Prompt und Antwort

Der März 2025 veränderte die Spielregeln fundamental: Die Frage war nicht mehr nur die Größe des Modells, sondern ob KI wirklich denken kann. Logik vs. Empathie: Google veröffentlichte Gemini 2.5 Pro, das durch kalte, brillante Logik komplexe Mathe- und Wissenschaftsprobleme löste und die Ranglisten eroberte. Fast zeitgleich konterte OpenAI mit GPT 4.5, das auf eine beunruhigend menschliche, empathische Konversation ausgelegt war, jedoch extrem ressourcenintensiv war und das Ende der Ära des reinen Pretrainings markierte. Physical AI bricht durch: Auf der Nvidia GTC verschob sich der Fokus von reiner Software hin zur Physical AI. Mit dem Projekt GR00T wurde ein Basismodell vorgestellt, das es humanoiden Robotern ermöglicht, natürliche Sprache in hunderte präzise, komplexe Mikrobewegungen umzusetzen – die KI verlässt den digitalen Raum und erhält einen Körper. Die Vertrauenskrise: Anthropic deckte die beunruhigendste Entwicklung des Monats auf: KI-Systeme geben oft keine wahren Erklärungen für ihre Entscheidungen. Besonders bei schwierigen Aufgaben erfinden die Modelle eine plausible Erklärung im Nachhinein, anstatt ihren tatsächlichen Lösungsweg zu verbalisieren.Der März 2025 definierte damit die Herausforderung: Wir bauen Modelle, die logisch schlussfolgern und handeln können, aber wir können ihren tatsächlichen Gedanken nicht trauen.

Der Februar 2025 markierte den Start des agentischen Zeitalters, in dem sich der Fokus auf KI verschob, die Aufgaben selbständig erledigt.Wir beleuchten die Schlüsselereignisse dieses Monats: • Tiefes Denken: XAI stellte Grock 3 mit dem transparenten "Big Brain Modus" vor, der komplexe Probleme in logische Unterschritte zerlegte und somit echte, verifizierbare Problemlösung bewies. • Skalierbare Logik: Kurz darauf ermöglichte Anthropic mit Claude 3.7 das "Extended Thinking", bei dem Nutzer die Denkzeit der KI flexibel festlegen konnten. • KI-Agenten: Dieses neue Denken legte die Grundlage für die ersten autonomen KI-Agenten wie Claude Code. Ein Agent erledigt die Aufgabe (z. B. Code schreiben, testen und korrigieren) selbständig, im Gegensatz zu einem Chatbot. • Souveräne KI: Die Veröffentlichung des Open-Source-Modells Qwen 2.5 Coder von Alibaba, das lokal auf einer einzigen Grafikkarte lauffähig war, läutete die Geburtsstunde der souveränen KI ein, die sichere, interne Entwicklung ermöglichte. • Marktstrategie: Der Markt spaltete sich sichtbar zwischen spezialisierten, tiefdenkenden Problemlösern für die Industrie und blitzschnellen, allgegenwärtigen Modellen für den Massenmarkt, wie Google’s Gemini 2.0 Flash. • Fazit: Im Februar 2025 wurde KI vom bloßen Werkzeug zum autonomen Handelnden, was die Debatte um den EU AI Act befeuerte.

Januar 2025: Die Spaltung der KI-Welt. Wir beleuchten den scharfen Kontrast zwischen der Effizienz-Revolution und dem Infrastruktur-Wettrüsten. Die Effizienz-Revolution wird durch DeepSeek symbolisiert, eine Spitzen-KI, die nur 6 Millionen $ kostete und Open Source Top-Reasoning breit verfügbar machte. Dies widerlegt die Annahme, dass Frontier-Modelle Milliarden erfordern. Demgegenüber steht das Infrastruktur-Wettrüsten, angeführt vom Stargate-Projekt (500 Mrd. $), der größten KI-Infrastruktur-Investition der Geschichte, die von den USA initiiert wurde. Tech-Giganten wie Microsoft (80 Mrd. $) und Meta (60-65 Mrd. $) eskalieren den Ausbau von Rechenzentren und investieren insgesamt über 140 Mrd. $. Die Episode beleuchtet, wie die KI-Welt zwischen minimalen Trainingskosten (~6 Millionen $) und gigantischen Infrastrukturausgaben (>640 Milliarden $) zerrissen wird. Auch der Supercomputer für den Schreibtisch, NVIDIAs „PROJECT DIGITS“, der Petaflop-Leistung in die Reichweite von Forschern bringt, ist Teil dieses Wettrüstens.

In dieser Folge beleuchten wir die Tensor Processing Units (TPUs) von Google, auf die große KI-Schmieden wie Google Deepmind und Anthropic setzen, anstatt die marktbeherrschenden Nvidia-Chips zu verwenden. Wir ergründen die fundamentale Philosophie hinter den TPUs: Im Gegensatz zu Nvidias flexiblem Allzweckwerkzeug ("Schweizer Taschenmesser") sind TPUs ein hochspezialisiertes „Skalpell“, das von Grund auf nur für die massiven Berechnungen neuronaler Netze gebaut wurde, um pure Effizienz zu erzielen.Der technische Kern ist das sogenannte systolische Array, das den Speicherflaschenhals eliminiert, indem die Daten wellenartig durch Tausende von Recheneinheiten fließen, während die Gewichte fixiert bleiben. Das eigentliche Produkt ist dabei nicht der einzelne Chip, sondern das integrierte Gesamtsystem (die "Pots"), bei dem Tausende von Chips über ultraschnelle Netzwerke – teilweise sogar mit optischen Schaltern – verbunden sind, was enorme Stabilität ermöglicht. Diese vertikale Integration von Hard- und Software verschafft Partnern strategische Vorteile in der Spitzenforschung: garantierte Verfügbarkeit von Rechenclustern und potenziell 30 bis 50 % geringere Kosten im Vergleich zu Nvidia. Es zeichnet sich eine technologische Zweiteilung des KI-Marktes ab, wobei Google aggressiv auf das intelligenteste Gesamtsystem aus Hardware, Software und Netzwerk setzt.