KI-Unternehmer Dr. Achim Hornecker aus Freiburg
über AI-Shoring ein Konzept, das den Einsatz von KI vergleicht
mit klassischem Offshoring/Nearshoring, bei dem Aufgaben an
kostengünstigere externe Partner delegiert werden.
Hornecker erklärt, wie Large Language Models (LLMs) heute
Aufgaben übernehmen, die früher an Teams in Niedriglohnländern
ausgelagert wurden.
Die Diskussion dreht sich um Produktivitätsgewinne durch KI
(besonders für gute Entwickler), aktuelle Grenzen von LLMs (z. B.
bei quantitativer Analyse, Mathematik und Hardware-nahen Themen),
Datenschutzrisiken bei großen US-Modellen, Vorteile
europäischer/open-source Lösungen wie Mistral sowie
Zukunftsthemen wie Explainable AI, AGI und
Brain-Computer-Interfaces.
Hornecker betont: Gute Entwickler werden mit KI extremproduktiv,
schlechte können jedoch Chaos anrichten. Strategisch genutzt
führt AI-Shoring nicht nur zu Kosteneinsparungen, sondern zu mehr
Innovation.
Schlusswort von Achim Hornecker:
„Thema KI: Es kommt, es ist gekommen, um zu bleiben. Man sollte
sich damit beschäftigen – ohne Angst, mit hinreichend Neugierde
und Offenheit. Einfach machen.“
Highlights
- AI-Shoring erklärt: Delegation klar abgrenzbarer Aufgaben an KI
statt an Offshore-Teams (z. B. Programmierung, Buchhaltung,
Datenverarbeitung). Analog zu Offshoring, aber "im Haus" mit KI.
- Produktivität: Ein guter Entwickler mit KI kann Teams ersetzen
– aber nur mit menschlicher Kontrolle. Risiko: "Code Collapse"
durch schlechten KI-Einsatz.
- Stärken von LLMs: Ideal für standardisierte Tasks wie
Web-/App-Entwicklung, wo Ergebnisse testbar sind.
- Schwächen: Halluzinationen bei quantitativen Analysen,
Prognosen und fehlenden Trainingsdaten. KI "erfindet" oft
plausibel klingende, aber falsche Ergebnisse.
- Qualitätskontrolle: Menschliche Überwachung essenziell;
KI-gegen-KI-Kontrolle (z. B. adversarielles Testing) hilft, ist
aber keine Allheilslösung. Trend zu Explainable AI (XAI).
- Datenschutz & Souveränität: Risiken bei US-Modellen(z. B.
Cloud Act, Trainingsnutzung von Inputs). Bekanntes Beispiel:
Samsung-Mitarbeiter leakten 2023 versehentlich Quellcode und
Meeting-Notes anChatGPT.
- Europäische Alternativen: Modelle wie Mistral
(europäisch,multilingual) oder self-hosted Open-Source-Modelle
(z. B. Llama) fürDSGVO-Konformität und Datenhoheit.
- Zukunft: AGI als mögliche "Glaubensfrage";Skalierung allein
reicht nicht, qualitative Sprünge nötig. Brain-inspiredAnsätze
(z. B. neuromorphe Chips) spannend, aber oft überhyped. AGI
(ArtificialGeneral Intelligence) ist eine hypothetische Form von
KI, die so intelligentwäre wie ein Mensch – also nicht nur eine
einzelne Aufgabe gut kann, sondernflexibel denken, lernen und
Probleme in ganz unterschiedlichen Bereichen lösenkönnte.
AGI wäre dagegen „allgemein“: Sie könnte – wie ein Mensch –aus
Erfahrungen lernen, Wissen aus einem Bereich (z. B. Physik) auf
einen anderen (z. B. Medizin) anwenden und neueAufgaben
verstehen, ohne extra dafür trainiertworden zu sein.
- Empfehlung für Führungskräfte: Teams in KI-Nutzungschulen,
analytisches Denken fördern – die wichtigste Zukunftskompetenz.
Links & Ressourcen
Zusammenfassung des AGI Artikels des MIT Review
https://www.linkedin.com/pulse/how-agi-became-most-consequential-conspiracy-theory-ok4te/
- Dr. Achim Hornecker:
https://www.hornecker.eu
https://bisigma.de/
- Dr. Jan-Arne Gewert
https://gewert-consulting.de/
- AI-Shoring-Konzept:
https://link.springer.com/article/10.1365/s35764-025-00564-3
- Offshoring nach AI-Shoring
https://www.ness.com/from-offshoring-to-ai-shoring-why-global-delivery-models-are-entering-their-biggest-reset-yet
- Das Ende des Offshoring
https://davidsj.substack.com/p/ai-shoring
Kommentare (0)
Melde dich an, um einen Kommentar zu schreiben.