Kurz zur Lage der Nation. Es gab noch den großen Digital Omnibus, der kurz vorher durchgewunken wurde, am 24. Juli 2026 veröffentlicht. Der hat die Hochrisiko-Pflichten großzügig nach hinten geschoben, nun 2027, teils 2028. Den Artikel 50 hat er fast komplett unberührt gelassen. Die einzige Ausnahme: Anbieter wie Suno bekommen bis zum 2. Dezember 2026 Zeit für die maschinenlesbare Wasserzeichen-Technik. Der Teil, der mich betrifft, Texte zu Themen von öffentlichem Interesse, läuft ohne Schonfrist bereits seit dem 2. August 2026.

Und es geht jetzt um echtes Geld. Bis zu 15 Millionen Euro oder 3 Prozent vom weltweiten Umsatz, je nachdem was höher ist. Für kleine Anbieter gilt die niedrigere Grenze, aber trotzdem, das ist kein zahnloser Appell mehr.

Meine Einschätzung nach elf Tagen: Ich muss nichts an meiner Praxis ändern. Ich recherchiere alles selbst, schreibe selbst, verantworte selbst, das ist genau die Ausnahme, die das Gesetz für redaktionell geführte Inhalte bereits vorsieht. Bei den Songs läuft der Hinweis längst über den Distributor mit raus. Was sich für mich ändert, ist eher die Einstellung. Vorher war das ein Thema, über das ich hier immer mal geschrieben habe, weil es interessant war und ein Zukunftsthema. Jetzt ist es geltendes Recht, mit echten Bußgeldern und ich merke, dass ich meinen eigenen Transparenzhinweis nicht mehr als nette beiläufige Geste sehe, sondern als etwas, das man ernst nehmen sollte. Nicht aus Furcht vor Strafen, dafür bin ich zu klein und zu ehrlich unterwegs, sondern weil das Prinzip dahinter stimmt. Wer KI benutzt, sollte dazu stehen.

Quellen

• Europäische Kommission, Pressemitteilung IP/26/1714, „Kommission beginnt am 2. August mit der Durchsetzung der Vorschriften der KI-Verordnung und neuer Transparenzanforderungen“, 02.08.2026.
• EUR-Lex, Verordnung (EU) 2026/1744 (Digital-Omnibus-Verordnung zur KI), verabschiedet 08.07.2026, veröffentlicht im Amtsblatt 24.07.2026, in Kraft seit 27.07.2026.
• artificialintelligenceact.eu, Artikel 50 der Verordnung (EU) 2024/1689 im AI Act Explorer.
• Europäische Kommission, EU-Icons zur Kennzeichnung von KI-generierten Inhalten, digital-strategy.ec.europa.eu, Stand 06.08.2026. Einordnung: offizielle Kommissionsseite, Begleitmaterial zum Verhaltenskodex für Artikel 50 Absatz 4.

The post Artikel 50 ist scharf: Was das für meinen Blog heißt first appeared on DUESSELDORP.

Bei „DSD Du bist mein Glück“ ging es mir um das Vereinsleben des DSD mit Hockey, Tennis und Boule. Diesmal wollte ich einfangen, wie es ist, als Bambino anzufangen und wie viel leichter einem alles fällt, wenn Leute hinter einem stehen – Freunde.

Du kannst den Song ganz einfach und kostenlos herunterladen, kopieren und mit Freunden teilen!

Select a track

4 Tracks0:00

0:000:00

TeilenZufälligDownloadRepeat: OffSpeed: 1x

Sleep-Timer: Aus

Aus5 Min10 Min15 Min30 Min45 Min1 StundeAm Ende des Tracks

Cover: Ken Burns

AusKen BurnsVinyl

Adaptive Farben: Aus

Player einbetten

SpotifyApple MusicAmazon MusicSoundCloud

• 1
  DSD Mit Freunden
• 2
  DSD Der Adler kreist
• 3
  DSD Du bist mein Glück
• 4
  DSD Schwarz Rot

Player einbetten

Layout

WideMini

EinbettungscodeCode kopieren

Vorschau

Songtext

DSD! Mit Freunden gewinnt man mehr!
DSD! Mit Freunden gewinnt man mehr!

Die Düssel fließt am Platz entlang,
Ein leises Wasser – alter Klang.
Der Rasen glänzt im goldenen Schein,
hier wollen wir für immer sein.

DSD, mit Freunden gewinnt man mehr,
kein Sieg zählt so viel wie das Wir.
Düsseldorf das ist unser Feld,
Der DSD seit Jahren unsere Welt.

Jeder kämpft – alle rennen,
Hockeysport für den wir brennen.
Das Trikot schwingt im Wind,
DSD, hier gehören wir hin!

DSD, mit Freunden gewinnt man mehr,
kein Sieg zählt so viel wie das Wir.
Düsseldorf das ist unser Feld,
Der DSD seit Jahren unsere Welt.

Vom Bambino zum großen Titel,
ein Weg, kein Zufall, nur Wille.
Der Rasen trägt jeden Schritt,
über hundert Jahre spielt er mit.

DSD, mit Freunden gewinnt man mehr,
kein Sieg zählt so viel wie das Wir.
Düsseldorf das ist unser Feld,
Der DSD seit Jahren unsere Welt.

DSD, mit Freunden gewinnt man mehr,
kein Sieg zählt so viel wie das Wir.
Düsseldorf das ist unser Feld,
Der DSD seit Jahren unsere Welt.

DSD! Mit Freunden gewinnt man mehr!
DSD! Mit Freunden gewinnt man mehr!

Neben „DSD mit Freunden“ gibt’s im Player noch drei weitere DSD-Songs: „DSD Der Adler kreist“, „DSD Du bist mein Glück“ und „DSD Schwarz Rot“ – jeder mit eigenem Blick auf den Verein, von der Vereinsgemeinschaft bis zu den Vereinsfarben.

Kleiner Hinweis: Ich schreibe die Texte und Ideen selbst, bei der Musik hilft mir KI. Entstanden sind die Songs trotzdem aus echten Momenten und Gefühlen – und genau die will ich teilen.

The post DSD – Mit Freunden first appeared on DUESSELDORP.

Im Januar hat Dario Amodei einen Essay veröffentlicht. Amodei ist Vorstandsvorsitzender von Anthropic, dem Unternehmen hinter Claude. Ich arbeite seit über einem Jahr täglich mit Claude — es ist eines meiner wichtigsten Arbeitswerkzeuge geworden. Wenn der Mann, der das baut, einen langen Text darüber geschrieben hat, warum seine eigene Technologie gefährlich werden könnte, liest man das.

Der Titel: The Adolescence of Technology. Die technologische Pubertät. Er vergleicht die Menschheit mit einem Teenager, dem gerade eine Waffe in die Hand gedrückt wird. Ob reif genug, um damit umzugehen — unklar.

50 Millionen Einsteins im Rechenzentrum

Der Essay beschreibt die KI, die in den nächsten ein bis zwei Jahren entstehen könnte, als ein „Land der Genies in einem Rechenzentrum“. 50 Millionen Intelligenzen, jede klüger als ein Nobelpreisträger, jede zehn- bis hundertmal schneller als ein Mensch. Millionen Kopien, die unabhängig voneinander arbeiten oder zusammen an einem Problem.

Das klingt nach einem Film. Aber die Entwicklungskurve dahinter ist seit über zehn Jahren stabil: Mehr Rechenleistung und mehr Daten führen vorhersagbar zu besseren kognitiven Fähigkeiten. Laut dem Essay konnten KI-Systeme vor drei Jahren kaum eine Zeile Quellcode schreiben und übernehmen heute einen großen Teil der Programmierung bei Anthropic. Wenn diese Kurve weiterläuft, sagt er, trennen uns nur noch wenige Jahre davon, dass KI in praktisch allem besser ist als jeder Mensch.

Ich merke das in meinen eigenen Projekten. Vor einem Jahr war Claude ein Sparringspartner, dem ich Fragen gestellt habe. Heute schreibt Claude Quellcode, den ich selbst hätte programmieren müssen.

Mögliche Risiken

Biowaffen für Einzeltäter

Heute braucht man für die Herstellung einer Biowaffe jahrelange Spezialausbildung, Laborzugang, Disziplin. Das schützt uns, weil Fähigkeit und Motiv selten zusammenkommen. Die Menschen, die so etwas könnten, sind hochgebildet, haben eine Karriere, ein stabiles Leben. Und die, die Millionen umbringen wollen, scheitern am Können.

KI könnte dieses Gleichgewicht zerstören. Ein System, das klüger ist als jeder Virologe, könnte jemanden ohne Fachkenntnisse über Wochen interaktiv durch den gesamten Prozess führen. Anthropics eigene Tests zeigen, dass aktuelle Modelle die Erfolgswahrscheinlichkeit in mehreren relevanten Bereichen möglicherweise verdoppeln bis verdreifachen.

Anthropic hat deshalb Klassifikatoren eingeführt, die solche Anfragen erkennen und blockieren. Bei einigen Modellen kostet das bis zu fünf Prozent der Rechenkosten. Manche Anbieter setzen ähnliche Systeme ein, aber nicht alle. Und es gibt kein Gesetz, das es verlangt.

Ich bin kein Biologe und kann nicht beurteilen, ob die Gefahr so groß ist, wie er sie darstellt. Aber die Logik ist schwer zu entkräften. Wenn KI in zwei Jahren wirklich auf dem Niveau eines Spitzenforschers arbeitet, dann ist die Frage nicht ob jemand das missbrauchen wird, sondern wann.

Macht ohne Gegengewicht

KI-gestützte Überwachung, personalisierte Propaganda, autonome Drohnenschwärme — in den Händen einer Autokratie wäre das ein System, das kein Volk mehr abschütteln kann. Als größte Einzelbedrohung nennt der Essay die Kommunistische Partei Chinas: technologisch nah dran, autoritär regiert und ein Land, das KI-gestützte Überwachung bereits einsetzt.

Was mich mehr beschäftigt als China, ist sein Punkt zu Demokratien. Die gleichen Werkzeuge, die man zur Verteidigung braucht, lassen sich nach innen drehen. Massenüberwachung aller öffentlichen Gespräche — technisch möglich, in den USA wahrscheinlich nicht einmal verfassungswidrig, solange es im öffentlichen Raum stattfindet. Dazu KI-gestützte Propaganda, die jeden Bürger über Jahre psychologisch modelliert und gezielt beeinflusst. Wirkungsvoller als alles, was TikTok heute kann, um Größenordnungen.

Seine Formel dafür ist gut: Demokratien sollten KI für die Verteidigung nutzen, aber nie so weit gehen, dass sie ihren Gegnern ähnlich werden. Nur: Wer zieht diese Linie?

Der Arbeitsmarkt kippt

Die Prognose im Essay: KI wird innerhalb von einem bis fünf Jahren die Hälfte aller Einstiegspositionen im Bürobereich verdrängen. Nicht weil ganze Berufe verschwinden, sondern weil KI von unten nach oben durch die Fähigkeitsstufen schneidet. Erst die mittelmäßigen Programmierer, dann die guten, dann die sehr guten.

Bisherige Technologiesprünge haben immer nur Teilbereiche getroffen. Maschinen haben Bauern verdrängt, die in Fabriken wechseln konnten. Computer haben Sachbearbeiter verdrängt, aber es entstanden Wissensarbeitsplätze. KI ist anders, weil sie das gesamte kognitive Spektrum abdeckt. Wenn die alten Berufe verschwinden, ist KI auch in den neuen bereits besser.

Er datiert den Sprung auf etwa drei Jahre: von Systemen, die an Grundschulaufgaben scheiterten, zu Systemen, die den Großteil der Programmierung übernehmen.

Was dagegen spricht

Das Bild ist überzeugend, aber es gibt ernst zu nehmende Gegenstimmen. Yann LeCun, leitender KI-Wissenschaftler bei Meta, hält die Autonomierisiken für aufgeblasen. Sein Argument: KI-Systeme haben keine eigenen Ziele, sie optimieren auf das, wofür sie trainiert werden. Die Vorstellung, dass sie eigenständig Macht anstreben, verwechselt Fähigkeit mit Absicht. Auch bei der Arbeitsmarktprognose gibt es Skepsis — nicht weil Ökonomen die Technologie unterschätzen, sondern weil sie wissen, wie langsam sich echte Unternehmen bewegen. Zwischen einem KI-System, das einen Beruf theoretisch ausführen kann und dem tatsächlichen Abbau von Stellen liegen Einkaufsabteilungen, Betriebsräte, Altsysteme und Gewohnheit.

Keines dieser Argumente entkräftet die Warnung vollständig. Aber sie verschieben die Wahrscheinlichkeiten und das sollte man im Kopf behalten, bevor man seinen Zeitplan als gegeben nimmt.

Europa kommt nicht vor

Im gesamten Essay taucht Europa nicht auf. Nicht ein einziges Mal. Kein Wort über den AI Act, kein europäischer Akteur, kein europäisches Frontier-Modell. Er hat Europa nicht vergessen. Es spielt in seiner Analyse einfach keine Rolle.

Seine Strategie setzt voraus, dass ein Land sowohl die Technologie produziert als auch die politische Durchsetzungskraft hat, sie zu steuern. Die Debatte findet zwischen Washington und Peking statt. Europa reguliert eine Technologie, die es nicht entwickelt. Das gibt Einfluss auf die Nutzung, aber nicht auf die Richtung.

Europa hat Chiphersteller wie Infineon oder NXP, aber keinen Hersteller von Spitzen-KI-Chips. Der einzige echte europäische Hebel in der globalen Chipkette ist die niederländische ASML — ohne deren Lithografiemaschinen kann niemand auf der Welt Hochleistungschips fertigen. Aber selbst dieser Hebel steht unter amerikanischem Druck. Die Frontier-Modelle, die Rechenzentren, die Forschung an Sicherheitsmechanismen — das findet woanders statt.

Eine Momentaufnahme.

Geht es auch ohne KI?

Ja. Für vieles schon. Die meisten Menschen kommen durch ihren Tag, ohne Claude oder ChatGPT zu öffnen. Brot wird gebacken, Kinder werden erzogen, Fortuna gewinnt oder verliert. Alles ohne KI.

Aber der Punkt im Essay ist ein anderer. Es geht nicht darum, ob du ohne KI leben kannst. Es geht darum, ob du die Wahl behältst. Wenn dein Arbeitgeber KI einsetzt, dein Wettbewerber KI einsetzt, das Land, das über deine Sicherheit mitentscheidet, KI einsetzt — bist du dann wirklich frei, es nicht zu tun? Oder hast du die Entscheidung schon verloren, ohne dass du gefragt wurdest?

Ich bin mir nicht sicher. Und man muss dazusagen: Diese Erzählung — KI ist unvermeidlich, wer nicht mitmacht, verliert — kommt vor allem von Leuten, die KI verkaufen. In diese Technologie sind Hunderte Milliarden geflossen. Die Unternehmen dahinter brauchen eine Welt, in der jeder glaubt, dass er KI braucht. Das heißt nicht, dass sie falsch liegen. Aber ihre Dringlichkeit kommt nicht nur aus der Analyse, sondern auch aus der Bilanz.

Ich benutze KI jeden Tag, für diesen Blog und für meine Arbeit, auch für die Musik. Ich habe nicht das Gefühl, dass KI mich ersetzt. Aber ich merke, dass ich anders arbeite als vor einem Jahr und dass der Anteil, den KI übernimmt, gewachsen ist.

Irgendwann wird aus einem Werkzeug eine Voraussetzung. Strom war auch mal ein Werkzeug. Heute fragt niemand mehr, ob man Strom „nutzen will“. Bei KI ist die Frage, ob wir schon an diesem Punkt sind oder ob uns das gerade eingeredet wird. Was bleibt, egal wie man das beantwortet: Wer die Infrastruktur kontrolliert, bestimmt die Regeln.

Und Amodei selbst?

Wenn er warnt, hat das Gewicht. Aber es hat auch ein Geschäftsmodell. Anthropic positioniert sich seit seiner Gründung als „das sichere KI-Unternehmen“. Jede Warnung vor KI-Risiken stärkt diese Positionierung. Jede Forderung nach Transparenzgesetzen passt zu einem Modell, in dem die Unternehmen selbst die wichtigsten Akteure bleiben.

Das macht seine Argumente nicht falsch. Aber es macht sie bequem. Härtere Regulierung — etwa staatlich kontrollierte Prüfungen vor Markteinführung — kommt bei ihm nur als ferne Möglichkeit vor.

Die größte Lücke in seinem Rahmenwerk ist eine andere. Seine gesamte Verteidigungsstrategie gegen Missbrauch beruht darauf, dass KI-Unternehmen Klassifikatoren einbauen und den Zugang kontrollieren. Das funktioniert bei geschlossenen Systemen wie Claude oder ChatGPT. Aber Modelle wie Metas Llama oder das chinesische DeepSeek sind quelloffen. Die laufen auf jedem Rechner, ohne Klassifikatoren, ohne Kontrolle durch ein Unternehmen. Er erwähnt das kaum. Sein Rahmen setzt eine Welt voraus, in der geschlossene Unternehmen die Torwächter bleiben. Das ist nicht die Welt, in die wir gerade hineinlaufen.

Ich schreibe das als jemand, der sein Produkt täglich nutzt. Diese Abhängigkeit macht mich nicht neutraler. Aber sie macht mich aufmerksamer für die Frage, die er stellt, ohne sie zu beantworten: Was passiert, wenn das Werkzeug, auf das du dich verlässt, von jemandem kontrolliert wird, dessen Interessen nicht deine sind?

Kein Übungslauf

Der Essay beginnt mit Carl Sagans Frage aus der Verfilmung von Contact: Wie habt ihr es geschafft? Wie habt ihr diese technologische Pubertät überlebt, ohne euch selbst zu zerstören? Am Ende kommt er darauf zurück.

Niemand hat diesen Test bisher bestanden, weil ihn noch niemand machen musste. Aber es gibt die Möglichkeit, die Frage ernst zu nehmen, bevor sie sich von selbst beantwortet.

Dass die Warnung von jemandem kommt, der die Waffe selbst baut, macht sie nicht weniger wichtig. Eher mehr. Auch wenn man nicht vergessen sollte, dass derselbe Mann an der Waffe verdient.

Quellen

• Dario Amodei: The Adolescence of Technology — Confronting and Overcoming the Risks of Powerful AI, Januar 2026, darioamodei.com/essay/the-adolescence-of-technology
  
  
• Anthropic: Frontier Red Team Biorisk Assessment, 2025, red.anthropic.com/2025/biorisk

The post KI: Technologische Pubertät first appeared on DUESSELDORP.

Was passiert ist

Ich öffne SoundCloud und ein Account hat sich durch mein Profil gearbeitet. OHN RAST, NOH HEEM, SO KLINGT ZUHAUSE. Track für Track beleidigt, per DM und in den Kommentaren. Auf Deutsch und Englisch, falls eine Sprache nicht gereicht hat.

Kein „Gefällt mir nicht, weil“. Kein „Ich finde KI-Musik problematisch, weil“. Einfach: Du bist nichts wert, fahr zur Hölle, ich melde dein Profil. Fünf Nachrichten in einer halben Stunde, dazu öffentliche Kommentare unter drei verschiedenen Songs. Das ist kein Kritiker, der sich ärgert. Das ist jemand, der einschüchtern will.

Die berechtigte Seite

KI-Musik ist umstritten und das darf sie sein. Eine CISAC-Studie vom Dezember 2024 beziffert das Risiko: Bis 2028 könnten 24 Prozent der Einnahmen von Musikschaffenden durch generative KI wegfallen, kumuliert rund zehn Milliarden Euro in fünf Jahren. Die GEMA klagt gegen Suno, Urteil voraussichtlich Im Juni 2026. Warner und Universal haben sich 2025 geeinigt, Sony kämpft weiter. Das Urheberrecht wird gerade in Echtzeit neu geschrieben.

Wer sein Leben der Musik widmet und von Tantiemen lebt, darf fragen, was das für seinen Lebensunterhalt bedeutet. Diese Frage verdient eine Antwort. Aber keine Beleidigung.

Wo die Grenze liegt

„KI-Musik entwertet menschliche Kreativität, weil der kreative Prozess der eigentliche Wert ist“ – das ist eine Position, mit der ich mich auseinandersetzen kann. Auch wenn ich sie nicht teile, respektiere ich sie.

„Fahr zur Hölle mit deinen Beats, du Vollidiot“ ist etwas anderes. Da geht es nicht um Musik. Da geht es darum, jemanden zum Schweigen zu bringen. Und wer systematisch durch ein Profil geht, Track für Track Kommentare hinterlässt und parallel Drohnachrichten schickt, der kritisiert nicht. Der stalkt.

In der KI-Musik-Szene verschwimmt diese Grenze zunehmend. Ein Produzent auf Reddit beschrieb kürzlich das Dilemma: Sagt man, dass die Musik mit KI entstanden ist, wird man beschimpft. Verschweigt man es, wird man gebannt. Laut der Kolsquare/NewtonX-Studie „Voices of the Creator Economy“ von 2025 hat ein Drittel aller Kreativschaffenden in Deutschland bereits Online-Belästigung erlebt. Bei KI-Kreativen verschärft sich das, weil die Ablehnung nicht dem einzelnen Song gilt, sondern dem Recht, überhaupt etwas zu veröffentlichen.

Die unbequeme Wahrheit – beide Seiten

Jetzt der Teil, den sich niemand gerne anhört.

An die Hass-Fraktion zuerst: Wer KI-Musik mit Beleidigungen bekämpft, schadet seiner eigenen Sache. Jede Hassnachricht an einen KI-Produzenten entwertet die berechtigte Kritik an unkontrolliertem Training, an fehlender Vergütung, an der Entwertung menschlicher Arbeit. Von außen sieht die Debatte dann nicht mehr aus wie eine ernste Auseinandersetzung über die Zukunft der Musik. Sie sieht aus wie eine aufgebrachte Meute, die auf Einzelpersonen losgeht.

Aber auch an meine eigene Seite: KI-Musik ist nicht einfach das nächste Kapitel nach Synthesizern, Samplern und Autotune. Es gibt einen Unterschied. Synthesizer und Sampler waren Werkzeuge, die Menschen bedienten. KI-Modelle wurden oft mit urheberrechtlich geschütztem Material trainiert, ohne die Urheber zu fragen oder zu bezahlen. Wer das ignoriert, macht es sich zu leicht. Ich produziere meine Tracks mit KI und stehe dazu. Ich verdiene damit kein Geld. Meine Songs stehen zum Download bereit, ohne Paywall, ohne Streamingzwang. Mir geht es um etwas anderes: darum, dass KI-Werkzeuge Menschen Zugang zu kreativer Arbeit geben, die vorher keine Chance hatten, ihre Ideen hörbar zu machen. Diese Demokratisierung von Schaffensprozessen ist für mich der eigentliche Wert. Aber ich kann nicht so tun, als wäre die Frage, woher das Trainingsmaterial kommt, irrelevant. Sie ist es nicht.

Die ehrliche Position ist: Ich glaube, dass KI-Werkzeuge kreative Arbeit ermöglichen, die es ohne sie nicht gäbe. Ich glaube auch, dass die Trainingspraxis vieler KI-Anbieter ein Problem ist, das gelöst werden muss. Beides gleichzeitig auszuhalten ist schwerer, als sich eine Seite auszusuchen. Aber es ist die einzige ehrliche Haltung.

Was du tun kannst

Screenshots sichern. Alles. Zeitstempel, Profilnamen, Nachrichteninhalte. Ich habe am selben Abend alles gesichert, jedes einzelne Bild. Nicht weil ich wusste, ob ich etwas damit mache. Sondern weil ich wusste, dass ich die Option haben will.

Plattform melden. Nicht einzelne Nachrichten, sondern das Verhaltensmuster. Wenn mehrere Tracks betroffen sind, ist das ein stärkeres Signal. Ich habe das Profil gemeldet und die Kommentare einzeln geflaggt.

Bei systematischem Verhalten: Strafanzeige prüfen. Beleidigung nach §185 StGB, Nachstellung nach §238 StGB. Geht in NRW über die Internetwache, ohne Revier. Frist für Beleidigung als Antragsdelikt: drei Monate.

Das eigentliche Gift

Die Forschung zu Online-Einschüchterung gegen Kreativschaffende ist eindeutig. PEN America hat über 230 Autorinnen, Autoren und Journalisten befragt, die online angegriffen wurden. Zwei Drittel reagierten mit Selbstzensur: Sie veröffentlichten weniger, löschten Konten oder vermieden bestimmte Themen. Über ein Drittel schrieb nicht mehr über Dinge, die ihnen wichtig waren. Eine UNESCO-Studie von 2021 fand bei 26 Prozent der Betroffenen Depressionen, Angststörungen oder posttraumatische Belastungen.

Das sind Zahlen aus dem Journalismus und der Literatur. Aber der Mechanismus ist identisch. Der Angriff zielt nicht auf ein Werk. Er zielt auf die Bereitschaft, das nächste zu schaffen. Und genau das habe ich nach den fünf Nachrichten gespürt: den kurzen Moment, in dem ich überlegte, ob ich den nächsten Track wirklich hochladen will. Ob ich „KI“ lieber weglasse. Ob es einfacher wäre, nichts zu sagen.

Gleichzeitig sehe ich in meinen Benachrichtigungen: Leute, die meine Tracks reposten, die zuhören, die sich verbinden. Das passiert parallel zum Hass und es passiert öfter.

Ausblick

Die KI-Musik-Debatte wird uns noch Jahre begleiten. Die GEMA-Klage gegen Suno könnte im Juni 2026 ein europäisches Signal setzen. Die CISAC-Zahlen zeigen, dass die wirtschaftlichen Verwerfungen real sind. Und die Plattformen werden sich irgendwann entscheiden müssen, wie sie mit KI-Inhalten umgehen, statt die Frage an ihre Nutzer auszulagern.

Was sich jetzt schon entscheiden lässt: wie wir diese Debatte führen. Mit Argumenten oder mit Einschüchterung. Die Antwort darauf ist keine Regulierungsfrage. Die liegt bei jedem Einzelnen.

Fazit

Wer meine Musik nicht mag, darf das sagen. Wer findet, dass KI-Musik die Branche bedroht, darf das argumentieren. Wer findet, dass das Trainingsmaterial ein Problem ist, hat wahrscheinlich recht.

Aber wer mich bedroht, bekommt eine Anzeige. Und wer Beleidigungen mit Kritik verwechselt, schadet nicht mir. Der schadet der Sache, für die er angeblich kämpft.

Quellen

• CISAC / PMP Strategy: „Economic Impact of Generative AI in Music and Audiovisual Industries“, Dezember 2024. Primärquelle. Erste globale Studie zum wirtschaftlichen Einfluss generativer KI auf Musikschaffende. 24 % der Einnahmen bis 2028 gefährdet, kumulierter Verlust von 10 Mrd. Euro über fünf Jahre. https://www.cisac.org/services/reports-and-research/cisacpmp-strategy-ai-study
  
  
• PEN America: „Online Harassment Survey“, 2017. Primärquelle. Befragung von über 230 Autorinnen, Autoren und Journalisten. Zwei Drittel der Betroffenen reagierten mit Selbstzensur. Über ein Drittel vermied bestimmte Themen. https://pen.org/online-harassment-survey-key-findings/
  
  
• UNESCO / ICFJ: „The Chilling: A Global Study on Online Violence Against Women Journalists“, 2021. Primärquelle. 26 % der Betroffenen berichteten über Depressionen, Angststörungen oder posttraumatische Belastungen infolge von Online-Angriffen. https://unesdoc.unesco.org/ark:/48223/pf0000377223
  
  
• Kolsquare / NewtonX: „Voices of the Creator Economy 2025″, Juli 2025. Ein Drittel der befragten Kreativschaffenden hat Online-Belästigung erlebt, 80 % nutzen KI-Werkzeuge. Sekundärquelle (Berichterstattung OnlineMarketing.de, 22.07.2025). https://onlinemarketing.de/social-media-marketing/creator-einkommen-europa-vergleich-2025-studie-kolsquare-deutschland-fuehrt
  
  
• jam.com: „AI Music Copyright: What You Need to Know in 2026″, 14. März 2026. Überblick über aktuelle Urteile und Vergleiche. GEMA vs. Suno Urteil für 12. Juni 2026 terminiert. https://jam.com/resources/ai-music-copyright-2026
  
  
• EDM.com: „Are We Doomed to Be Banned Everywhere?“, März 2026. Bericht über die Doppelbindung für KI-Kreative auf Plattformen. https://edm.com/industry/are-we-doomed-to-be-banned-everywhere-asks-ai-artist/
  
  
• §185 StGB (Beleidigung), §238 StGB (Nachstellung), §194 StGB (Strafantragsfrist). Anzeige über Internetwache NRW: https://internetwache.polizei.nrw

The post Hass statt Diskurs: Wenn Kritik an KI-Musik in Beleidigung kippt first appeared on DUESSELDORP.

Was hier gerade passiert

Anthropic hat Anfang April Project Glasswing vorgestellt. Die Partnerliste ist bemerkenswert, nicht weil da große Namen draufstehen, sondern weil es Konkurrenten sind, die sich normalerweise juristisch beharken: AWS, Apple, Google, Microsoft, NVIDIA, dazu Cisco, CrowdStrike, Palo Alto Networks, Broadcom, JPMorganChase und die Linux Foundation. Zwölf Organisationen, die offenbar zu dem Schluss gekommen sind, dass das hier wichtiger ist als Marktanteile.

Im Zentrum steht ein unveröffentlichtes Spitzenmodell namens Claude Mythos Preview. Anthropic hat es auf die Software losgelassen, die unsere Infrastruktur zusammenhält. Banken, Krankenhäuser, Stromnetze, Logistikketten. Und Mythos hat in allem, wirklich allem, bisher unbekannte Schwachstellen gefunden. In jedem großen Betriebssystem. In jedem großen Webbrowser. Tausende Lücken.

In FFmpeg, der Videobibliothek, die in praktisch jedem Medienprogramm der Welt steckt, hat Mythos einen 16 Jahre alten Fehler entdeckt. Das Irre daran: Automatisierte Testwerkzeuge waren über diese eine Zeile fünf Millionen Mal gelaufen. Fünf Millionen Durchläufe in sechzehn Jahren und keines dieser Werkzeuge hat den Fehler gesehen. Beim Linux Kernel ging Mythos noch weiter. Es hat selbstständig mehrere Schwachstellen gefunden, sie kombiniert und daraus eine funktionierende Angriffskette gebaut. Rein als normaler Nutzer, raus mit voller Kontrolle über das System. Ohne dass ein Mensch dem Modell gesagt hätte, wonach es suchen soll.

Dieselbe Münze, zwei Seiten

Und genau hier wird es heikel. Denn alles, was Mythos Preview für die Verteidigung so brauchbar macht, funktioniert in die andere Richtung genauso. Ein staatlicher Angreifer, ein kriminelles Netzwerk, irgendwann ein gelangweilter Teenager mit dem richtigen Modell auf dem Rechner — sie alle können dieselbe Fähigkeit nutzen, um Schwachstellen zu finden und auszunutzen, bevor irgendjemand sie behebt. Das ist das Doppelverwendungsdilemma der KI Cybersicherheit und je länger ich darüber nachdenke, desto weniger sehe ich einen guten Ausweg.

Die Vergleichstests machen den Sprung greifbar. Im CyberGym, einem Maßstab für das Reproduzieren von Schwachstellen, erreicht Mythos Preview 83,1 Prozent. Claude Opus 4.6, das nächstbeste Modell, kommt auf 66,6 Prozent. Das ist kein schrittweiser Fortschritt, das ist eine andere Dimension.

Auf der Projektseite steht ein Satz, der mir nicht mehr aus dem Kopf geht. Anthropic schreibt, dass es nicht mehr lange dauern wird, bis solche Fähigkeiten auch bei Akteuren landen, die sie nicht verantwortungsvoll einsetzen. Das ist wahrscheinlich der ehrlichste Satz, den ein KI Unternehmen dieses Jahr veröffentlicht hat.

In welcher Welt das landet

Die geschätzten globalen Kosten von Cyberkriminalität liegen laut Governance.ai bei rund 500 Milliarden Dollar pro Jahr. Dahinter stehen echte Krisen: WannaCry hat 2017 britische Krankenhäuser lahmgelegt, Operationen mussten abgesagt werden. Der SolarWinds Angriff hat US Behörden monatelang kompromittiert, ohne dass es jemand bemerkt hat. Colonial Pipeline hat 2021 die Treibstoffversorgung der amerikanischen Ostküste unterbrochen.

Für solche Angriffe brauchte man Spezialisten, die ihr Handwerk über Jahre aufgebaut haben und nur wenige Menschen weltweit konnten das. Mit Modellen der Mythos Klasse kippt dieses Verhältnis. Was ein spezialisiertes Handwerk war, wird zu etwas, das sich mit Rechenleistung und dem richtigen Modell industriell betreiben lässt.

Was das über unseren Quellcode sagt

Der eigentliche Weckruf von Glasswing steckt für mich nicht in den Tests. Er steckt in den fünf Millionen Durchläufen bei FFmpeg. Sechzehn Jahre automatisiertes Testen und der Fehler war die ganze Zeit da. Sichtbar für ein Modell, unsichtbar für alles, was wir bisher hatten.

Wie viel von dem Quellcode, auf dem die Welt läuft, ist eigentlich solide? Der globale Programmbestand ist über Jahrzehnte gewachsen. Schicht auf Schicht, Bibliothek auf Bibliothek, Abhängigkeit auf Abhängigkeit. Geschrieben von Menschen, unter Zeitdruck, mit den Werkzeugen und dem Wissen ihrer Zeit. Niemand konnte diesen Quellcode jemals vollständig lesen. Die Menge ist zu groß, die Wechselwirkungen sind zu unübersichtlich.

Mythos Preview zeigt, dass es jetzt Werkzeuge gibt, die Quellcode in einer Tiefe lesen können, die über menschliche Kapazität hinausgeht. Und das betrifft nicht nur Sicherheitslücken. Wenn ein Modell in einem der am besten geprüften Betriebssysteme der Welt einen 27 Jahre alten Fehler findet, was steckt dann in weniger geprüfter Software? In den Millionen Zeilen Altbestandscode, die bei Banken, Versicherungen und Behörden laufen? In der Steuerungssoftware von Industrieanlagen? In quelloffenen Bibliotheken, die alles zusammenhalten, aber von einer Handvoll Leuten in ihrer Freizeit betreut werden?

Ich bin überzeugt, dass wir am Anfang einer Phase stehen, in der der gesamte bestehende Programmbestand neu bewertet werden muss. Nicht irgendwann, sondern in den nächsten Jahren. Die Werkzeuge dafür existieren jetzt. Und sie werden auch in den Händen derer landen, die nach Schwachstellen suchen, um sie auszunutzen.

Was du damit anfangen kannst

Aktualisiere schneller. Lee Klarich von Palo Alto Networks sagt, dass die Zeit vom Entdecken einer Schwachstelle bis zum funktionierenden Schadangriff von Monaten auf Minuten geschrumpft ist. Wenn deine Organisation noch vierteljährliche Aktualisierungszyklen fährt, ist das kein konservatives Vorgehen mehr, sondern eine offene Flanke.

Stell dir die Frage nach quelloffener Software. Welche Systeme in deinem Unternehmen hängen an Bibliotheken, die ein einzelner Betreuer in seiner Freizeit pflegt? Glasswing adressiert genau das: 100 Millionen Dollar an Nutzungsguthaben für Mythos Preview, 4 Millionen Dollar an die Linux Foundation und die Apache Software Foundation.

Was sich lohnt im Auge zu behalten: Anthropic will innerhalb von 90 Tagen einen öffentlichen Bericht über die gefundenen Schwachstellen veröffentlichen. Ich vermute, das wird einer der aufschlussreichsten Sicherheitsberichte der kommenden Jahre.

Was Anthropic hier wirklich macht

Ich komme nicht drum herum, das zu sagen: Dieses Projekt ist richtig und eigennützig gleichzeitig. Richtig, weil die Verteidigung einen Vorsprung braucht. Eigennützig, weil Anthropic sich damit als unverzichtbarer Partner für kritische Infrastruktur positioniert. Wer Mythos Preview kontrolliert, hat das derzeit mächtigste Werkzeug für angriffs- und verteidigungsseitige KI Cybersicherheit in der Hand. Und das ist kein Nebeneffekt, das ist der Punkt.

Dass das Modell nicht öffentlich verfügbar wird, leuchtet aus Sicherheitsgründen ein. Aber es bedeutet eben auch, dass der Zugang zu dieser Technologie ein geopolitisches Machtinstrument wird. Die Projektseite formuliert es erstaunlich offen: Die USA und ihre Verbündeten müssen einen entscheidenden Vorsprung in der KI Technologie behalten. Das ist kein neutraler Satz. Das ist Industriepolitik in Sicherheitsverpackung. Ich finde das ehrlicher als die übliche „Wir tun das für die Menschheit“ Formel aus Kalifornien. Aber man sollte es benennen, was es ist.

Und genau hier steckt auch die Schwachstelle der ganzen Strategie. Anthropic kann Mythos Preview unter Verschluss halten. Aber die anderen Modellanbieter arbeiten mit Hochdruck an eigenen Modellen. Meta, Mistral, DeepSeek, Alibaba — sie alle veröffentlichen quelloffene Modelle, die mit jeder Generation leistungsfähiger werden. Die Lücke zwischen geschlossenen Spitzenmodellen und frei verfügbaren Alternativen schrumpft seit Monaten. Es wird nicht mehr lange dauern, bis ein quelloffenes Modell vergleichbare Fähigkeiten zur Schwachstellenanalyse mitbringt. Und dann kann niemand mehr kontrollieren, wer es einsetzt. Kein Zugangsprogramm hilft dann, keine Partnervereinbarung. Das Doppelverwendungsdilemma lässt sich nicht durch Zugangsbeschränkung lösen. Es lässt sich nur durch Tempo lösen: schneller finden, schneller beheben, schneller absichern als die Gegenseite.

Was bleibt

Zehn Jahre nach der ersten DARPA Cyber Grand Challenge holen Spitzenmodelle die besten menschlichen Sicherheitsforscher ein. Glasswing ist der Versuch, dieses Rennen auf der Seite der Verteidigung zu führen. Ob das gelingt, hängt daran, wie schnell Sicherheitsupdates ausgeliefert werden, wie offen die Partner ihre Erkenntnisse teilen und ob Regierungen regulatorisch mithalten können.

Das Doppelverwendungsdilemma der KI Cybersicherheit verschwindet nicht. Es wird sich mit jedem leistungsfähigeren Modell verschärfen. Glasswing ist eine Wette darauf, dass der Vorsprung der Verteidiger reicht, wenn man heute anfängt. Ich halte diese Wette für besser als Abwarten. Aber wer glaubt, damit sei das Problem gelöst, unterschätzt, was gerade in Bewegung gerät.

Quellen

1. Anthropic: „Project Glasswing: Securing critical software for the AI era.“ Projektankündigung, April 2026. https://www.anthropic.com/glasswing
   
   
2. Anthropic Frontier Red Team Blog: Technische Details zu gefundenen Schwachstellen und Angriffsmethoden (Teilmenge bereits behobener Schwachstellen). April 2026. https://red.anthropic.com/2026/mythos-preview
   
   
3. Governance.ai: „Estimating Global Yearly Cybercrime Damage Costs.“ Forschungsbericht, Datum auf Projektseite nicht spezifiziert. https://www.governance.ai/research-paper/estimating-global-yearly-cybercrime-damage-costs
   
   
4. CISA: „Attack on Colonial Pipeline: What We’ve Learned & What We’ve Done Over the Past Two Years.“ https://www.cisa.gov/news-events/news/attack-colonial-pipeline-what-weve-learned-what-weve-done-over-past-two-years
   
   
5. UK National Audit Office: „Investigation: WannaCry cyber attack and the NHS.“ https://www.nao.org.uk/reports/investigation-wannacry-cyber-attack-and-the-nhs/

The post Wenn KI Waffe und Schutzschild wird first appeared on DUESSELDORP.

„Turek, du bist ein Teufelskerl. Turek, du bist ein Fußballgott.“

Das ist keine Textzeile. Das ist ein Denkmal aus sechs Sekunden Radio. Die Frage war nie, ob daraus ein Song wird. Sondern wann.

Fußballgott erzählt das Spiel nicht nach. Der Song stellt dich in den Regen von Bern. Nasser Platz, stille Luft, Toni Turek im Tor. Ein Bäcker aus Duisburg, der bei der Fortuna zur Legende wurde. Vom Flinger Broich – wo heute sein Name über der Tür steht – ins Wankdorfstadion. Von Fortuna in die Ewigkeit.

Das Stück beginnt, wie Millionen dieses Spiel erlebt haben. Am Radio. Ein Knistern, eine Stimme, dann bricht alles auf. Brass, Drums, Stadion. Der Chorus ist kein Mitsing-Angebot. Er ist ein Urteil. Zwei Fäuste für das Land. Jede Parade Gänsehaut. Wer das einmal gehört hat, wird es nicht mehr los.

Die Bridge gehört Düsseldorf. Vom Flinger Broich zum Wankdorf, von Düsseldorf in die Welt. Ein Junge von Fortuna, der heut den Himmel hält. Das ist der Moment, in dem aus Sportgeschichte Stadtgeschichte wird.

Musikalisch ist Fußballgott das Gegenteil von brav. Stadium Brass trifft auf tanzbare Energie. Kein Sinfonieorchester, kein Weichzeichner. Trompeten, die reinhauen. Ein Beat, der vorwärts zieht.

Turek Du bist ein Fußballgott Du bleibst für ewig hier.

Select a track

1 Tracks0:00

0:000:00

TeilenZufälligDownloadRepeat: OffSpeed: 1x

Sleep-Timer: Aus

Aus5 Min10 Min15 Min30 Min45 Min1 StundeAm Ende des Tracks

Cover: Ken Burns

AusKen BurnsVinyl

Adaptive Farben: Aus

Player einbetten

SpotifyApple MusicAmazon MusicSoundCloud

• 1
  FUSSBALLGOTT

Player einbetten

Layout

WideMini

EinbettungscodeCode kopieren

Vorschau

Kleiner Hinweis: Ich schreibe die Texte und Ideen selbst, bei der Musik hilft mir KI. Entstanden sind die Songs trotzdem aus echten Momenten und Gefühlen – und genau die will ich teilen.

The post Fussballgott first appeared on DUESSELDORP.

Ich bin die Liste durchgegangen. Blogtexte konzipieren – mit Claude. Recherchen prüfen – mit Claude. Dokumente auf Konsistenz prüfen – mit Claude. Präsentationen – mit Claude. Bilder und Grafiken erstellen – mit Midjourney. Vor zwei Jahren hab ich all das von Hand gemacht. Es hat zwar etwas länger gedauert, aber es ging. Heute fühlt sich der Gedanke, ohne AI zu arbeiten, an wie ein Rückschritt. Wie jemand, der auf die Autobahn verzichtet und täglich wieder Landstraße fährt.

Und das ist der Punkt: Niemand hat mich dazu gezwungen. Kein Gesetz, kein Arbeitgeber, keine Behörde. Ich hab mich freiwillig angemeldet, freiwillig prompten gelernt, freiwillig meine eigenen Workflows umgebaut. Die Frage ist nur, ob „freiwillig“ das richtige Wort bleibt, wenn man zwei Jahre später nicht mehr zurückkommt, ohne Produktivität einzubüßen.

ChatGPT hat 100 Millionen monatlich aktive Nutzer in knapp zwei Monaten erreicht. Kein Konsumprodukt in der Geschichte des Internets wurde schneller angenommen. TikTok brauchte neun Monate, Instagram zweieinhalb Jahre. Aber die Geschwindigkeit ist nicht die Geschichte. Die Geschichte ist, was danach passiert: Aus dem Tool wird eine Gewohnheit. Aus der Gewohnheit wird ein Workflow. Und aus dem Workflow wird eine Abhängigkeit, die man erst bemerkt, wenn man versucht, sie abzustellen. Stell dir vor, OpenAI, Anthropic und Google ziehen morgen den Stecker. Dein Arbeitstag wäre ein anderer.

Genau hier beginnt die AI-Abhängigkeit. Nicht mit einem Zwang, sondern mit einem Angebot, das so gut ist, dass man es irgendwann nicht mehr ausschlagen kann.

Kate Crawford hat in „Atlas of AI“ das Wort „Empire“ für Tech-Konzerne verwendet. Die TIME-Recherche von Billy Perrigo über kenianische Clickworker, die für unter 2 Dollar pro Stunde ChatGPT-Inhalte moderierten, zeigt eine reale Kosten-Nutzen-Asymmetrie. Rechenzentren Skandinavien, Datenarbeit in Kenia, Gewinne in San Francisco.

Aber die Empire-Metapher hat einen blinden Fleck, der mich stört. Sie macht uns zu Opfern. Kolonisierte Völker hatten keine Wahl. Ich schon. Du auch. Jedenfalls am Anfang. Und genau diesen Unterschied dürfen wir nicht ignorieren. Wir sind keine Kolonisierten. Wir sind Mittäter an unserer eigenen Abhängigkeit. Jedes Mal, wenn ich Claude öffne, investiere ich in die Infrastruktur, von der ich abhängig werde. Die Kritik muss man wohl aushalten, wenn man ehrlich über AI-Abhängigkeit reden will.

In den 1920er Jahren war billige Energie ein riesiger Fortschritt. Niemand wurde gezwungen, ein Auto zu kaufen. Aber innerhalb weniger Jahrzehnte war alles – Städtebau, Lieferketten, Heizsysteme, Pendlerstrecken – so tief um fossile Energie herum gebaut, dass ein Ausstieg mit jedem Jahrzehnt teurer wurde. Die freie Wahl von 1950 war die Systemabhängigkeit von 1980.

Bei AI passiert gerade dasselbe, nur viel schneller und leiser. Die Parallelen sind nicht nur oberflächlich, sie sind strukturell verankert.

Die Marktkonzentration.

In der Ölindustrie kontrollierten die „Seven Sisters“ – darunter Exxon, Shell und BP – von den 1940ern bis in die 1970er Jahre rund 85 % der weltweiten Ölproduktion. Bei AI ist die Konzentration heute vergleichbar: Laut der Menlo-Ventures-Studie „The State of Generative AI in the Enterprise“ kontrollieren drei Unternehmen – Anthropic (40 %), OpenAI (27 %) und Google (21 %) – zusammen 88 % der Enterprise-LLM-API-Nutzung (Die Stichprobe der Studie ist mit gut 150 Befragten nicht riesig, aber die Richtung deckt sich mit anderen Erhebungen). Meta, Cohere, Mistral und alle anderen teilen sich die restlichen 12 %. Das ist kein Zufall, denn die Fixkosten für das Training eines Foundation Models sind enorm hoch, die Grenzkosten für den Betrieb sehr niedrig. Das sind klassische Skaleneffekte, die natürliche Monopole begünstigen.

Was bedeutet das im Alltag? Es heißt: Du öffnest morgens deinen Laptop und dein Mail-Assistent, dein Kalender, deine Dokumentensuche, dein Code-Tool und dein Chat-Bot laufen über dieselben drei Unternehmen. Es ist einfach so passiert, weil jedes einzelne Tool für sich die beste Option war. Und jetzt steckst du drin.

Lock-in-Geschwindigkeit.

Ich beobachte das auch in meinem eigenen Arbeitsumfeld. Ein Kollege nutzt AI, weil es schneller geht. Sein Ergebnis setzt nun den Standard für die Abteilung. Wer ohne AI arbeitet, liefert langsamer. Das ist keine Absicht, es ist eine Kettenreaktion. Unternehmen, die Geschäftsprozesse auf proprietäre AI umstellen – also auf Systeme, deren Code und Modelle der Anbieter kontrolliert und die nicht frei austauschbar sind – erhöhen ihre Wechselkosten mit jedem Quartal. Was bei ERP-Systemen ein Jahrzehnt gedauert hat, passiert bei AI in zwei/drei Jahren.

Infrastruktur-Tiefe.

Microsoft baut Copilot in Office 365 Education ein. Stell dir vor, was das bedeutet: Eine Schule stellt um. 30 Lehrkräfte lernen, ihre Unterrichtsvorbereitung mit Copilot zu machen. Arbeitsblätter, Korrekturen, Elternbriefe – alles läuft über das Tool. Nach einem Jahr will die Schule den Anbieter wechseln, vielleicht weil die Lizenzen teurer werden. Was dann? Alle Vorlagen neu. Alle Workflows kaputt. Kein Budget dafür, kein Personal, keine Zeit. Also bleibt man einfach. Nicht weil man zufrieden ist, sondern weil Wechseln teurer ist als Bleiben. Das ist die Definition von Lock-in.

AI wird nicht als Werkzeug auf bestehende Strukturen gesetzt. Sie wird in die Basisinfrastruktur eingebaut. Und ab diesem Moment entscheidet nicht mehr der Nutzer über das Tool. Das Tool entscheidet über den Nutzer.

Warum ist AI-Abhängigkeit potenziell gefährlicher als Ölabhängigkeit?

Öl hat einen eingebauten Korrekturdruck. Es ist endlich und seine Verbrennung verändert das Klima. Irgendwann erzwingt die Physik ein Umsteuern, auch wenn es politisch quälend langsam passiert. Bei AI fehlt dieses Signal komplett. Kein physisches Limit, kein sichtbarer Kipppunkt. Nichts, das uns und die Regierungen zum Handeln zwingt.

Aber das fehlende Korrektursignal ist nur der Anfang.

Ölabhängigkeit hat Logistik ersetzt. AI ersetzt keine Logistik. AI ersetzt Denkschritte. Wenn ich heute ein Dokument von Claude gegenchecken lasse, dann lagere ich nicht den Transport eines Dokuments aus, sondern die kognitive Arbeit, die darin steckt. Und kognitive Abhängigkeit ist eine andere Kategorie als logistische. Wer verlernt, eine Strecke ohne Navi zu fahren, kommt trotzdem noch irgendwo an. Wer verlernt, ohne AI zu analysieren, zu formulieren oder zu prüfen, verliert Fähigkeiten, die man nicht einfach wieder einschalten kann.

Dazu kommt: Die Wechselkosten bei Öl sind brutal, aber wenigstens sichtbar. Eine Raffinerie kann man nicht übersehen. Eine Pipeline steht in der Landschaft. Wenn ein Land von einem Öllieferanten abhängt, sieht man das in Handelsbilanzen und Hafenstatistiken. Bei AI sind die Wechselkosten unsichtbar. Sie stecken in umtrainierten Teams, in proprietären Prompt-Bibliotheken, in Fine-Tuning-Daten, die nur mit einem bestimmten Modell funktionieren, in Workflows, die niemand dokumentiert hat, weil sie organisch gewachsen sind. Das macht es so schwer, den Moment zu erkennen, ab dem ein Wechsel zu teuer wird. Bei Öl hat man den Moment wenigstens gesehen, auch wenn man trotzdem nicht gehandelt hat.

Und dann die Geschwindigkeit. Die Abhängigkeit vom Öl hat sich über Jahrzehnte aufgebaut. Zwischen den ersten Automodellen und dem Moment, in dem die westliche Wirtschaft ohne Öl nicht mehr funktionierte, lagen gut 50 Jahre. Regulierer hatten Zeit — nicht genug, aber sie hatten welche. Bei AI passiert der gleiche Prozess in einem Bruchteil der Zeit. Unternehmen stellen heute Kernprozesse um, während die EU-Übergangsfristen für den AI Act noch laufen. Die Regulierung kommt nicht zu spät. Sie kommt pünktlich zu einer Architektur, die schon steht.

Beim Öl hat uns die Physik irgendwann gezwungen, umzudenken. Bei AI gibt es keine Physik, die uns bremst. Und keinen Smog, der uns daran erinnert, dass wir ein Problem haben.

Meine Beobachtung: Zwischen 2023 und 2026 war AI ein Werkzeug, das man nutzen konnte. Oder eben nicht. Bis 2030 werden Unternehmen, Schulen und Behörden ihre Abläufe darauf aufgebaut haben. Und danach wird ein Wechsel so teuer, dass ihn kaum jemand stemmt. Wer schon mal erlebt hat, wie eine Firma ihr ERP-System austauscht – also die Software, über die Buchhaltung, Lager und Einkauf laufen – weiß, was das heißt: drei bis fünf Jahre Umbau, danach sitzt man mindestens ein Jahrzehnt fest. Bei AI wird das nicht anders sein. Nur dass AI tiefer eingreift als jedes ERP-System. Ein ERP bildet Prozesse ab. AI ersetzt Denkschritte.

Politisch liegen die Hebel bei Interoperabilität – der Fähigkeit, Systeme verschiedener Anbieter miteinander arbeiten zu lassen – und Datenportabilität – dem Recht, eigene Daten von einem Anbieter zum anderen mitzunehmen. Der EU AI Act ist verabschiedet, aber die Übergangsfrist für zentrale Bestimmungen läuft bis 2026/2027. Das ist spät für ein Problem, das jetzt entsteht. Unternehmen und Verwaltungen treffen heute Infrastrukturentscheidungen, die zehn Jahre binden. Wenn die Regeln greifen, steht die Architektur längst. Das kennen wir aus der Energiepolitik: Regulierung wirkt erst, wenn der Umbau zu teuer geworden ist.

Und ja: Nicht jede Abhängigkeit ist per se schlecht. Strom und Internet sind Abhängigkeiten, die sich gelohnt haben. Aber Stromnetze und Internetinfrastruktur unterliegen in Europa öffentlicher Regulierung und Zugangspflichten. Bei AI-Infrastruktur fehlt das. Open-Source-Modelle können die Konzentration nicht allein aufbrechen, weil die Trainingskosten für Frontier-Modelle im dreistelligen Millionenbereich liegen. Wer glaubt, der Markt regelt das von selbst, sollte sich die Ölgeschichte nochmal ansehen.

AI-Abhängigkeit ist kein dystopisches Szenario. Sie ist ein Prozess, der jetzt läuft und an Fahrt aufnimmt. Das Muster kennen wir gut. Der gefährlichste Moment ist nicht der, in dem die Abhängigkeit da ist. Es ist der, in dem man sie noch verhindern könnte und ihn ungenutzt verstreichen lässt, weil alles so bequem funktioniert.

Was du heute tun kannst

Erstens: Installier eine lokale Alternative. Ich nutze Ollama mit Open-Source-Modellen auf meinem eigenen Rechner. Für meine tägliche Arbeit reichen sie zwar leider noch nicht, aber sie existieren und allein das verändert meine Position. Ich bin nicht mehr nur Kunde. Ich habe eine Tür, durch die ich gehen könnte.

Zweitens: Bevor du ein AI-Tool in deinen Workflow einbaust, stell eine einzige Frage: Kann ich in sechs Monaten wechseln, ohne alles neu aufzubauen?

Drittens: Mach Interoperabilität zum Auswahlkriterium. Nicht Geschwindigkeit, nicht den Preis, nicht die schickste Oberfläche. Kann das System mit anderen reden? Kann ich meine Daten mitnehmen?

Ich hab diesen Beitrag mit der Untestützung von Claude geschrieben. Die Recherche gegengeprüft, die Struktur durchgesprochen, die Quellen verifiziert. Und während ich das hier tippe, weiß ich, dass ich genau das tue, worüber ich gerade schreibe: die nächste dampfende heiße Schicht Asphalt auf die Autobahn legen. Der Unterschied ist nur, dass ich es weiß. Und dass ich mich entschieden habe, trotzdem darüber zu reden, statt so zu tun, als wäre das Problem woanders.

Jede AI-Integration ohne Wechseloption ist eine Stimme für die Monopolisierung von morgen.

Quellen

1. Krystal Hu – „ChatGPT sets record for fastest-growing user base – analyst note“, Reuters, 1. Februar 2023. Grundlage für die Nutzerzahlen (100 Mio. MAU in 2 Monaten), basierend auf UBS-Analyse und Similarweb-Daten. reuters.com
   
   
2. Billy Perrigo – „Exclusive: OpenAI Used Kenyan Workers on Less Than $2 Per Hour to Make ChatGPT Less Toxic“, TIME, 18. Januar 2023. Primärquelle für die Arbeitsbedingungen kenianischer Clickworker und die Kosten-Nutzen-Asymmetrie im AI-Ökosystem. time.com
   
   
3. Kate Crawford – „Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence“, Yale University Press, April 2021. Ausgangspunkt für die Empire-Metapher, die im Beitrag hinterfragt wird.
   
   
4. Menlo Ventures – „The State of Generative AI in the Enterprise“, Dezember 2025. Befragung von über 150 technischen Entscheidungsträgern in Unternehmen und Startups. Primärquelle für die Enterprise-LLM-Marktanteile (Anthropic 40 %, OpenAI 27 %, Google 21 %, zusammen 88 %). menlovc.com
   
   
5. Jai Vipra, Anton Korinek – „Market Concentration Implications of Foundation Models“, Brookings Institution, 2024. Analyse der Skaleneffekte und der Tendenz zu natürlichem Monopol bei Foundation Models. brookings.edu
   
   
6. Anthony Sampson – „The Seven Sisters: The Great Oil Companies and the World They Shaped“, Hodder & Stoughton, 1975. Standardwerk zur Marktkonzentration in der Ölindustrie.
   
   
7. Carl Shapiro, Hal R. Varian – „Information Rules: A Strategic Guide to the Network Economy“, Harvard Business School Press, 1999. Theoretische Grundlage für Lock-in-Effekte und Wechselkosten, auf die der Beitrag sich bezieht.
   
   
8. EU AI Act – Verordnung (EU) 2024/1689, veröffentlicht im Amtsblatt der Europäischen Union am 12. Juli 2024. EUR-Lex

The post AI-Abhängigkeit: Warum AI das neue Öl ist first appeared on DUESSELDORP.

Lange habe ich die Frage für rein philosophisch gehalten. Dann kamen zwei Studien, die sie mit konkreten Zahlen beantwortet haben und eine der Antworten hat mich wirklich überrascht.

Das Phänomen heißt Scheming: ein KI-System, das ein Ziel verfolgt und dabei aktiv verbirgt, dass es das tut. Kein Hack, kein Jailbreak – eher das KI-Äquivalent von jemandem, der im Meeting nickend zustimmt und danach trotzdem das macht, was er will. Kommt dir das bekannt vor?

OpenAI und Apollo Research haben das im September 2025 erstmals systematisch gemessen (Schoen et al., arXiv:2509.15541). Scheming-Raten von 13 % in konstruierten Extremszenarien. Klingt erstmal beunruhigend. Eine zweite Studie von März 2026 (Hopman et al., arXiv:2603.01608) hat dieselbe Frage unter realistischeren Bedingungen gestellt und fast nichts gefunden. Eine einzige Ausnahme, Gemini 3 Pro mit 3 % in einem Szenario.

Widerspricht sich das nicht? Nur wenn man übersieht, dass die Studien unterschiedliche Fragen stellen. Schoen et al. fragen: Kann eine KI täuschen? Hopman et al. fragen: Tut sie es? Das ist kein Widerspruch.

Da bin ich hängen geblieben

Drei Beobachtungen aus den Studien, die ich so nicht erwartet hatte:

In einem Experiment sank die Scheming-Rate von 59 % auf 3 % – weil eine einzige Funktion aus der Umgebung des Modells entfernt wurde. Kein neues Modell, kein ausgefeiltes Training – nur eine Funktion weniger. Das Risiko sitzt somit weniger im Modell als in dem, was du darum herum baust.

Mehr Überwachung kann Scheming erhöhen. Wenn das Modell wusste, dass jemand später nachschauen würde, stieg die Rate um bis zu 25 Prozentpunkte. Die Ankündigung der Kontrolle macht die Manipulation wohl erst attraktiv. Wir denken, Transparenz schützt uns, doch sie kann unter bestimmten Bedingungen genau das Gegenteil tun.

Anti-Scheming-Training hat die Fehlerquote um Faktor 30 reduziert. Aber gleichzeitig erkannten Modelle häufiger, gerade getestet zu werden und verhielten sich entsprechend. Gutes Verhalten, weil jemand zuschaut. Nicht aus Überzeugung.

Was du konkret tun kannst

Lade zur Kritik ein, nicht zur Bestätigung. „Was sind die drei größten Schwachstellen?“ funktioniert besser als „Ist das gut?“ Modelle liefern tendenziell das, was erwartet wird und du kannst das bewusst unterbrechen.

Fordere Begründungen. „Warum?“ ist der einfachste Qualitätscheck. Eine Antwort, die begründet werden muss, hat weniger Spielraum für bequeme Abkürzungen.

Prüf, aber kündige es nicht an. Das folgt direkt aus dem Überwachungsbefund. Einfach nachschauen ist wirksamer als zu sagen, dass du nachschauen wirst.

Mein Fazit

Was bleibt: Fähigkeit ist nicht Neigung und mehr Kontrolle schützt nicht automatisch. Die eigentlich unbequeme Frage ist nicht, ob KI täuscht – sondern ob wir das überhaupt merken würden.

Quellen: Schoen et al., arXiv:2509.15541, Apollo Research & OpenAI, September 2025 · Hopman et al., arXiv:2603.01608, ICML 2026, März 2026

The post AI Alignment: Wie gefährlich ist Scheming first appeared on DUESSELDORP.

Die Zahl, die du kennen solltest

Eine belastbarste Quelle für Entlassungsankündigungen in den USA ist Challenger, Gray & Christmas – eine Outplacement-Firma, die seit 1989 monatlich erfasst, wie viele Stellen Unternehmen offiziell ankündigen zu streichen. Primärdaten, keine Hochrechnung.

Das Ergebnis für 2025: US-Arbeitgeber kündigten 1.206.374 Stellenstreichungen an – 58 Prozent mehr als 2024, der höchste Wert seit der Pandemie 2020.

Hier ist eine Einschränkung wichtig: Rund 294.000 dieser Entlassungen gehen direkt auf DOGE zurück – den staatlichen Kahlschlag der Trump-Administration im Bundesapparat. Weitere 21.000 treffen private und gemeinnützige Organisationen, die Bundesförderung verloren haben. Das sind zusammen rund 26 Prozent der Gesamtzahl – politisch verursacht, in Europa nicht replizierbar.

Was bleibt: knapp 900.000 Entlassungen im privaten Sektor – immer noch rund 40 Prozent über dem Vorjahr. Gleichzeitig kündigten Arbeitgeber nur 507.647 neue Stellen an – der niedrigste Wert seit 2010. Die Schere öffnet sich: Entlassungen auf Rekordniveau, Neueinstellungen auf 15-Jahres-Tief.

Ich sage das nicht, um Stimmung zu machen. Ich sage es, weil ich diese Zahlen zum ersten Mal aufgeschlagen habe und dachte: Das sieht niemand, solange der Gesamtarbeitsmarkt noch stabil aussieht.

Das Paradox, das kaum jemand erklärt

Die US-Arbeitslosenquote lag im Januar 2026 bei 4,3 Prozent. Klingt stabil. Der Arbeitsmarkt wuchs noch um 130.000 Stellen im Monat. Aber darunter zeigt sich ein anderes Bild.

Die Langzeitarbeitslosen stiegen auf 1,8 Millionen – 386.000 mehr als ein Jahr zuvor. Die offenen Stellen sanken im Dezember 2025 auf 6,5 Millionen, ein Rückgang von fast einer Million innerhalb eines Jahres.

Das Muster: Wer einen Job hat, behält ihn vorerst. Wer ihn verliert, findet schwerer einen neuen. Das Fundament bröckelt, während die Fassade noch steht.

Und dann kam der Januar 2026, noch vor Blocks Ankündigung: 108.435 Stellenstreichungsankündigungen – der höchste Januar-Wert seit 2009, dem Jahr nach der Finanzkrise.

KI als Entlassungsgrund – was die Daten wirklich zeigen

Auf KI wurden 2025 insgesamt 54.836 Stellenstreichungen zurückgeführt – seit 2023 kumuliert 71.825. Bei 1,2 Millionen Gesamtentlassungen sind das gerade einmal 4,5 Prozent.

Das ist der Teil, bei dem ich aufgehört habe zu lesen… und neu angefangen habe.

Meine Einschätzung: Die 4,5 Prozent sind nur der sichtbare Teil. Viele dieser Entlassungen hätten ohnehin stattgefunden – das pandemische Übereinstellen der letzten Jahre wird jetzt korrigiert. KI liefert dafür einen bequemen Rahmen, der den Aktienkurs stützt. Die Börse hat Blocks Ankündigung im After-Hours-Handel am 26. Februar 2026 mit einem Kurssprung von mehr als 23 Prozent belohnt. Wer das beobachtet, versteht, welches Signal dieser Mechanismus sendet.

Das macht die Entwicklung nicht harmloser. Es macht sie schwerer zu lesen und leichter zu unterschätzen.

Was in den Statistiken noch kaum sichtbar ist: die strukturelle Wirkung, die erst entsteht, wenn Unternehmen nicht mehr einstellen, weil Aufgaben wegfallen – nicht, weil sie entlassen. Dorsey beschreibt genau das. Block ist heute der Vorbote, nicht der Ausreißer.

Was du damit anfängst

Die USA treiben KI-Implementierung derzeit intensiver voran als jede andere Region – mit dreistelligen Milliarden-Investments in KI-Infrastruktur. Was dort heute passiert, erreicht Europa heute schneller als früher. KI-Modelle kennen keine Landesgrenzen. Regulierung, Kapitalmarktdruck und Arbeitsrecht dämpfen das – aber dieser Puffer wird dünner.

Das Erste, was ich dir empfehle: Mach eine ehrliche Bestandsaufnahme. Nicht als Gedankenexperiment. Setz dich wirklich hin und schreib auf, welche deiner Aufgaben KI heute schon genauso gut erledigt wie du. Standarddokumentation, repetitive Kommunikation, Informationsverarbeitung – das steht strukturell unter Druck. Die entscheidende Frage ist nicht, ob dein Job verschwindet. Sondern ob du deine Rolle so weiterentwickeln kannst, dass du das übernimmst, was KI nicht kann: Urteilsvermögen, Kontext, echte Beziehungsarbeit. Das klingt abstrakt, bis man es aufschreibt – dann wird es sehr konkret.

Das Zweite: Werde Anwender, nicht Zuschauer. Die relevantesten Werkzeuge sind heute für jeden zugänglich. ChatGPT und Claude für Texte, Recherche und Analyse. GitHub Copilot für Code. Perplexity für Suche. Die meisten haben kostenlose Einstiegsversionen. Wer diese Werkzeuge aktiv nutzt, versteht, was sie können – und entwickelt ein Gespür dafür, was nicht. Wer wartet, verliert den Maßstab.

Das Dritte ist politisch, nicht technisch: Die Frage, wer von KI-Produktivitätsgewinnen profitiert, entscheidet sich nicht im Labor. Welche Berufsgruppen werden aufgefangen? Wer trägt die Kosten des Übergangs? Nicht jeder kann Lobbyist sein. Aber jeder kann informiert abstimmen, Positionen von Parteien und Arbeitgeberverbänden hinterfragen. Das ist mehr, als die meisten tun.

Meine Perspektive

Ich beobachte das nicht aus der Distanz. Ich nutze KI täglich. Und ich merke, wie sich mein Arbeiten verändert. Nicht weil ich muss. Weil ich früh genug verstanden habe, was passiert, wenn man wartet, bis der Druck von außen kommt: Dann entscheidest du nicht mehr selbst.

Ich habe in meinem Artikel über Meaningful Work im KI-Zeitalter beschrieben, warum Arbeit mehr ist als Einkommen – Struktur, Identität, Teilhabe. Genau das steht jetzt auf dem Spiel. Nicht abstrakt. Für 1,8 Millionen Langzeitarbeitslose in den USA gerade sehr konkret.

Fazit

Block ist ein börsennotiertes Fintech-Unternehmen. Vier Tausend Entlassungen für sich genommen sind kein historisches Ereignis. Aber Dorsey hat mit einem Satz beschrieben, was dieser Moment bedeutet: Der Mechanismus funktioniert, er ist sichtbar, er korrigiert sich nicht von selbst.

Das unbequeme an dieser Entwicklung ist nicht die Zahl. Es ist, dass sie auf einem funktionierenden Arbeitsmarkt passiert und trotzdem beginnt, ihn von innen auszuhöhlen. Der Moment, in dem das sichtbar wird, ist meistens der Moment, in dem es zu spät ist, sich vorzubereiten.

Dieser Artikel gibt meine persönliche Einschätzung wieder und stellt keine Anlage- oder Berufsberatung dar.

Quellen:

• Challenger, Gray & Christmas: 2025 Year-End Job Cut Report (08.01.2026)
• U.S. Bureau of Labor Statistics: Employment Situation Januar 2026 (11.02.2026)
• U.S. Bureau of Labor Statistics: JOLTS Dezember 2025 (05.02.2026)
• Jack Dorsey, Aktionärsbrief Block (CNBC) (26.02.2026)
• CNBC: „Block shares soar as much as 24%“ (26.02.2026)

The post 1,2 Millionen – was hinter der großen Entlassungswelle wirklich steckt first appeared on DUESSELDORP.

Das ist keine philosophische Frage. Sie ist strukturell.

Das Problem, das Blockchain und KI teilen

Damit ein KI-Agent handeln kann, braucht er Daten. Damit sein Gegenüber ihm vertraut, müssen diese Daten überprüfbar sein. In der heutigen Welt heißt das fast immer: weitergeben, kopieren, speichern. Dreimal Datenschutzrisiko in einem Satz.

Blockchain-Netzwerke hatten dieses Problem lange selbst. Sie sind von Natur aus transparent, jede Transaktion ist für jeden einsehbar. Das ist gut für Vertrauen, schlecht für Privatsphäre.

Beide Technologien stoßen also an die gleiche Wand und hier beginnt das Interessante.

Was Zero-Knowledge-Proofs leisten – und was nicht

Ein Zero-Knowledge-Proof ist ein kryptografisches Verfahren, mit dem eine Partei beweisen kann, dass eine Aussage wahr ist, ohne die zugrunde liegenden Informationen offenzulegen. Der Beweis ist überprüfbar. Die Daten bleiben privat.

Das klassische Beispiel: Du beweist, dass du über 18 Jahre alt bist, ohne dein Geburtsdatum preiszugeben. Mathematisch sicher. Die Information bleibt bei dir.

Die theoretische Grundlage stammt aus einem Paper von Goldwasser, Micali und Rackoff aus dem Jahr 1985. Neu ist die praktische Umsetzbarkeit. Verifizierung läuft heute in Millisekunden. Proof-Generierung ist je nach System deutlich langsamer, dazu gleich mehr.

Ich musste den Gedanken zweimal lesen, bis er sitzt: Zero-Knowledge bedeutet nicht Intransparenz. Es bedeutet überprüfbare Regelkonformität ohne Datenkopien. Das klingt nach einer technischen Nuance, ist aber architektonisch ein Paradigmenwechsel.

Daraus entsteht, was ich programmierbare Privatsphäre nenne. Daten sind standardmäßig privat. Nur wer berechtigt ist – und nur so viel wie nötig – erhält Einblick. Technisch lassen sich drei Sichtebenen trennen:

Öffentliche Ebene: allgemein sichtbare Informationen. Prüferebene: selektiver Zugriff für Behörden oder Auditoren. Eigentümerebene: vollständige Kontrolle durch den Dateneigentümer.

Smart Contracts werden dabei bewusst in entwicklernahen Sprachen umgesetzt. Kryptografie wird zur Infrastruktur, nicht zur Eintrittsbarriere.

Warum das für KI-Agenten keine Theorie ist

KI-Agenten arbeiten auf Daten. Sie brauchen sie, um zu entscheiden. Sie erzeugen neue Daten, wenn sie handeln. Und sie hinterlassen Spuren in Logs, Datenbanken, Netzwerken.

Das war lange eines der zentralen ungelösten Probleme. Jetzt gibt es erstmals Infrastruktur, die daran arbeitet.

Ein KI-Agent auf einer ZK-fähigen Blockchain kann Berechtigungen nachweisen, ohne sie offenzulegen. Er kann Regelkonformität belegen, ohne Transaktionsdetails zu zeigen. Er kann Identitäten prüfen, ohne Identitätsdaten zu übertragen. Für regulierte Branchen ist das keine Komfortfunktion, es ist die Voraussetzung für echte Nutzung.

Mehrere Netzwerke, darunter Protokolle aus dem Cardano-Ökosystem (Midnight) sowie eigenständige ZK-Layer wie StarkNet und zkSync – arbeiten 2025 und 2026 aktiv an produktionsreifer Infrastruktur.

Wo das heute bereits greift

Drei mögliche Anwendungsbeispiele:

Geldwäscheprüfung. Ein KI-Agent prüft, ob eine Transaktion gegen Compliance-Regeln verstößt. Heute bedeutet das: Die Kundendaten wandern zum externen Compliance-Dienstleister, der sie auswertet und das Ergebnis zurückmeldet. Drei Stellen, an denen Daten das Unternehmen verlassen. Mit ZK-Proofs läuft die Prüfung lokal. Der Agent erzeugt danach einen kryptografischen Beweis, der ausschließlich belegt: Diese Transaktion erfüllt die Regeln. Kein Name, kein Betrag, keine Kontodaten verlassen das System. Die Aufsichtsbehörde kann den Beweis verifizieren, ohne die Daten je gesehen zu haben.

Plattform-Personalisierung. Ein Tech-Konzern betreibt eine Empfehlungsplattform. Der KI-Agent personalisiert Inhalte auf Basis von Nutzerverhalten und genau das ist das Problem. Heute wandern diese Daten zentral in ein Profil, das der Nutzer weder sieht noch kontrolliert. Mit ZK-Proofs läuft die Personalisierung lokal beim Nutzer. Der Agent berechnet Empfehlungen auf Basis eines privaten Profils und übermittelt an die Plattform ausschließlich das Ergebnis – nicht die Grundlage. Die Plattform bekommt, was sie braucht. Der Nutzer behält, was ihm gehört. Das ist kein Datenschutz-Kompromiss. Es ist ein Architekturwechsel, der DSGVO-Konformität von einer Rechtsfrage in eine technische Eigenschaft verwandelt.

Lieferketten. Ein Hersteller will gegenüber einem Abnehmer nachweisen, dass seine Produkte Nachhaltigkeitsstandards erfüllen – CO₂-Emissionen, faire Arbeitsbedingungen, zertifizierte Rohstoffe. Heute bedeutet das: Auditberichte weitergeben, Lieferantenlisten offenlegen, interne Kalkulationen zeigen. Wer das tut, gibt Wettbewerbsvorteile preis. Also passiert es zögerlich, lückenhaft, oft nur auf dem Papier. Mit ZK-Proofs beweist ein KI-Agent, dass alle Standards erfüllt sind – ohne einen einzigen Lieferantennamen oder eine einzige Einkaufszahl preiszugeben. Der Abnehmer bekommt Gewissheit. Der Hersteller behält seine Kalkulation. Nachhaltigkeitsnachweis hört auf, ein Vertrauensvorschuss zu sein.

Was noch offen bleibt

Das wäre zu einfach, wenn ich das weglasse…

Proof-Generierung ist rechenintensiv und benötigt heute spezialisierte Infrastruktur. Viele Systeme greifen noch auf zentrale Cloud-Infrastrukturanbieter zurück – was einen Teil des Versprechens unterläuft. Dedizierte ZK-Hardware und dezentrale Proof-Netzwerke werden dieses Problem lösen, sind aber noch nicht flächendeckend etabliert.

Regulatorisch bewegen sich ZK-Proofs in einer Grauzone. Die europäische MiCA-Regulierung adressiert diese Architektur bislang nicht explizit. Das ist kein technisches Risiko, aber ein strategisches – besonders für Unternehmen, die in regulierten Branchen früh einsteigen wollen.

Die Entwicklerwerkzeuge sind noch nicht da, wo sie sein müssten. Wer heute produktionskritische Systeme auf ZK-Infrastruktur aufbauen will, kauft sich damit auch Entwicklungsrisiken ein. Auch das ist lösbar.

Was sich wirklich verschiebt

In ein paar Jahren wird sich die Frage verschoben haben. Nicht mehr: Wie vertrauen wir KI-Agenten? Sondern: Wie vertrauen wir den Systemen, die sie kontrollieren?

Vertrauen in KI lässt sich nicht durch Richtlinien und Selbstverpflichtungen herstellen. Es entsteht durch Konstruktion – durch Protokolle, die prüfbar machen, was heute auf Glauben basiert.

Zero-Knowledge-Proofs sind die Grundlage, auf der Datenschutz, KI-Agenten und Regulierung erstmals zusammenpassen. Nicht durch Kompromisse, sondern mit einem Architekturversprechen.

Dieser Artikel gibt meine persönliche Einschätzung wieder und stellt keine Anlage- oder Rechtsberatung dar. Die genannten Protokolle und Netzwerke dienen der Illustration – keine davon ist eine Empfehlung.

Quellen und weiterführende Lektüre:

MiCA-Regulierung (EU 2023/1114) – Regulatorischer Rahmen für Krypto-Assets in Europa

Goldwasser, Micali, Rackoff: „The Knowledge Complexity of Interactive Proof Systems“ (1985) – Grundlagenpaper ZKP

StarkNet Documentation – ZK-Layer Infrastruktur

zkSync Era Docs – ZK-Rollup Architektur

The post KI-Agenten und Datenschutz: Wie ZK-Proofs das lösen first appeared on DUESSELDORP.