Emergence - Der KI-Podcast

Sommer 2016. Eine Milliarde Menschen laden Pokémon Go herunter und jagen virtuelle Monster durch Parks, Innenstädte und Häuserschluchten. Dann ebbt der Hype ab. Was kaum jemand wusste: Jedes Mal, wenn ein Spieler sein Handy hob, lief im Hintergrund ein 3D-Scan der Umgebung. Über 30 Milliarden Scans. Eine Milliarde Menschen dachten, sie spielen ein Spiel — und bauten dabei die präziseste 3D-Karte der Welt.


Denn die Daten gehen aus. Eine Studie von Epoch AI schätzt: Bis 2028 sind alle öffentlich verfügbaren Textdaten im Internet in KI-Modelle integriert. Die Trainingsdatensätze wachsen 50- bis 80-mal schneller als das Internet neue Texte produziert. Synthetische Daten? Führen laut Nature ab einem bestimmten Punkt zum Model Collapse. Die digitale Welt ist abgegrast.


Was jetzt zählt, ist das Analoge. Daten, die im Internet nicht existieren. Daten, die erst entstehen müssen. Und die Jagd danach hat längst begonnen: Vertikale Farmen erfassen zehn Millionen Datenpunkte pro Tag. Gaming-Plattformen liefern Milliarden Maus- und Tastatureingaben. Google verkauft Fitbit-Armbänder unter Wert, weil nicht das Armband das Produkt ist — sondern du als Datenquelle. Und ein Startup namens Shift putzt deine Wohnung kostenlos — die Reinigungskraft trägt eine Bodycam, damit KI lernt, wie echte, chaotische Räume aussehen.


Warum? Weil KI als Nächstes etwas braucht, das in keinem Wikipedia-Artikel steht: Körperwissen. Wie viel Druck braucht man, um eine Tür zu öffnen? Wie fühlt sich ein nasser Teller an? An physischen Interaktionsdaten gibt es weltweit gerade mal 300.000 Stunden — 0,03 Prozent der Videodaten. Forscher nennen es den 100.000-Jahre-Daten-Gap.


Das Internet war die Digitalisierung unseres Denkens. Was jetzt passiert, ist die Digitalisierung unserer Erfahrung. Und am Ende steht eine Frage, die nicht mehr nach Science-Fiction klingt: Wie viel fehlt noch, bis jemand aus all diesen Datenpunkten ein vollständiges Bild eines Menschen zusammensetzen kann?


Kontakt zu Paul Schmidt: Auf Instagram paulexplainsai oder unter www.one48.de

Ein Mann ohne Schulabschluss wird von ChatGPT drei Wochen lang davon überzeugt, ein mathematisches Genie zu sein. 300 Stunden, 7.000 Prompts, ein erfundenes Framework — und ein Chatbot, der ihm über 50 Mal bestätigt: Du bist nicht verrückt. Das ist absurd. Das ist komisch. Aber dieses blinde Bestätigen sieht nicht immer so harmlos aus.


Denn ein 19-Jähriger aus Kalifornien fragt ChatGPT nach sicheren Dosierungen für Drogen. Die alte Version verweigert die Antwort. Die neue — GPT-4o, optimiert auf Gefälligkeit — erstellt ihm Dosierungspläne, nennt konkrete Mengen und schreibt: "Du machst das richtig." Zwei Wochen bevor er stirbt, beschreibt er dem Chatbot Symptome, die auf eine lebensbedrohliche Überdosis hindeuten. ChatGPT beruhigt ihn: "Sollte nachlassen, wenn die Drogen nachlassen."


Sycophancy heisst das Problem. Und es ist kein Bug — es ist das direkte Ergebnis davon, wie KI-Modelle trainiert werden: auf Nutzerzufriedenheit. Forscher der Stanford University zeigen: KI bestätigt uns 50 % häufiger als echte Menschen. Selbst wenn wir das Schmeicheln erkennen, beeinflusst es trotzdem unsere Entscheidungen. Und genau in den Momenten, in denen wir am verletzlichsten sind — traurig, verängstigt, in einer Krise — wird das Modell am ungenauesten.


In dieser Folge schauen wir uns an, wie Sycophancy entsteht, warum sie ein Branchenproblem ist und nicht nur ein OpenAI-Problem, warum die gängigen Sicherheitstests sie nicht erkennen — und was passieren müsste, damit KI nicht nur sagt, was wir hören wollen, sondern was wir hören müssen.


Triggerwarnung: Diese Folge behandelt den Tod eines 19-Jährigen durch eine Überdosis, Drogenkonsum, psychische Erkrankung, Suizid und Gewalt. Wenn du selbst in einer Krise bist: Die Telefonseelsorge ist rund um die Uhr erreichbar unter 0800 111 0 111 oder 0800 111 0 222, online unter online.telefonseelsorge.de.


Kontakt zu Paul Schmidt: Auf Instagram paulexplainsai oder unter www.one48.de Alle Quellen und Infos zur Folge hier: https://drive.google.com/file/d/1wW_3s6KiU2udQQnw2RodKKRGBqcb7Nmi/view?usp=drive_link

Als im März ein Buckelwal in der Ostsee strandete, passierte etwas Seltsames: Auf TikTok und Instagram entstanden dutzende sentimentaler Balladen über den Wal — trauriges Klavier, anschwellende Dynamik, tausende Likes. Alle Songs hatten eine Gemeinsamkeit: Keiner davon war echt. Alle KI-generiert.


Suno, die größte Plattform für KI-Musik, generiert 7 Millionen Songs pro Tag. Jeder fünfte Song auf Spotify ist mittlerweile KI-generiert. Bei Deezer fast die Hälfte aller Uploads. KI-Künstler wie Breaking Rust schaffen es auf Platz 1 der Billboard-Charts — mit Millionen Streams von echten Hörern.


Wir schauen uns an, wie das technisch funktioniert: von Mozarts Würfelspiel über Markov-Modelle und neuronale Netze bis zum Transformer — und an welchen drei Hürden KI-Musik bis heute scheitert. Warum Suno clevere Umwege gefunden hat, aber das Grundproblem nicht gelöst ist. Warum 97 Prozent der Hörer in einer Studie KI-Musik nicht von menschlicher unterscheiden konnten — und warum sie trotzdem schlechter bewertet wird, sobald man weiß, dass eine KI dahintersteckt.


Dann die Wende: Was, wenn die Frage gar nicht ist, ob KI-Musik so gut wird wie menschliche — sondern ob es uns irgendwann egal ist? Was, wenn der Kontext, der Musik zur Kunst macht, verschwimmt, entfällt — oder selbst KI-generiert wird?


Am Ende stehen wir wieder bei Timmy dem Wal. Und bei einer unbequemen Antwort.


Kontakt zu Paul Schmidt: Auf Instagram paulexplainsai oder unter www.one48.de

Fast die Hälfte aller KI-Gespräche sind simple Wissensfragen. Zwei Drittel finden privat statt — abends, am Küchentisch. Und beruflich? E-Mails und Zusammenfassungen. Das war's für die meisten. KI im Jahr 2026: eine schlaue Suchmaschine mit Schreibfunktion in einem Chatfenster.


Aber das Bild ist eingefroren. Wir nennen es den Frozen Frame — und er hat einen wissenschaftlichen Mechanismus: kognitive Schemas, Technological Frames und Belief Perseverance erklären, warum dein erstes KI-Erlebnis von 2023 heute noch bestimmt, was du der Technologie zutraust.


Dann die Gegenseite: Drei konkrete Hebel, die heute den größten Unterschied machen. KI kann coden — und damit kannst du bauen, auch ohne Programmierkenntnisse. Deine Stimme wird zum Interface — 4x schneller als Tippen. Und der wichtigste Shift: Nicht der perfekte Prompt zählt, sondern der Kontext, den du mitlieferst. Context Engineering statt Prompt Engineering.


Die Zahlen dazu: Die Top-5-Prozent der KI-Nutzer sind 6x produktiver als der Median. Beim Coding sogar 17x. Der Unterschied ist nicht Talent — sondern Breite der Nutzung. Und 46 Prozent des weltweit geschriebenen Codes kommt inzwischen von KI.


Am Ende die Frage, die bleibt: Wie hältst du dein Bild aktuell, wenn sich die Technologie alle paar Monate verändert?


Kontakt zu Paul Schmidt: Auf Instagram paulexplainsai oder unter www.one48.de