Mega KI Investitionen - Ep 176

00:00:00 Einführung in KI-Investitionen durch Regierungen
00:04:42 OpenAIs Erfolg mit ChatGPT
00:06:29 Schwierigkeiten bei der Bereitstellung von Kapital in Software
00:07:22 Risiko, zukünftige KI-Modelle vorherzusagen
00:12:35 DeepSeeks kosteneffizientes KI-Modell
00:14:22 Y Combinators breit angelegter Investitionsansatz
00:15:27 KI-Investition zieht Unternehmen außerhalb des KI-Bereichs an
00:17:12 Überfluss an Mitteln im KI-Markt
00:18:29 SoftBanks Treffer-oder-Niederlage-Investitionsstrategie
00:19:52 Frankreichs gescheiterte Investitionsstrategien
00:22:32 Der Fortschritt bei der KI ist geografisch verteilt
00:23:53 Mega-Investitionen in KI lenken ab
00:25:02 Mangelndes Verständnis der Regierungen für KI
00:27:00 Schrittweiser Fortschritt in der KI über 50 Jahre
00:30:18 Die Kontrolle über KI verleiht möglicherweise keine Überlegenheit
00:31:40 Argument gegen Superintelligenz
00:33:54 Beiträge kommen aus verschiedenen Quellen
00:39:26 Regulierung verhindert die Schaffung von Arbeitsplätzen
00:46:31 Innovation wird in Regierungsprogrammen nicht stattfinden
00:50:50 Achte auf bereichsspezifische Innovationen

Zusammenfassung

In dieser Folge von LokadTV diskutieren Conor Doherty und Joannes Vermorel die jüngsten von Regierungen angekündigten KI-Investitionen, einschließlich der 500-Milliarden-Dollar-Zusage der Trump-Administration und der 200-Milliarden-Euro-Verpflichtungen der Europäischen Union. Vermorel kritisiert diese groß angelegten Investitionen, da sie oft ineffizient und verschwenderisch sind, wobei die Steuerzahler die Kosten tragen. Er betont, dass erfolgreiche Innovationen in der Regel aus fokussierten, unabhängigen Bemühungen entstehen und nicht aus bürokratischen Konsortien. Vermorel hinterfragt zudem die vagen Zielsetzungen dieser Investitionen und ihre Auswirkungen auf die Schaffung von Arbeitsplätzen, insbesondere in Ländern mit regulatorischen Problemen. Er rät dazu, sich auf spezifische, umsetzbare Innovationen zu konzentrieren, anstatt sich von staatlich geleiteten Initiativen ablenken zu lassen.

Erweiterte Zusammenfassung

In dieser Folge von LokadTV gehen Conor Doherty, Kommunikationsdirektor bei Lokad, und Joannes Vermorel, CEO und Gründer von Lokad, der jüngsten Welle von KI-Investitionen nach, die von verschiedenen Regierungen angekündigt wurden. Die Diskussion konzentriert sich auf die Auswirkungen und die Effektivität dieser massiven finanziellen Verpflichtungen, insbesondere auf die 500-Milliarden-Dollar-Investition der Trump-Administration und die Reaktion der Europäischen Union mit einer 200-Milliarden-Euro-Investition.

Joannes Vermorel bietet eine kritische Perspektive und greift dabei auf Frankreichs historischen Ansatz staatlich geförderter strategischer Investitionen zurück, bekannt als “État stratège”. Er argumentiert, dass derart groß angelegte Investitionen oft ineffizient und verschwenderisch sind. Vermorel weist darauf hin, dass obwohl diese Investitionen bedeutende Beiträge des privaten Sektors beinhalten, letztlich die Steuerzahler den Großteil der Kosten durch Zugeständnisse wie Steuererleichterungen tragen werden.

Das Gespräch hebt die inhärenten Herausforderungen hervor, große Geldsummen effizient einzusetzen, insbesondere im KI-Sektor. Vermorel betont, dass erfolgreiche Marktinnovationen in der Regel nicht aus bürokratischen Konsortien hervorgehen, sondern aus fokussierten, unabhängigen Bemühungen. Er nennt Beispiele wie das iPhone und ChatGPT, die nicht das Produkt von Konsortien, sondern von einzelnen, engagierten Einheiten sind.

Conor Doherty liefert Kontext, indem er darauf hinweist, dass die 500-Milliarden-Dollar-Investition der Trump-Administration 100 Milliarden Dollar im Voraus beinhaltet, während der Rest über die Zeit zugesagt wurde. Ebenso umfasst die Investition der Europäischen Kommission sowohl öffentliche als auch private Mittel. Trotz dieser Klarstellungen zeigt sich Vermorel skeptisch hinsichtlich der Effektivität solcher Investitionen und argumentiert, dass sie oft zu bürokratischen Ineffizienzen führen und keine bedeutenden Fortschritte erzielen.

Die Diskussion berührt auch die endgültigen Ziele dieser Investitionen, die vage und undefiniert bleiben. Vermorel kritisiert das Fehlen klarer Zielsetzungen und schlägt vor, dass Begriffe wie “ethische KI” und “nachhaltige KI” vage sind und keine konkrete Richtung für die Entwicklung vorgeben.

Vermorel führt weiter aus, dass der KI-Bereich durch schnelle, unvorhersehbare Fortschritte gekennzeichnet ist, was es schwierig macht, künftige Bedürfnisse und Technologien vorherzusagen. Er weist darauf hin, dass der Markt bereits mit Investitionen in Rechenzentren durch große Unternehmen wie Microsoft, Google und Amazon übersättigt ist, und stellt die Notwendigkeit zusätzlicher staatlich geleiteter Investitionen in Frage.

Das Gespräch wendet sich den weiter gefassten Implikationen dieser Investitionen zu, insbesondere in Bezug auf die Schaffung von Arbeitsplätzen. Vermorel stellt die Annahme in Frage, dass solche Investitionen Arbeitsplätze schaffen werden, besonders in Ländern mit niedrigen Arbeitslosenquoten wie den USA. Er argumentiert, dass das eigentliche Problem in Ländern mit höheren Arbeitslosenquoten, wie etwa in Frankreich, die regulatorische Reibung ist und nicht ein Mangel an Investitionen in KI.

Conor Doherty bringt die Perspektive von Anthony Miller ein, der gleichermaßen die Überregulierung in Frankreich und deren Auswirkungen auf das Start-up-Umfeld kritisiert. Vermorel stimmt zu und weist darauf hin, dass die Menschen, die in Frankreich am stärksten von Arbeitslosigkeit betroffen sind, jene mit niedriger Bildung und Fähigkeiten, die nicht mit KI zusammenhängen, sind.

Abschließend rät Vermorel supply chain directors und IT-Direktoren, sich auf spezifische, umsetzbare Innovationen in ihren jeweiligen Bereichen zu konzentrieren, anstatt sich von diesen groß angelegten, staatlich geförderten Investitionen ablenken zu lassen. Er prognostiziert, dass bedeutende Fortschritte bei der KI weiterhin aus unabhängigen Bemühungen entstehen werden und nicht aus Regierungskonsortien.

Insgesamt bietet die Episode eine kritische Betrachtung des jüngsten KI-Investitionsrausches und stellt die Effektivität sowie die langfristigen Auswirkungen solch massiver finanzieller Verpflichtungen in Frage. Vermorels Einsichten liefern eine warnende Perspektive hinsichtlich der Rolle der Regierung bei der Förderung technologischer Innovationen und betonen die Bedeutung fokussierter, unabhängiger Bemühungen für bedeutende Fortschritte.

Vollständiges Transkript

Conor Doherty: Willkommen zurück bei LokadTV. Also Joannes, heute sind wir wieder hier, um ehrlich über das Thema zu sprechen, das in diesen Tagen immer wiederkehrt: KI. Insbesondere sitzen wir hier, weil es scheinbar einen internationalen Rausch in Bezug auf KI-Investitionen gibt, bei dem sowohl massiv private als auch enorme öffentliche Fördermittel in die KI-Infrastruktur fließen. Also, zu Beginn, was ist deine erste Einschätzung dazu?

Joannes Vermorel: Was ich in den Nachrichten gesehen habe, ist, dass die Trump-Administration vor ein paar Tagen eine Investition von 500 Milliarden Dollar angekündigt hat. Und dann, ich glaube, war es erst vor zwei Tagen, reagierte die Europäische Union mit den Worten: “Na gut, wenn sie das tun, dann werden wir unsere 200-Milliarden-Euro-Investition in KI haben.” Meine allgemeine Einschätzung dazu ist, dass es als Franzose durchaus relevant ist, denn das Interessante daran ist, dass Frankreich dieses Spiel seit Jahrzehnten spielt. Tatsächlich hat es dafür im Französischen einen Namen, es heißt “État stratège”, also der strategische Staat. Aufgrund der bisherigen Bilanz Frankreichs in diesem Spiel kann ich mit großer Sicherheit sagen, dass nahezu das gesamte Geld verschwendet wird, Punkt.

Conor Doherty: Ich will dich nicht unterbrechen, aber ich empfinde es als notwendig, sofort einzuspringen und etwas Kontext zu liefern. Denn ich möchte es nicht so vereinfachen, dass es den Anschein erweckt, als würden Präsident Trump oder Ursula von der Leyen fast eine Billion Dollar an öffentlichen Geldern ausgeben. Zur Klarstellung: Ich habe einige Details auf dem Bildschirm. Zum Zeitpunkt des Sprechens, dem 13. Februar, klärte Trump, dass die 500 Milliarden Dollar größtenteils eine Investition des privaten Sektors seien. Das ist Stargate, die Verbindung zwischen OpenAI, Oracle und SoftBank in Japan. SoftBank ist ein japanisches Unternehmen. Ursula von der Leyen, Präsidentin der Europäischen Kommission, kündigte 200 Milliarden Euro an, von denen 150 Milliarden privat und 50 Milliarden aus öffentlichen Mitteln stammen. Das Muster ist also sehr deutlich: enorme Summen sowohl privater als auch öffentlicher Gelder, aber es werden nicht ausschließlich öffentliche Mittel ausgegeben, um es klarzustellen.

Joannes Vermorel: Ja, aber nochmals, Frankreich spielt solche Spiele seit Jahrzehnten. Es ist immer dasselbe Muster. Man rechtfertigt damit, dass private Investoren vorhanden sind, aber in Wirklichkeit werden Zugeständnisse in Form von Steuererleichterungen oder vielen anderen Dingen gemacht. Die Kosten sind also real und werden stark auf die Steuerzahler abgewälzt. Das Interessante dabei ist, dass diese Projekte scheitern, weil es extrem schwierig ist, große Geldsummen effizient einzusetzen. Entweder wären diese Projekte ohnehin erfolgt, sodass es hier nur einer Ankündigung bedarf. Man nimmt einfach ein Unternehmen, das schon investieren wollte, und betrachtet diese Investition als Teil der großen Strategie für das Land. Aber wenn es sowieso schon passieren würde, warum sollte man diese Investition in einen Topf werfen und sagen: “Oh, es ist unsere strategische Investition”?

Die Realität ist, dass man in der Regel in sehr bürokratischen Umgebungen mit Konsortien landet, in denen so viele Unternehmen zusammenkommen. Man schaut sich einfach an, was auf dem Markt im Allgemeinen erfolgreich ist. Was wir sehen, sind fast durchweg keine Konsortien. Das iPhone ist ein großer Erfolg, aber es war nicht das Produkt eines gemeinsamen Vorhabens von Google, Facebook und anderen. Es war ein großer Erfolg, aber keineswegs das Ergebnis eines Konsortiums.

Dasselbe gilt für OpenAI; es war mit ChatGPT weitgehend erfolgreich, aber ChatGPT war nicht das Produkt eines Konsortiums. Die Liste ließe sich fortsetzen. Allgemein gesprochen, wenn ich mir solche Muster ansehe, hat “État stratège” in Frankreich seit Jahrzehnten, also quasi seit einem halben Jahrhundert, dieses Spiel gespielt. Man greift einfach auf das jeweils angesagte Schlagwort zurück, versammelt einflussreiche Namen und große Unternehmen am Tisch. Dann werden Tonnen von öffentlichen Geldern hinzugefügt, um zu rechtfertigen, dass private Unternehmen ihr Geld verdienen werden. Man gewährt zahlreiche Zugeständnisse, Steuererleichterungen und so weiter. Am Ende hat man ein Spiel, das hoch asymmetrisch ist, weil in Wirklichkeit die von der Verwaltung versprochenen Mittel sehr häufig realisiert werden, während private Mitwirkende einfach zurückziehen.

Was sehr gut passieren könnte, ist, dass wenn die Trump-Administration 500 Milliarden Dollar sagt, ein mögliches Szenario eintritt, bei dem alle privaten Investoren einfach zurückziehen, falls die Dinge unsinnig werden, und dennoch Milliarden an öffentlichen Geldern ausgegeben werden.

Conor Doherty: Ich möchte darauf hinweisen, dass ich der Auffassung bin, dass von der Trump-Administration 100 Milliarden Dollar im Voraus zugesagt wurden, mit dem Versprechen von weiteren 400 Milliarden. Um fair zu sein, jeder, der mit großen Verträgen im Fußball vertraut ist, weiß, dass 200 Millionen Dollar nicht sofort für einen Spieler bezahlt werden; sie werden aufgeteilt.

Joannes Vermorel: Das Problem ist, dass Software wirklich kein Bereich ist, in dem es einfach ist, Kapital einzusetzen, und es ist verdammt schwierig, wenn man diese große Geldsumme einsetzen will. Deshalb wird es als Infrastruktur dargestellt. Aber selbst bei Infrastruktur: Was bedeutet das überhaupt? Das Problem ist, dass man sagen könnte: “Oh, wir brauchen Chips.” Okay, aber welche Art von Chips? Das hängt vom Algorithmus ab. Wir haben LLMs, wir haben die LLMs von 2025. Diese LLMs sind ganz anders als die Art von machine learning Modellen, die vor fünf Jahren in Mode waren. Was lässt dich denken, dass in fünf Jahren die Modelle, die in Mode sein werden, die gleichen Anforderungen widerspiegeln wie die, die wir heute haben? Es ist eine sehr riskante Angelegenheit.

Conor Doherty: Um fair zu sein, ist mein Verständnis, dass es nicht nur um Chips geht. Die Stargate Alliance hat sich zum Ziel gesetzt, mindestens 20 Rechenzentren zu errichten, die meisten davon in Texas. Die Europäische Kommission versprach, 12 KI-Hubs und eine Menge Supercomputer zu bauen. Aber für mich stellt sich dann die Vorfrage, bevor wir darüber sprechen, warum diese Projekte scheitern – was sehr gut möglich ist: Was ist das endgültige Ziel? Was wollen die Leute erreichen? Man kann darüber sprechen, warum es scheitert, aber was ist das ultimative Ziel, all diese Rechenzentren, Supercomputer und KI-Hubs zu errichten und all dieses Geld, so schlecht es auch eingesetzt wird, bereitzustellen? Was ist letztlich das Ziel dabei?

Joannes Vermorel: Auf dem Papier ist es super vage: “Lasst uns eine KI-Supermacht werden.” Aber was bedeutet das überhaupt?

Conor Doherty: Genau, das ist meine Frage.

Joannes Vermorel: Genau das ist das Problem. Niemand weiß es. Diese Kommunikationen sind super vage. Am Ende hat man: “Oh, eine KI-Supermacht bedeutet, Zugang zur ethischsten KI zu haben.” Okay, was bedeutet das? Die nachhaltigste KI? Ich habe keine Ahnung, was das bedeutet. Die Kommunikation ist einfach unglaublich vage. So ist es immer. Wann immer Frankreich es mit “État stratège” versucht hat, waren die Mitteilungen zwangsläufig extrem vage, weil man Unternehmen zusammenbringt, die äußerst unterschiedlich sind, keine gemeinsamen Strategien haben und sehr wenig gemeinsam haben. Man bringt Oracle und SpaceX zusammen und erwartet, dass diese Leute etwas gemeinsam haben. Das ist Unsinn.

Ich denke, dass sich viele Teilnehmer darüber im Klaren sind, dass das völliger Unsinn ist, aber wenn eine dritte Partei verspricht, Milliarden von Dollar oder Euro für einen auszugeben, warum nicht? Es wäre ein Fehler, nicht einfach zu sagen: “Okay, wenn ihr bereit seid, so viel Geld zu verschwenden, dann verschwendet es wenigstens an mir.”

Wenn wir in spezifische Herausforderungen wie supply chain einsteigen, ist es noch weniger klar, dass das überhaupt Sinn macht. Wenn wir von KI in supply chain sprechen, könnten wir ihr eine sehr spezifische Bedeutung verleihen, nämlich die automatisierte Ausführung von supply chains für alle alltäglichen decision-making Prozesse, die in supply chains stattfinden. Das wäre eine klare These dessen, was man erreichen möchte. Wir haben äußerst arbeitsintensive Entscheidungsprozesse: Wann bestelle ich, wie viel bestelle ich, erhöhe oder senke ich meinen Preis, verlege ich diesen Bestand hierhin oder dorthin, erhöhe oder senke ich die Kapazität all jener Dinge, die eine Kapazitätsgrenze darstellen können.

In Ordnung, das lässt sich sicherlich mit etwas Ähnlichem wie KI mechanisieren. Aber nochmal: Ist der Engpass dabei der Zugang zu Rechenleistung? Braucht man immense Rechenleistung? Benötigt man Rechenzentren? Gibt es Anzeichen dafür, dass die Rechenzentren, die wir haben, wirklich der Flaschenhals sind? Denn wenn es um Investitionen in Rechenzentren geht, gab es keinen fehlbestand an Investitionen. Microsoft, Google und Amazon haben unermüdlich in Rechenzentren investiert, um die Welt mit Rechenzentren zu versorgen.

Meiner Meinung nach, wenn Amazon meint, dass sie mehr Rechenzentren brauchen, ist das völlig in Ordnung. Sie würden einfach investieren und mehr Rechenzentren errichten. Gleiches gilt für Microsoft, Google und alle anderen. Was mich wirklich erstaunt, ist die Vorstellung, dass das Eingreifen in diesen Prozess durch diese Mega-Investitionen die Märkte effizienter machen soll. Für mich ist das ein sehr fehlgeleiteter Ansatz, besonders bei etwas wie KI, das so multidimensional ist. Es ist äußerst schwierig, genau zu erkennen, was fehlt, wie der Markt aussehen wird und wie die Technologien in fünf Jahren aussehen könnten. Es ist alles sehr unscharf. Es ist nicht so, dass man eine Milliarde Dollar investiert und sofort die gewünschten Ergebnisse erzielt. Die Situation ist weitaus unschärfer als das.

Conor Doherty: Man könnte sagen, dass erneut Unmengen Geld – sei es öffentlich oder privat – in die KI-Infrastruktur gesteckt werden. Im Kontext meines Wissens über DeepSeek ist das ziemlich interessant. Zum Beispiel wurde DeepSeek produziert, wobei es nicht nur weniger Energie verbraucht als ChatGPTs o1-Modell, sondern anscheinend auch nur einen Bruchteil der Kosten verursacht hat, etwa 25- bis 30-mal günstiger. Die Vorstellung, dass wir nun in die Details darüber einsteigen können, wie es produziert wurde, ob es plagiiert wurde, ist nicht der Punkt. Der Punkt war die Infrastruktur – es wurde tatsächlich für deutlich weniger produziert, als es für das o1-Modell gebraucht wurde. Und wie war die Reaktion darauf? Nun, man wirft eine halbe Billion Dollar in das Problem.

Joannes Vermorel: Ja, und das Interessante ist, dass Mistral, ein französisches Unternehmen, vor etwa einem Jahr nahezu dieselben Behauptungen wie DeepSeek aufstellte und sagte: Weißt du was, diese LLMs, die wir momentan haben, sind ziemlich verschwenderisch. Höchstwahrscheinlich können wir mit nur einem winzigen Bruchteil der Rechenressourcen vergleichbare, wenn nicht sogar bessere Ergebnisse erzielen. Und das Bemerkenswerte ist, dass dies bereits die Position von Mistral war, doch als plötzlich ein chinesisches Unternehmen exakt dasselbe machte, verlor der Markt den Verstand.

Also, meine Meinung war, dass es schön ist, eine Marktkorrektur zu sehen. Aber grundlegend zeigt es, dass der Weg und der Fortschritt bei Softwaretechnologien im Allgemeinen äußerst chaotisch sind. Es ist sehr schwierig, Jahre im Voraus zu wissen, was erfolgreich sein wird. Es ist äußerst schwierig, Kapital effektiv einzusetzen. Deshalb ist es übrigens sehr interessant, wenn man sich sehr erfolgreiche Startup-Inkubatoren anschaut, wie zum Beispiel Y Combinator. Sie haben buchstäblich den Ansatz vorangetrieben, Geld sehr breit zu streuen – Tausende von Startups zu unterstützen, jedem Unternehmen ein wenig Kapital, beispielsweise eine halbe Million Dollar, zukommen zu lassen und zu schauen, was daraus wird. Und dieser Ansatz scheint in der Softwarebranche allgemein zu funktionieren, im Gegensatz dazu, einen Champion zu wählen und Milliarden in ihn zu pumpen. Historisch gesehen, wenn man Unternehmen betrachtet, haben Investoren, die diesen Mega-Investitionsansatz verfolgt haben, wie SoftBank, massive Verluste bei WeWork erlitten. Sie begannen mit einem Fonds von 100 Milliarden Dollar und verschwendeten etwas wie mehrere zehn Milliarden bei WeWork.

Conor Doherty: Nun, WeWork war nicht einmal ein Softwareunternehmen.

Joannes Vermorel: Ich meine, sie wurden als solche präsentiert, aber im Wesentlichen handelte es sich um eine Vermietungsagentur. Doch genau das ist das Problem. Wenn man sagt, wir wollen in KI investieren und hier sind Milliarden von Dollar – vielleicht sogar Hunderte von Milliarden Dollar – dann kann man sich sicher sein, dass sich jedes einzelne Unternehmen als KI-Unternehmen präsentieren wird. Meines Wissens hat Oracle beispielsweise nichts mit KI zu tun. Sie haben in diesem Bereich keinen Beitrag geleistet. Ich kann nicht einmal sicher sagen, ob sie jemals etwas auch nur annähernd Relevantes im Bereich des maschinellen Lernens getan haben. Und doch vermarkten sie sich jetzt als KI-Unternehmen. Und ich bin mir ziemlich sicher, dass sich viele andere Unternehmen mit einer sehr schwachen Erfolgsbilanz in diesem Bereich dem Trend anschließen werden. Wenn ich raten müsste, würde ich sagen, dass wahrscheinlich auch Salesforce mitmachen wird. Nochmals, genau das ist das Problem.

Wenn wir uns KI anschauen, stellt sich die Frage: Was fehlt? Offensichtlich gibt es Unmengen an Dingen, die fehlen. Möchten wir das auf KI für supply chain anwenden, fehlen zahlreiche Elemente. Aber Kapital – wirklich, nach Jahren der quantitativen Lockerung, in denen wir wahrscheinlich den einfachsten Zugang zu Kapital in der Menschheitsgeschichte hatten – denke ich nicht, dass es zumindest aus unternehmerischer Sicht am Mangel an Mitteln liegt. Was ich allgemein auf dem KI-Markt sehe, ist eine Überfülle an Kapital. Selbst wenn man nur die privaten Fonds betrachtet und dazu die öffentlichen addiert, verstärkt sich das Problem der Überfülle an Bargeld.

Conor Doherty: Generell ziehst du einen Vergleich zu Startups in diesem nebligen Venture-Capital-Rausch, der einsetzt, wenn Menschen sich um Technologieunternehmen scharen. Ich weiß nicht, ob du es explizit meintest, aber hast du denselben Rahmen auch auf das angewendet, was Regierungen wie Japan, Frankreich und die USA tun? Du stellst einen Vergleich zu jenen Verhaltensweisen an, bei denen riesige Tech-Unternehmen – einzelne Tech-Unternehmen – Hunderte von Millionen und Milliarden verschwendet haben. Setzt du diese Handlungen gleich?

Joannes Vermorel: Nein, was ich sagen will, ist, dass es äußerst schwierig ist, Kapital bereitzustellen, und es ist für private Unternehmen extrem schwer, es richtig einzusetzen. Ausgeben ist einfach, aber es gewinnbringend auszugeben, ist äußerst schwierig. Betrachtet man selbst private Unternehmen wie SoftBank, kann man im besten Fall sagen, dass es Treffer oder Fehlschläge gibt. Es ist nicht klar, dass man – wenn man es aggregiert betrachtet – bessere Ergebnisse erzielt, wie Warren Buffett immer wieder betont hat. Meist enden diese Fonds damit, dass sie unter dem Marktdurchschnitt bleiben. Mit einem einfachen ETF würde man bessere Renditen erzielen.

Jetzt beunruhigt mich, dass – wenn man bedenkt, dass es bei KI schon schwierig ist, Kapital einzusetzen – es noch schwieriger wird, gigantische Beträge zu investieren, denn je größer der Topf ist, den man einsetzen möchte, desto herausfordernder wird es. Und nun verschlimmert sich das Problem, weil eine Reihe von Regierungen hinzukommt, die alle möglichen bürokratischen Albträume erschaffen, die nur darauf warten, zu passieren – zusammen mit Konsortien und dergleichen, die historisch immer wieder bewiesen haben, dass sie viel Verschwendung erzeugen. Wenn staatliche Strategien ein sicherer Weg zum Reichtum wären, wäre Frankreich das reichste Land der Erde. Das ist bei weitem nicht der Fall. All diese Ansätze sind letztlich gescheitert.

Conor Doherty: Nun, wenn ich kurz zu diesem Punkt anknüpfen darf – denn wenn man über finanzielle Verschwendung spricht, liegt unser Fachgebiet darin, zu verstehen, was man für jeden ausgegebenen Dollar bekommt, welchen ROI man erzielt – um diesen Punkt mit einem früheren Kommentar in Bezug auf supply chain zu verknüpfen: Du hast zuvor das Beispiel der drei Systeme von enterprise software angeführt. Das erste ist das System der Aufzeichnungen, und das ist im Wesentlichen dein ERP. Du hast bereits darauf hingewiesen, dass in den meisten Unternehmen ungefähr drei Viertel des IT-Budgets für das verwendet wird, was im Grunde ein glorifiziertes Hauptbuch ist – im Kern eine Tabelle. Eine Tabelle, bei der man Dutzende von Millionen Euro dafür ausgibt, ist in Ordnung. Und deine Position dabei, kurz zusammengefasst, ist, dass das nicht besonders klug ist. Sicher, ein gewisser Geldbetrag muss dafür ausgegeben werden, denn man benötigt halt etwas. Und du meintest vielleicht, dass 5 % angemessen wären. Betrachtet man dasselbe finanzielle Schema, müssen natürlich auch Staaten, sprich Regierungen, einen gewissen Betrag in die KI-Infrastruktur investieren. Eine halbe Billion mag zu viel sein, aber was wäre ein angemessener Betrag?

Joannes Vermorel: Aber ich stelle die Idee, warum Regierungen überhaupt Geld für solche Themen ausgeben sollten, wirklich in Frage. Es scheint das Rezept zu sein, um Unmengen an Steuergeldern zu verschwenden. Mir macht es nichts aus, dass ich in den USA keine Steuern zahle, aber anscheinend holt dann doch die EU auf und möchte Unmengen an europäischem Steuergeld dafür verschwenden. Und dadurch werde ich betroffen.

Für mich ist es sehr seltsam, warum du überhaupt denkst, dass Regierungen von vornherein in das Ganze eingebunden sein sollten. Es ist wirklich eigenartig. Braucht man etwa unbedingt die Unterstützung der Regierung? Betrachtet man die gesamte Geschichte der Informatik, besonders in Bezug auf diese schwer fassbaren Dinge wie künstliche Intelligenz, ist keines dieser Dinge jemals aus bürokratischen Institutionen hervorgegangen, die von Regierungen geführt werden. Der Fortschritt erfolgt sehr schrittweise und ist geografisch unglaublich verteilt. Wir haben bei DeepSeek gesehen, dass ein Team von Quants in China den Stand der Technik voranbringen kann, und beim nächsten Mal könnte es ein anderes Team in Deutschland, in Schweden oder anderswo sein.

Und nochmals bestreite ich die Vorstellung, dass das Problem ein Mangel an Mitteln sei, denn es gibt eindeutig einen Überfluss an Kapital. Wenn du denkst, dass Staaten eingreifen sollten, weil nicht genügend Finanzmittel vorhanden sind, dann sage ich als Unternehmer im Softwarebereich: Denk noch einmal nach. Ich werde persönlich vermutlich etwa fünf Mal am Tag von Risikokapitalgebern kontaktiert, die in Lokad investieren wollen. Der Mangel an Mitteln ist nicht das Problem. Du hast so viel Kapital wie du willst, aber selbst mit meinem bescheidenen Fachwissen ist es völlig unklar, wo man selbst bei einer Investition von hundert Millionen Dollar in KI dieses Geld anlegen sollte. Es ist ein sehr schwieriges Unterfangen. Vergleichen wir das also mit hundert Milliarden Dollar – das ist ein Problem. Meiner Meinung nach sind solche Mega-Investitionen Ablenkungen. Sie werden zu viel Verschwendung führen und zugleich alle Beteiligten ablenken.

Conor Doherty: Um den Gedanken auseinanderzunehmen, ob Staaten einbezogen werden sollten oder ob sie überhaupt Interesse daran haben – es gibt da einen wichtigen Punkt, und nochmals, ich bin kein Experte. Ich lehre Philosophie und arbeite im Marketing bei Lokad. Allerdings habe ich Nick Bostroms Buch “Superintelligence” gelesen, das etwa 10 oder 11 Jahre alt ist. Als er es schrieb, umreißte er das Potenzial. Ich weiß, dass wir nicht über Superintelligenz sprechen, also habt bitte Nachsicht. Die Vorstellung ist jedoch, dass die meisten Menschen nicht wissen, was Superintelligenz ist. Die meisten wissen nicht, wie nah wir dem eigentlich sind oder nicht. Was sie wissen, ist…

Es besteht immer noch, wie Bostrom darlegte, das Potenzial der verheerenden Auswirkungen, auf der falschen Seite einer Nation zu stehen, die über diese Fähigkeit verfügt. Meine Frage ist also: Wie viel davon ist im Wesentlichen eine staatliche Angst, diese Infrastruktur im Vergleich zu potenziellen Feinden nicht ausreichend zu entwickeln?

Joannes Vermorel: Aber was lässt dich glauben, dass die Regierung oder irgendjemand in diesen Koalitionen von Regierungen auch nur eine Ahnung hat, wie man diese Frage beantworten soll? KI ist nicht etwas Einfaches wie der Bau einer gigantischen Mauer zu unserer Verteidigung – etwas sehr Greifbares mit einem klaren Ziel. Wir sprechen hier von etwas unglaublich Flüchtigem. Stell dir vor, man ersetzt KI durch einen Wettbewerb, den besten Roman zu schreiben – den poetischsten, interessantesten, fesselndsten. Glaubst du wirklich, dass das Hineinwerfen von Milliarden in diese Herausforderung mechanisch den besten Roman hervorbringen würde? Nein. Sicherlich gäbe es viele Teilnehmer, aber es würde sofort in einen bürokratischen Albtraum ausarten, ohne Aussicht, etwas Wunderschönes zu entstehen.

KI ist unglaublich undurchschaubar. Ein Teil des Problems bei großen Sprachmodellen (LLMs) besteht darin, dass wir die Natur ihrer Einschränkungen nicht wirklich verstehen. Wenn wir verstehen würden, was uns effektiv daran hindert, allgemeine künstliche Intelligenz zu erreichen, hätten wir einen klaren Entwicklungsweg. Das Problem ist, dass in den letzten 50 Jahren jede Generation von Modellen des maschinellen Lernens etwas Fundamentales enthüllt hat, das am Verständnis von Intelligenz fehlte. Jede Revolution war inkrementell und ließ uns erkennen, dass uns etwas Tiefgreifendes an Intelligenz gefehlt hat.

Indem diese Lücken geschlossen werden, wurde Fortschritt erzielt, und heutzutage liefern Entwicklungen spektakuläre Ergebnisse. Aber die Community im Allgemeinen – Experten und Forscher im Bereich KI – findet es äußerst unklar, wohin wir gehen sollten. Man wirft Dinge an die Wand, um zu sehen, was haften bleibt, und das sogar blind. Es ist nicht klar, dass das Investieren von Geld in dieses Problem die Situation verschlechtern kann. OpenAI war wohl ziemlich abgelenkt, weil sie zu viel Geld hatten und sich auf Mega-Modelle konzentrierten – sodass sie bei der Entwicklung derselben, aber wesentlich schlankeren LLMs etwas zu spät kamen.

Es gibt den Mythos, dass nur weil man eine Richtung erkennen kann – wie KI als Zukunft – irgendjemand auch eine Ahnung hat, wie man dieses Ziel erreicht. Das Interessante am Markt ist, dass Tausende von Menschen Risiken eingehen, Dinge ausprobieren und letztlich aus diesem gigantischen Wettbewerb etwas als Sieger hervorgeht. Das ist sehr gut. Wenn man eine staatliche Strategie verfolgt, landet man letztlich bei Dingen wie Frankreichs Minitel. Frankreich versuchte, sein eigenes Internet zu erfinden, das vom Staat betrieben wurde, und es war eine totale Katastrophe.

Die Idee, dass der Staat die Menschheit voranbringen kann, ist nur bei Problemen möglich, die äußerst gut verstanden und unkompliziert sind – bei denen ein reiner Bruteforce-Ansatz funktioniert. Aber wenn es sich um etwas mehrdimensionales handelt, wird es sehr schwierig. Man könnte in eine Situation geraten, in der KI im Wesentlichen Open Source wird, ohne Wert. Ihr KI-Kern könnte Open Source und kostenlos sein, und all der Mehrwert würde daraus entstehen, was Sie mit dieser KI machen. Es ist nicht klar, dass die vollständige Kontrolle über KI jemandem Überlegenheit verleiht. Denken Sie einfach an die Mathematik. Stellen Sie sich vor, ein Land bildet alle Mathematiker aus, die alle Theoreme beweisen. Dieses Land wäre eine mathematische Supermacht, aber sobald diese Theoreme bewiesen sind, können alle von den Ergebnissen profitieren. Eine mathematische Supermacht zu sein, bedeutet nicht, dass man tatsächliche Macht oder Reichtum erlangt. Es gibt noch einen Denkfehler: Wenn man den Durchbruch erzielt, fängt man den Mehrwert ein. Aber das ist nicht zwangsläufig so. So wie es bei einer mathematischen Supermacht nicht automatisch bedeutet, dass sämtliches Wissen genutzt wird, um etwas zu schaffen, das Länder reicher macht.

Conor Doherty: Was Sie im Wesentlichen skizziert haben, ist das Argument, das Bostrom gegen Superintelligenz vorbrachte. Ich weiß, dass wir nicht über Superintelligenz sprechen, aber bevor eine superintelligente KI erreicht wird – von der er annahm, dass sie irgendwo in der Mitte dieses Jahrhunderts eintreten würde – müssen einige Schritte abgeschlossen werden. Wer über diese verfügt, ist im Grunde eine Supermacht. Wenn Sie das Monopol auf einen wertvollen Kompetenzbereich haben, sind Sie eine Supermacht. Ebenso könnte derjenige, der in KI am weitesten fortschreitet, der Mächtigste sein, und das könnte einige Entscheidungen beeinflussen.

Joannes Vermorel: Ja, aber das ist reine Spekulation. Es wird kein Monopol geben. Sobald die Gemeinschaft ein bestimmtes Verständnisniveau erreicht hat, wird das, was einst eine exklusive Supermacht oder Kompetenz weniger Menschen war, zu einer Ware. Momentan scheinen die KI-Entwicklungen denselben Mustern zu folgen, die wir in den letzten 50 Jahren in der Informatik gesehen haben. Es geschieht sehr inkrementell, mit unzähligen verschiedenartigen Mitwirkenden. Beiträge kommen aus Tausenden von Quellen. Es gibt viele Arbeiten, die wesentliche Beiträge leisten, doch die Person, die diesen Beitrag erbringt, könnte nur eine einzige bedeutende Arbeit vorzuweisen haben.

Die Menschheit wird in der KI genauso weiter voranschreiten wie in der Mathematik, aber es wird kein Monopol geben. Niemand besitzt das gesamte Wissen der Mathematik. Einige Länder haben mehr Mathematiker als andere, aber verleiht das einen wirklichen Vorteil, gemessen an Lebensqualität, Zugang zu materiellen Gütern und so weiter? Absolut nicht. Es ist sehr unklar, dass diese Investitionen diesen Mehrwert einfangen werden. Wir investieren in Hardware für die nächsten 5 bis 10 Jahre für Modelle, von denen wir nicht wissen, wie sie aussehen werden. Es besteht eine erhebliche Chance, dass Fehler gemacht werden und Geld verschwendet wird. Wenn Microsoft in weitere Rechenzentren investiert und es falsch anstellt, treffen diese Verluste die Aktionäre. Die Vorstellung, dass Bürokraten Hunderte von Milliarden Dollar oder Euro effizient in KI investieren werden, lenkt nur vom Wesentlichen ab.

Conor Doherty: Nochmals, ich bin zwar kein Ökonom, aber ich habe mich intensiv mit Entscheidungstheorien beschäftigt und festgestellt, dass die Wahrnehmung von kleinen und großen Zahlen radikal unterschiedlich ist. Zum Beispiel, wenn ich Ihnen als CEO eines Unternehmens sage, dass wir im letzten Jahr 12.000 Dollar für Kaffee in der Teeküche ausgegeben haben, könnten Sie das als eine verrückte Summe ansehen – allein, weil Kaffee etwas Alltägliches, etwas Tägliches ist. Sollten es 10.000 Dollar sein? 12.000 Dollar? 5.000 Dollar? Das werde ich untersuchen. Aber wenn ich sage, dass Ihr ERP-Upgrade 250 Millionen Dollar kosten wird, klingt das angemessen. Ich weiß nicht genau, was der richtige Betrag wäre. Ebenso wird der Bau von 20 Rechenzentren eine halbe Billion Dollar kosten. Bei großen Zahlen herrscht eine Art Tyrannei. Ich denke, das wird noch verstärkt, wenn Menschen, die an den Entscheidungen beteiligt sind, möglicherweise nicht über das nötige technische Verständnis verfügen, was „unter der Haube“ vor sich geht. Dann heißt es: „Hier ist im Grunde ein Blankoscheck“, denn eine halbe Billion Dollar entspricht praktisch einem Blankoscheck. Schreiben Sie einfach die Zahl, die Sie für den Bau angemessen finden. Meine Frage ist daher: Wie realistisch ist die Erwartung, dass dieses Geld sinnvoll investiert wird und der Öffentlichkeit, etwa in Form von Arbeitsplatzschaffung, Nutzen bringt?

Joannes Vermorel: Meiner Meinung nach sollte die Erwartung in dieser Hinsicht äußerst gering sein. Wenn man sich die Arbeitsstatistiken in den USA anschaut, sieht man, dass dort Vollbeschäftigung – oder beinahe Vollbeschäftigung, wenn man Menschen, die ins Gefängnis mussten, außer Acht lässt – herrscht. Daher ist die Vorstellung, dass bei Vollbeschäftigung noch Arbeitsplätze geschaffen werden, merkwürdig. Man könnte sagen: „Oh, wir werden viel bessere Jobs haben“, aber man muss sich fragen, ob das realistisch ist. Wenn jemand in einer Pizzeria arbeitet, könnte es zwar Bedarf an einem Datenbankadministrator geben, und dieser Job wäre besser bezahlt –, aber wenn dieselbe Person weiterhin in der Pizzeria Pizzen macht und nicht als Datenbankadministrator eingestellt wird, dann liegt es vermutlich an mangelnder Kompetenz.

Für mich ist das Argument der Arbeitsplatzschaffung völlig orthogonal, insbesondere in Ländern wie den USA, wo die Arbeitslosenquote sehr niedrig ist. Es ist ein Argument von fragwürdigem Wert, um Investitionen zu rechtfertigen. Wenn man nach Europa schaut, wo die Arbeitslosigkeit höher ist, liegt es in Wirklichkeit daran, dass diese Arbeitslosigkeit vor allem durch Regulierungen verursacht wird. Wenn ein Stück Regulierung Menschen daran hindert, einen Job zu bekommen, ist die Annahme, dass eine massive Investition dieses Problem lösen wird, falsch. Diese Probleme hängen völlig unabhängig voneinander.

Für das Publikum, das mit Europa nicht vertraut ist: In vielen Ländern wie Frankreich, Spanien, Italien ist es nahezu unmöglich für Unternehmen, sich von ihren Mitarbeitern zu trennen – sie können diese nicht einfach entlassen. Infolgedessen müssen alle Unternehmen beim Einstellen äußerst vorsichtig sein. Das führt zu vielen Reibungsverlusten, und in weiten Teilen lässt sich die Arbeitslosigkeit dadurch erklären. Länder, in denen es solche Reibungsverluste nicht gibt, wie z. B. die Schweiz, haben deutlich niedrigere Arbeitslosenquoten. Für mich spricht vieles dafür, dass – wenn es um Investitionen geht – die Idee, dadurch Arbeitsplätze zu schaffen, eine sehr schwache These ist, besonders wenn es Steuergelder sind. Es bedeutet, dass einerseits Geld von normalen Bürgern genommen wird, um es andererseits an andere zu geben. Bei privaten Investitionen entstehen Chancen. Aber wenn es um öffentliche Gelder geht, wird Geld von den Steuerzahlern entwendet, um letztlich an andere weitergegeben zu werden.

Conor Doherty: Wenn ich an diesem Punkt kurz einhaken darf: Mir ist etwas Amüsantes passiert, während ich gerade darüber nachdachte. Es knüpft an diesen Punkt an, weil ich mit den Fakten präzise sein wollte. Ich wollte etwas nachschauen, das Anthony Miller auf LinkedIn gesagt hatte. Anthony Miller, ein Freund des Kanals, betreibt einen fantastischen Blog – ich empfehle jedem dringend, dort unter Wiser LogTech vorbeizuschauen. Ich öffnete LinkedIn, um genau diese Information zu erhalten, und ganz oben in meinem Feed fand sich tatsächlich ein Post von Anthony Miller, der genau dasselbe Thema behandelte. Ein frischer Post, aber der, auf den ich besonders hinweisen wollte, war, dass er vor ein paar Tagen sagte – und mich würde sehr interessieren, wie Sie dazu stehen – dass diese 200-Milliarden-Finanzierung, egal wie sie auf die Länder verteilt wird, nicht zwangsläufig zur Schaffung von Arbeitsplätzen in Frankreich führen wird. Der spezifische Grund, den er anführte, war, dass Frankreich insgesamt in Bezug auf Startups überreguliert ist und vielleicht ein wenig feindlich gegenüber der Startup-Kultur eingestellt ist. Mich würde interessieren: Teilen Sie diese Skepsis?

Joannes Vermorel: Ja, das tue ich. Wenn man sich anschaut, wer in Frankreich arbeitslos ist, dann sind es nicht die Menschen mit IT- oder Informatikkenntnissen – diese sind alle beschäftigt. Wenn wir uns diejenigen ansehen, die über wertvolle marktnahe Fähigkeiten verfügen – insbesondere im Bereich der KI oder angrenzender Felder – dann ist die Beschäftigungsquote nahezu 100 %. Wer in Frankreich am meisten arbeitslos ist? Im Wesentlichen sind es junge Menschen mit niedriger Bildung. Bei den unter 25-Jährigen liegt die Arbeitslosenquote bei etwa 20 %. Insgesamt beträgt die Arbeitslosenquote in Frankreich laut Google derzeit 7 %, aber bei den unter 25-Jährigen liegt sie bei rund 20 %. Man muss auch berücksichtigen, dass in Frankreich zu jedem Zeitpunkt rund 200.000 Menschen Soziologie studieren.

Frankreich bringt eine enorme Anzahl von Menschen hervor, die für praktisch nichts qualifiziert sind. Wird KI dieses Problem lösen? Ich glaube nicht. Wenn man sich anschaut, warum diese Menschen arbeitslos sind, liegt das daran, dass sie fünf Jahre damit verbracht haben, Soziologie zu studieren – was ihnen keine Fähigkeiten vermittelt, die in irgendeinem Unternehmen realistisch einsetzbar wären. Die Tatsache, dass Frankreich plötzlich in KI investiert, wird dieses Problem nicht lösen. Sie waren vorher nicht beschäftigt, weil Ihre Fähigkeiten keinen Marktwert hatten. KI ändert daran grundsätzlich nichts.

Wenn man von Arbeitsplatzschaffung spricht, meinen die Leute, dass damit Arbeitsplätze für diejenigen geschaffen werden, die aktuell keinen Job haben. Die Realität ist, dass Menschen mit soliden Fähigkeiten in Frankreich nahezu zu 100 % beschäftigt sind.

Conor Doherty: Um es klar zu sagen: In vielen Fällen wird in Europa – insbesondere in Frankreich – jeder, der über diese Fähigkeiten verfügt und ausreichend Englisch spricht, oft von Startups in Amerika abgeworben. Es gibt einen Brain-Drain-Effekt.

Joannes Vermorel: Wenn wir von der Schaffung von Arbeitsplätzen sprechen, dann heißt das, dass, wenn man einem Menschen, der bereits einen Job hat, einen weiteren Arbeitsplatz schafft, man nur lateral umdisponiert. Die eigentliche Frage wäre, ob wir das Problem der Arbeitslosigkeit lösen. Meine Antwort ist: Es gibt in Europa Unmengen an Arbeitslosen, aber die Gründe dafür haben nichts mit KI und deren Möglichkeiten für Europa, die USA oder die Welt zu tun. Selbst wenn KI sehr erfolgreich wird, ändert sich an der Situation dieser Menschen – aus genau demselben Grund, warum sich die Lage von in den USA verurteilten, mehrfach inhaftierten Menschen, die enorme Schwierigkeiten haben, einen Job zu finden, nicht grundsätzlich ändert. Selbst wenn ein Land enorm wohlhabend ist, wird das Schicksal dieser Menschen nicht grundlegend anders sein, nur weil wir eine unglaublich gute KI haben, die viele wertvolle Aufgaben für Unternehmen erfüllt.

Conor Doherty: Ich will Ihnen nicht Worte in den Mund legen, aber als Zusammenfassung dieser Position: Sind Sie im Grunde der Meinung, dass aus Sicht des durchschnittlichen Steuerzahlers in Europa kein Mehrwert darin liegt?

Joannes Vermorel: Hier gibt es in Europa keinen Mehrwert – und ich glaube auch in den USA nicht. Wenn wir uns ganz speziell die supply chains anschauen, denke ich, dass supply chain directors diese Programme nicht als den Ort ansehen, an dem Innovation stattfindet. Es wäre schlicht eine gigantische Verschwendung von Ressourcen. Diese Konsortien können noch mehr Schaden anrichten, als nur Euro und Dollar an Steuergeldern zu vergeuden. Sie sind zudem eine riesige Ablenkung, die die Wahrnehmung gewöhnlicher Unternehmensleiter verzerrt und sie glauben lässt, dass dies der Ort sei, an dem Innovation geschieht und Mehrwert entsteht.

Conor Doherty: Nun, es ist interessant, denn oft, wenn ich versuche, Sie zu Prognosen zu drängen, was passieren wird, halten Sie Ihre Karten sehr eng an der Brust. Sie waren heute in Ihrer Prognose sehr zurückhaltend.

Joannes Vermorel: Ja, also das Interessante ist, dass ich ehrlich gesagt nicht vorhersagen kann, wo Innovation stattfinden wird. Aber wir können schon einige Orte ausschließen. Kommt die nächste KI-Revolution aus Nordkorea? Unwahrscheinlich, sehr unwahrscheinlich. Wird sie von staatlichen Bürokraten ausgehen? Auch sehr unwahrscheinlich, ähnlich wie Nordkorea. Man sieht also, dass es nicht daran liegt, dass ich keine präzise Vorhersage machen kann, sondern dass ich einige Dinge, die historisch gesehen äußerst unwahrscheinlich sind, bereits ausschließen kann.

Conor Doherty: Also glauben Sie, dass Europa in 12 Monaten kaum etwas aufgebaut haben wird – geschweige denn enorme Fortschritte erzielt?

Joannes Vermorel: Es könnte sein, aber wenn es passiert, dann nicht dank dieser Investitionen. Innovation ist oft unberechenbar und kann fast überall geschehen. Einige Länder verfügen über eine Vielzahl hochqualifizierter Arbeitskräfte. Zum Beispiel ist die Schweiz ein Hotspot für solche Talente. Die Wahrscheinlichkeit, dass ein solches Unternehmen in der Schweiz entsteht, ist durchaus gegeben.

Conor Doherty: Steueroasen?

Joannes Vermorel: Ja, aber nicht nur Steueroasen. Zum Beispiel ist die ETH exzellent. Es gibt viele Orte mit hervorragenden technischen Universitäten. Frankreich, ja – Frankreich hat auch viele. Deshalb ist meine Einschätzung, dass der Hauptkandidat die USA sind, schlichtweg weil sie den meisten Schwung, die größten Communities und die meisten Experten haben. Aber selbst wenn der Fortschritt weiterhin von den USA kommt, ist meine Prognose, dass dies nichts mit diesen mega Investitionen der Bundesregierung zu tun haben wird. Der Erfolg wird höchstwahrscheinlich in den USA eintreten, weil sie das Feld seit Jahrzehnten dominieren. Aber wird dieser Erfolg die Folge jener mega Investitionen der Bundesregierung sein? Ich denke generell nicht.

Conor Doherty: Gut, wir sind jetzt fast eine Stunde dabei, also werde ich langsam zum Abschluss kommen. Was möchten Sie abschließend noch sagen, bevor wir beenden?

Joannes Vermorel: An die supply chain directors oder IT-Direktoren, die uns zuschauen: Lassen Sie sich nicht ablenken. Diese Dinge sind nur eine Zeitverschwendung und leider auch eine Verschwendung Ihres Geldes – aber an diesem Teil können Sie nichts ändern, denn es sind Ihre Steuergelder.

Conor Doherty: Wir befürworten nichts Illegales.

Joannes Vermorel: Aber zumindest können Sie darauf achten, dass es nicht zu einer völligen Ablenkung wird. Mein Vorschlag ist, aufmerksam zu verfolgen, was passiert, sich aber nicht von diesen mega Investitionen ablenken zu lassen. Höchstwahrscheinlich wird daraus nichts entstehen. Konzentrieren Sie sich lieber auf Dinge, die ganz spezifisch für Ihren Bereich sind und offensichtlich echten Mehrwert für Ihre Anwendungsfälle schaffen, statt hinter Superintelligenz und Ähnlichem herzujagen.

Conor Doherty: Gut, Joannes, ich habe keine weiteren Fragen. Vielen Dank für Ihre Zeit. Ich habe das Gespräch sehr genossen und hoffe, dass es auch anderen so geht. Vielen Dank fürs Zuschauen, und bis zum nächsten Mal.