️ Folge 22 - KI denkt zu viel: Overthinking, Robotergehirne und
das Ende von SaaS
Mehr Nachdenken macht eine KI nicht automatisch besser. Paul
Freund und Daniel Ratke
sprechen über ihre Erfahrungen mit Astra, Sol, Luna und Claude
Opus 5.5: Wann hilft ein
hohes Reasoning-Budget – und wann verliert sich ein Modell im
Overthinking?
Paul erklärt, wie er Aufgaben mit klaren Constraints vorbereitet,
Entscheidungen an
starke Modelle und die Umsetzung an kleinere Modelle verteilt.
Dazu kommen Guardrails,
Tests und Reviews durch ein zweites KI-System. Warum finden
Modelle unterschiedlicher
Anbieter verschiedene Fehler, obwohl sie dieselbe Lösung prüfen?
Danach wird es grundsätzlicher: Können sich KI-Systeme irgendwann
selbst verändern?
Wir sprechen über Recursive Self-Improvement, Memristoren und die
Idee dreidimensionaler
Netzwerke als Bausteine für ein mögliches Robotergehirn. Außerdem
geht es um das Tempo
industrieller Forschung und die Frage, warum wissenschaftliche
Veröffentlichungen oft
so viel länger brauchen.
Auch Studium und Softwaregeschäft verändern sich. Wenn
Abschlussarbeiten perfekt
formuliert sind und jedes Feedback sofort umsetzen, woran erkennt
man noch Verständnis?
Und was passiert mit SaaS, wenn immer mehr Menschen ihre eigenen
Werkzeuge bauen können?
Zum Schluss diskutieren wir mögliche neue KI-Abo-Preise, Robotik,
schnellere
Software-Updates und die Grenzen von Air-Gaps als
Sicherheitsmaßnahme.
In dieser Episode
- KI-Kontingente, Weekly Resets und der Alltag mit mehreren
Abos
- Claude Opus 5.5, Astra und die Grenzen von
Modell-Benchmarks
- Warum maximales Reasoning beim Coden nach hinten losgehen
kann
- Constraints, Spezifikationen und eine Aufgabenleiter für Astra,
Sol und Luna
- Guardrails, Tests und Reviews durch Modelle verschiedener
Anbieter
- Recursive Self-Improvement und veränderbare
KI-Architekturen
- Memristoren und das Gedankenexperiment eines
Robotergehirns
- Industrielle Forschung, Universitäten, Peer Review und
arXiv
- KI-Abschlussarbeiten, Benotung und die Bedeutung der
Verteidigung
- SaaS in einer Welt, in der jeder eigene Software bauen
kann
- Gerüchte über teurere KI-Abos und die Rolle offener
Modelle
- Autonomes Fahren, Robotik und mehrere Kontrollsysteme
- Schnellere Releases durch Agentic Coding und stabile
Softwarearchitektur
- Air-Gaps, Seitenkanäle und Kommunikation über ein Netzteil
️ Kapitel / Timecodes
00:00 Begrüßung, KI-Kontingente und Weekly Resets
01:41 Claude Opus 5.5 und mehrere KI-Abos
02:40 Wie verlässlich sind Modell-Benchmarks?
05:38 Wenn maximales Reasoning zu Overthinking führt
07:20 Constraints und die Aufgabenleiter für Astra, Sol und
Luna
10:11 Guardrails, Tests und Reviews durch eine zweite KI
11:12 Persönlichkeiten und Recursive Self-Improvement
12:44 Memristoren und die Architektur eines Robotergehirns
17:06 Forschungstempo, Universitäten und arXiv
20:03 Lohnt sich ein Studium heute noch?
22:27 KI-Abschlussarbeiten und die Frage nach Verständnis
26:12 Links teilen und die neue Aufmerksamkeitsökonomie
27:16 Brauchen wir noch SaaS, wenn jeder selbst bauen kann?
28:08 Teurere KI-Abos und offene Modelle
30:01 Autonomes Fahren und Robotik mit mehreren Subsystemen
31:33 KI in der Biologie und die Einordnung auf Hacker News
32:16 Agentic Coding beschleunigt Software-Updates
33:24 Stabiler Core, klare APIs und schnelle UIs
34:46 Air-Gaps, Seitenkanäle und Kommunikation über
Netzteile
36:25 Blog-Pläne und Verabschiedung
Links
- Du bist oder suchst Entwickler? – https://auralis.group
- Coaching und Beratung! – https://frnd.dev
Kommentare (0)
Melde dich an, um einen Kommentar zu schreiben.