BAD1 Special: Was AI wirklich für Medizin und Forschung bedeutet – mit Ijad Madisch von ResearchGate

[00:00:05] Hi, komm mal rein, schön ist den lesen, schön, jetzt ist es weg, wohl. Na du? Von nächstes zu lesen, eigentlich hast du ja kein Bock mehr, ne? Doch, ich hab richtig Bock, ich hab richtig Bock, ich war gerade erst hoch, ich werde gerade erst warm. Steht die Flasche da, sollen wir die wegtun? Oder ist die... So. Es geht Schlag auf Schlag weiter. Ja, super.

[00:00:28] Ja, du bist auf jeden Fall Best Dressed Founder, wie immer. Stimmt die Geschichte, dass du mal in kurzer Hose ins Kanzleramt gelaufen bist? Ja, da gibt's ein super krasses Foto online von, das ist viral gegangen damals. Genau, da gab's ein offizielles Foto, als ich Teil des Digitalrats war und berater der Bundeskanzlerin für vier Jahre. Da war ein offizieller Fototermin nach der ersten Sitzung und es waren 30 Grad an dem Tag, ich hatte kurze Hose, Superman-Cap an. Hast du immer Superman-Cap? Ja, ich find Superman eigentlich scheiße. Welchen Superhero findest du besser?

[00:00:58] Ich find eigentlich am besten Batman, muss ich sagen. Warum? Weil er so eine Mischung aus Mensch und nicht Mensch ist. Und Superman ist so ein bisschen so, okay, er hat diese eine Schwäche, aber eigentlich ist er so komplett... Kann alles, kann hinfliegen machen. Und der andere ist halt so ein Engineer. Ja, das stimmt. Baut so ein bisschen was zusammen. Aus dem gleichen Grund find ich Iron Man gut. Ja, okay. Sehr gut, Iron Man ist auch sehr gut. Unternehmerisch und so, Bauterwartung, so hat sich die Fähigkeiten da. Batman find ich auch gut, aber der ist ja auch schon sehr erhaben über alles.

[00:01:26] Ja, stimmt, du hast recht. Iron Man find ich auch gut, ja. Sag mal deine Perspektive. Du bist Arzt, Virologe, Programmierer, Gründer, alles in einem mit Superman-Cap. Welche dieser Backgrounds gibt dir in 2026 den besten Blick darauf, was mit AI passiert in unserem Leben? Ich glaube, die Kombination aus all diesen Backgrounds, ja, ich war... Ja, ich glaube, die Kombination aus allem, weil ich natürlich einfach logischerweise durch meine Zeit als Arzt,

[00:01:56] als ich habe Informatik und Medizin parallel studiert, dann halt lange in den USA war. Ich war in einer sehr guten Uni, hab da sozusagen dieses Leben kennengelernt, wie Forschung funktioniert, dann die Plattform aufgebaut. Also alles das hilft mir eigentlich jetzt so ein bisschen ein Gefühl dafür zu entwickeln, was das so bedeutet. Und natürlich am meisten merke ich es, indem ich es selber benutze. Ja, also ich glaube, und dann mit dem Wissen, was man dann so hat. Ich glaube, wir sind in so einer... Also, das habe ich auch zu meiner Freundin erst... Ich hoffe, die hört jetzt auch gerade zu... ... gesagt, dass... Das hört mal eine Hauptsache.

[00:02:27] Du hast eine Freundin. Ja, die hat noch nie zugehört. Die hat keinen einzigen Podcast gehört. Aber vielleicht ist die im Stream dabei. Oder so, ja. Wenn die dabei sind, unsere beiden Freundinnen, können sie mal einen Chat schreiben. Ja, genau. Mach mal bitte, Schnuppel. Und... Nee, aber ich glaube, dass sozusagen dieses... Dieses Selbermachen ist extrem wichtig, um es zu verstehen. Und das sehe ich jetzt auch. Also, selber Sachen bauen für Leute. Also, nicht irgendwas bauen und dann liegt es dann da rum, sondern dass Leute es benutzen. Und da merkt man schon sehr viel. Und das wende ich natürlich auch innerhalb des Unternehmens jetzt auch direkt an.

[00:02:56] Also, ich glaube, wir können uns glücklich schätzen, an einer Riesenrevolution mit teilzuhaben. Also, wir haben ja die anderen große Revolution, das ist ein paar hundert Jahre her, haben wir endlich sie mitbekommen. Aber da sind wir mittendrin. Und ich finde auch interessant, wir nehmen ja wahr, okay, es gibt AI, jetzt kannst du Customer Service Tickets schneller beantworten. Okay, wir haben verstanden, jetzt kannst du schneller programmieren und so weiter. Was aber gar nicht so im Medienfokus ist, ist die wissenschaftliche Perspektive. Also, was bedeutet das denn eigentlich für die Forschung? Was bedeutet das für neue Materialien? Was bedeutet das in der Biologie? Was bedeutet das für die Pharma-Forschung und so weiter? Gib mir da mal einen Blick. Du bist da tief drin.

[00:03:25] Was bedeutet AI für die Wissenschaft? Ja, also, ich habe vor super, super lange her, wenn du meine Vorträge von vor 15 Jahren, habe ich immer über Autoscience gesprochen, automatische Wissenschaft. Da haben wir damals schon gesagt, wir sammeln ja Daten bei ResearchGate und das war immer so mein Traum. Ich habe gesagt, pass, wenn wir so viele Daten haben, so viele Artikel, so viele Zitierungen, Milliarden von Zitierungen, irgendwann wird es eine Maschine geben, die das alles automatisch analysiert und dann Schlussfolgerungen ziehen kann, die wir nicht ziehen können, weil wir nicht den Überblick haben als Mensch.

[00:03:55] Also, diese Allzeitgelehrten, der letzte ist glaube ich im 18. Jahrhundert gewesen, danach hat sich jeder spezialisiert. Das heißt also, du hast gar nicht mehr so das Wissen für einen Bereich, der vielleicht relevant sein könnte für anderen Bereich. Ja, also, und das zeigt ja auch, dass die größten wissenschaftlichen Durchbrüche immer durch Kombinationen aus Wissen aus einem Bereich mit dem anderen Bereich sind. Und multidisziplinäres Wissen. Absolut. Auch in der Wirtschaft übrigens, großes Charlie Munger, Warren Buffett Thema.

[00:04:21] Also, besorgt dir die Mental Models eher aus der Physik, aus der Psychologie, aus der Spieltheorie? Richtig, richtig, absolut. Und das ist jetzt in der Wissenschaft wird das einen riesen Durchbruch bringen, den wir noch gar nicht sehen. Ich glaube, wir sind gerade noch, also sozusagen das, was wir jetzt alles sehen, wenn wir Code knacken, knacken wir glaube ich wahrscheinlich alles. Was heißt Code knacken in dem Fall? Also, wenn wir Code so gut produzieren können, dass der immer besser ist als jeder Mensch, der ihn produzieren kann, dann werden wir auch in der Biologie und in allen anderen Bereichen auch Sachen knacken, die bis jetzt noch keiner geknackt hat.

[00:04:51] Ähm, und da sehe ich noch eine sehr, sehr große, sagen wir mal Wet Revolution, wie man das ja so schön sagt. Also, die Revolution im Labor sozusagen, die kommt und die rollt noch auf uns zu. Was sind denn die krassen Themen, die du gerade beobachtest, wo du sagst, holy shit, hätte ich nicht gedacht vor drei Jahren, was da mittlerweile möglich ist?

[00:05:06] Also, die Tatsache, dass du Experimente machen kannst, ohne dass ein Mensch im Labor ist, ähm, und die Experimente automatisch besser werden während des Experiments, und du ihm sozusagen der Robotics-Anlage nur dein Problem gibst. Und das ist schon, also da gibt es ein paar Firmen, die ich auch kenne und wir natürlich auch bei ResearchGate auch weiterdenken,

[00:05:34] was bedeutet das für die Forschung, dass wir auf diesem Datensatz sitzen? Ähm, und da gibt es ein paar sehr, sehr spannende Ansätze schon. Ich glaube, da werden wir in den nächsten Jahren noch ganz schön schlucken, was da so möglich ist, ja. Okay, für Software Engineer ist Code Generation das Thema. Für den Wissenschaftler sind es ja Experimente. Wenn ich mehr Solumeput habe, wenn ich einfach mehr Experimente durchführe, ist die Chance höher, dass ich auch was finde, was interessant ist. Richtig, richtig. Und dass du auch, weißt du, beim Experimenten ist es ja so, wenn du im Labor bist, gibt es ja unzählige Möglichkeiten,

[00:06:00] und häufig hast du keinen Überblick mehr, was sozusagen, wenn nicht A und nicht B, ist es dann C. Und dieses, was ich meinte mit, wenn es eine Maschine gibt, die über alles rüber geht und iteriert, kann es dann Schlussfolgerungen ziehen, die wir als Menschen nicht ziehen können. Ja, mit Sicherheit kann es mit dem, was jetzt existiert, aber gerade in der Biologie ist das spannend. Dass du sagst, pass auf, bevor du das jetzt machst, bevor du versuchst, dieses Virus auf dieser Zelle wachsen zu lassen, das geht gar nicht, weil so und so und so. Da spart man sich so viel Zeit und man kommt viel schneller ins Ziel.

[00:06:30] Und ich glaube, wir werden wissenschaftliche Durchbrüche an, in so einer hohen Geschwindigkeit erleben in den nächsten Jahrzehnten, wie es so in der Menschheit noch nie gegeben hat. Das ist mein Medizin-Reinsum. Du bist Arzt, was findest du da am beeindruckendsten? Genau das eigentlich auch. Also ich glaube, auch der Weg von diese, da gibt es einen Begriff, der heißt Personalisierte Medizin. Ja, das wird natürlich mit AI, wird das auch überhaupt erst möglich sein.

[00:06:55] Ja, das heißt, also es gibt so Firmen, ich kenne da auch einen Gründer in Florida, der hat so ein Startup gebaut, und nicht ein Startup, das ist mehr als ein Startup jetzt. Und die nehmen sich einen Menschen vor und ist noch sehr, sehr teuer, es kostet noch sehr, sehr viel Geld und die analysieren alles, von Genomics über Proteomics, alles was sozusagen sie irgendwie so finden können und können dann relativ genau dann sagen, was du essen solltest, was du nicht essen solltest, was du nicht tun solltest, was du tun solltest. Und auch da wird dann irgendwann der Moment kommen, wo wir sagen können, dieses Medikament müssen wir so anpassen, damit es für dich passt.

[00:07:25] Und wir können... Wird auch eine Produktion in der Lage sein, das zu tun? Auf jeden Fall. Also ich glaube, da wird sich alles ändern. Ich glaube, dann wirst du, wir sehen ja jetzt schon, dass bestimmte Antikörper gebaut werden können für ganz spezifische Tumore, für ganz spezifische Krankheiten oder auch Therapien für ganz spezifische Krankheiten. Das wird eine Geschwindigkeit jetzt annehmen, die wir so noch nicht gesehen haben. Und das sehen wir ja auch als Firma. Wir kriegen natürlich sehr viele Anfragen, die Zugriff auf die Daten wollen. Und... Ich werde gleich drüber reden, was ihr da noch macht.

[00:07:55] Ja, genau. Ich finde interessant, ich habe neulich eine Podcast-Aufnahme mit den Jungs von der Years-Klinik gemacht, diese Long-Glivity-Klinik hier in Berlin, mit der Klinik erzählt und das Businessmodell und so weiter. Das Überraschendste für mich war, dass sie gesagt haben, ja eigentlich bauen wir gerade eine Daten-Company. Die Klinik ist so eine Storefront. So, ja, da gehen Leute durch, die haben dann eine gute Zeit. Aber eigentlich bauen wir hier gerade eine Datenbank auf, weil wir Patienten über lange Zeiten beobachten wollen, weil mir dieses Dataset gerade fehlt. Das ist richtig.

[00:08:22] Das ist, ich glaube, das ist die Art, wie man es sehen sollte und auch in der Zukunft sehen sollte. Ich glaube, dass wir da in Europa, dass die Amerikaner natürlich viel häufiger so gedacht haben. Also ich war am Massachusetts General Hospital, das ist die größte Klinik von der Harvard Medical School. Da war ich sieben, acht Jahre. Ich glaube, wie die Daten dort schon gespeichert haben vor 15, 20 Jahren. Da ist jede deutsche Klinik meilenweit von entfernt. Da weiß nicht, was die linke Hand und was die rechte Hand macht.

[00:08:50] Dort in den USA war das schon immer dieser Gedanke, wir müssen die Daten gut abspeichern, weil wir, glaube ich, daraus irgendwann mal Schlussfolgerungen ziehen können. Das wird jetzt hier mit AI und so, jetzt erst werden die richtigen Sachen passieren oder die Sachen passieren oder die Sachen möglich sind, die eigentlich von, die viele, von denen viele so geträumt haben in den letzten Jahrzehnten. Was glaubst du aus der Anwenderperspektive? So mein bester Hausarzt ist das ChatGPT. Wenn mein Sohn irgendwo einen roten Fleck hat, dann ist das Erste, was ich mache, uns da reinzugeben. Bin ich total bescheuert?

[00:09:18] Nee, ich finde das eigentlich gar nicht schlecht. Man muss natürlich, wie bei allem immer vorsichtig sein, aber ich glaube, es ist gut. Ich glaube, dass das erstmal auch ChatGPT, wenn man da richtig fragt, bekommt man schon sehr guten Input, auch bei medizinischen Sachen. Um erstmal vielleicht so die, das Häufige ist häufig, ja, dass man das erstmal, dass man nicht gleich Angst kriegt, oh, das ist irgendein Tumor und ich sterbe in drei Tagen, sondern ja, das ist irgendein Insekt, das mich gebissen hat, so ungefähr. Ich glaube, dass das sozusagen ein, ja, dass das auch hilft, das Wissen zu demokratisieren

[00:09:47] und dass jeder Zugang dazu hat und nicht nur sozusagen die Ärzte da überlagert werden. Wir haben ja jedenfach Kräftemangel. Also es kann ja die Ärzte einfach entlasten. Absolut. Also es gibt 20% Cases, wo man 100% sicher ist, da passiert nichts und man braucht auch so eine Meinung. So hol die gar nicht erst in die Praxis rein. Ja, das ist in Notfallstationen, auch in Kliniken, eigentlich fast in jeder Klinik. Kannst du mal nachschauen, die sind eigentlich alle nicht profitabel, weil du halt da Fälle hast, die irrelevant sind. Die müssten gar nicht in diese Notfallstationen sein und das lohnt sich einfach nicht.

[00:10:14] Die dann, die müssen aber trotzdem, weil sie dann da sind, müssen sie von A bis Z durchgecheckt werden und das lohnt sich nicht. Also da... Glaubst du, was größte Hemmnis ist für so Telemedizin oder so eine Anamese virtuell zu machen? Ist ja nicht so verbreitet in Deutschland zumindest. Andere Länder sind anders, aber... Ich glaube, unser Deutschsein, würde ich sagen. Diese Take-Affinität, die wir halt nicht haben, das habe ich ja auch, als ich damals noch im Digitalrad war und eine Aufgabe war, Digitalisierung der Verwaltung und so weiter.

[00:10:40] Und das Problem ist ja immer, wenn du etwas digitalisierst oder ich nenne es jetzt immer AI-fizierst, hast du ja immer bestimmt... Also sagen wir, du hast eine Gruppe von Leuten und die sollen etwas digitalisieren oder sie sollen was AI-fizieren, also mit AI besser machen. Du musst es eigentlich versuchen immer so zu denken, dass du selber nicht mehr in the mix danach bist. Also wie baue ich diese Strukturen und Prozesse auf, dass ich selber nicht mehr dabei bin? So musst du ja denken. Und das machen natürlich die meisten Menschen nicht. Das ist nicht das Incentive. Das ist nicht das Incentive. Die sagen, okay, wie kann ich denn, in Landführungsstrichen provokativ gesagt,

[00:11:08] meinen Arbeitsplatz sichern in dem neuen Prozess? Also muss sozusagen immer ein Weg erstmal hier durch mich durch, damit das überhaupt passiert. Und deswegen hinken diese Sachen immer so lange hinterher. Und deswegen auch in der Telemedizin, da haben sowohl technologisch als auch mein Bruder als Chefarzt in Hannover, wenn ich mit dem so rede, denke ich immer so, alter, das ist wirklich... Er weiß ja auch. Und ich meine, wüsste, was man machen müsste.

[00:11:32] Es ist nicht kompliziert, aber es wird nicht gemacht, weil Regularien, die Tech-Affinität fehlt, die Geschwindigkeit fehlt. Schade. Ihr sitzt bei ResearchGate auf diesem riesen Datenschatz. Hier ist halt so ein bisschen das Reddit für die Wissenschaft quasi ganz viel. Zu Reddit kommen die ganzen Unternehmen, da kommt OpenAI, kommt Atropic, die wollen alle diese Daten haben. Stehen die bei dir auch Schlange und bieten euch Leistungsendeals an? Oder wie ist die Dynamik im wissenschaftlichen Datenhandel? Ja, wir sprechen natürlich mit ein paar Firmen so in dem Markt.

[00:12:04] Wir sehen ja... Also wir wollen uns mit dieser zentralen Position, kommt natürlich auch eine extrem hohe Verantwortlichkeit und dass wir damit vernünftig auch umgehen wollen. Und ich glaube, dass wir da was bauen können zusammen mit der Industrie, also mit den Verlagen und mit denen die Wissenschaft produzieren, da sehen wir ja die Wissenschaftler auch, was ein bisschen drüber hinweg geht, als jetzt nur irgendwo irgendwelche Daten hinschubsen. Was ich eh nicht so gerne machen will und würde. Wir sehen es halt, dass wir natürlich aggressiv gecrawled werden. Wir haben...

[00:12:34] Von Searchmetrics, glaube ich, gab es einen Artikel, da ging es nicht um Crawling, da ging es allein nur um Referrals. Also welche Plattformen in der Welt gerade bekommen den meisten Traffic von AI-Machines? Weil jemand eine Antwort generiert und du klickst dann, oh, zeig mir mal die originale Quelle. Genau, wer kriegt die meisten Klicks? Und da haben sie die 50 größten Webseiten der Welt und Research Gates auf 13. Wirklich? Ja. Also die größte in der Wissenschaft bei weitem, aber auch wir sind größer als TikTok, wir sind größer als Microsoft. Also die Liste ist Wahnsinn.

[00:13:03] Ich habe es selber auch nicht geglaubt, als ich es gesehen habe. Wir sehen das natürlich im Traffic, den wir kriegen, der ja eh schon massiv ist, aber dann nochmal angestiegen ist durch dieses Ding. Also ja, wir sehen das, ja wir haben diesen Datenschatz... Wie hat das Geschäftsmodell geändert? Ähm, Fokus mehr darauf, Partnerschaften zu generieren. Weil ich glaube, die Verlage, die machen eine super Arbeit und helfen eigentlich am Ende des Tages, äh, Qualität irgendwie zu halten.

[00:13:32] Ähm, und irgendwo möchte ich auch nicht derjenige sein, der die Qualität kontrolliert. Ähm, sondern das soll ruhig ausgelagert sein. Ich möchte nicht judge, also ich möchte nicht jemand, ich will nicht Schiedsrichter und Coach zugleich sein bei so Sachen. Sondern das, lieber einen Teil machen wir und einen anderen Teil macht jemand anders. Ähm, genau. Und das ist, glaube ich, hat auch unsere Denke verändert, wie wir das Ökosystem als Ganzes sehen und uns da im Zentrum sehen. Ähm, oder als Teil dieses Ökosystems und versuchen, mehr Tools den Leuten zu geben, um mit ihren Daten, ähm, die Daten zu teilen und mit den Daten was zu machen.

[00:14:01] Wie siehst du das Sentiment der Wissenschaftler auf die Nutzung deren Daten? Es gibt in Hollywood die Beispiele, dass die Schauspieler sagen, nimm nicht meine Gesichter, um die AI zu trainieren. Die Musiker, die sagen, trainier nicht deine Musikmodelle und so weiter. Was halt nachvollziehbar ist, wie siehst du das Sentiment bei den Wissenschaftlern? Bei den Wissenschaftlern selber, die sind natürlich davon abhängig, dass sie viel genutzt werden, viel zitiert werden. Also die Wissenschaftler selber, glaube ich, das finden die ja toll. Also deswegen macht man Wissenschaft. Also deswegen habe ich auch Wissenschaft gemacht. Ich habe ja auch, äh, mein Doktor ist in der Virologie und ich habe immer vorgestellt,

[00:14:30] die Forschung gerne gemacht und ich wollte, dass das, was ich mache, auch genutzt wird. Das war ja mein, ähm, meine, mein Interesse. Natürlich gibt es ja jetzt die Klage von den, und groß viele Wissenschaftsverlage haben jetzt, glaube ich, Meta verklagt in den USA, ähm, weil scheinbar irgendwie Daten verwendet wurden oder Artikel verwendet wurden für das Training der Modelle, was nicht hätte sein dürfen. Also im Verlagswesen ist es, sagen wir mal, kritisch gesehen, äh, viel kritischer gesehen als wahrscheinlich von den Wissenschaftlern selber. Ja, okay. Interessant.

[00:14:58] Du hast früher mal gesagt, du bist für deine Arbeit einen Nobelpreis gewinnen. Unicorn gründen ist dir egal. Glaubst du, wie? Ist es so? Ja. Ja, klar. Aber auch. Kommen wir in eine Welt, wo die AI, äh, was beiträgt, wo ein LLM einen Vorschlag macht, was irgendwann eines Nobelpreises würdig sein könnte? Ja. Welchen Bereich siehst du da am wahrscheinlichsten? Nicht alle möglich. Ehrlicherweise alle. Da kann ich keinen, alle gleich möglich. Ja.

[00:15:27] Weil das wird, ähm, also das ist ja wirklich eine grundsätzliche Frage und das habe ich auch mehrmals auch mit vielen Leuten diskutiert, was ist Kreativität? Was ist Kreativität? Ist Kreativität, gerade wenn du mit kreativen Leuten redest, dann wollen sie natürlich immer das schützen, dass sie kreativ sind und dass Wissenschaftler kreativ sind oder Künstler kreativ sind. Und kreativ, ne, kre-, also im Lateinischen kreieren, etwas Neues schaffen. Aber wie neu ist denn das wirklich?

[00:15:52] Also, ich bin der Meinung, dass Kreativität eine Kombination ist aus etwas, was du gesehen hast. Ja. Das wiederum bedeutet, wenn das der Fall ist, dass Kreativität etwas ist, was man aus etwas schafft, was man gesehen hat, ist also das wiederum nicht neu. Es ist nur eine neue Anordnung von Dingen, die man gesehen hat. Also ist... Und darin sind die LLMs gut. Das ist es. Die werden wahrscheinlich noch viel besser sein als die. Absolut. Und da ist natürlich die Frage, das ist ja schon fast ein religiöses Thema dann, was macht denn ein Mensch zu Menschen?

[00:16:20] Weil das viele ja sagen, dass das ja noch den Unterschied macht von uns zu den Maschinen, dass wir kreativ sein können und Neues schaffen können. Ähm... Und da bin ich, bin ich so ein bisschen schizophren. Ich würde sagen, ja, könnte sein, aber irgendwie glaube ich auch nicht, weil so kreativ, wenn ich, ganz häufig, wenn ich, wenn Leute, wenn ich Leute zwinge, sie zu erklären, wie bist du denn jetzt darauf gekommen? Und dekodier das für mich mal. Ja. Kommt eigentlich immer, ja, das habe ich da gesehen, das habe ich da mal was gemacht, habe ich da ein bisschen was gemacht und das da, also... Was ist denn noch wirklich neu von den Dingen, die wir uns angucken?

[00:16:49] Oder was ist einfach nur eine, eine neue Anordnung, eine neue Ansammlung von Informationen, die anders vor uns präsentiert wird? Wie läuft deine Volleyball-Karriere? Äh, ich... Deswegen schaffe ich sozusagen einen offiziellen Punkt unter den besten 100 Teams zu kommen, wenn ich jetzt anfange mit Mitte 30.

[00:17:18] Und sie meinte, nee, schaffst du niemals. Und dann habe ich halt angefangen, das zu machen. Fuck, dieser Ehrgeiz, geben wir nachher. Schaffst du es nicht? Genau, sie wusste genau, was sie tun muss. Er braucht nur so ein Revenge-Hobby. Und bis 4000. Und die hat Stunden. Äh, unfassbar. Und jetzt spiele ich das immer noch, aber ich mache das nicht mehr. Aber du hast es geschafft? Ja, ja, habe ich es geschafft. Zwei Jahre danach, genau. Und dann habe ich es als Hobby weitergemacht und auch ernsthaft betrieben. Heute Abend wieder Training mit meinem Partner, Matti. Da freue ich mich schon drauf. Und der ist... Der war auch mal richtig Profi, so richtig krass. Und wir spielen zusammen.

[00:17:46] Was hast du aus dem Volleyball-Training gelernt, was dich zum besseren Founder macht? Ich glaube, mit Feedback umgehen. Weil in der Firma, weißt du, trauen sich die Leute gar nicht mehr, einem was zu sagen. Also das sage ich auch jedem Gründer, dass eigentlich kaum noch Leute, die dir wirklich die Wahrheit sagen. Deine Mitgründer vielleicht, deine seniorigen Mitarbeiter. Aber viele sagen dir die Wahrheit nicht. Auch im gesamten Leben sagen die häufig dir die Wahrheit nicht. Weil die Leute abschätzen, boah, wenn ich den verärgere, vielleicht wird er nie wieder mit zusammenarbeiten oder reden. Und das muss man sich halt immer vor Augen führen.

[00:18:15] Auch egal, wie glaubt man oder wie man selbst glaubt, auf dem Boden der Tatsachen zu sein und auf dem Boden zu bleiben, ist es trotzdem einfach so. Und im Leach-Volleyball, der Trainer sagt so, nee, ist so scheiße, musst du halt so machen. Dort ist Video an. Genau, nicht so machen, musst du so die Arme strecken oder so das machen. Und das hat dann irgendwann gemerkt, das ist echt nochmal. Und da bist du halt auch nicht der Beste. Du gehst auf den Court und in 90% der Fälle verlierst du halt. Ich glaube, wie du Beginners meinen, du fängst ja wieder komplett bei Null an und zwar. Absolut. Was ist eine Sache, von der du überzeugt bist und andere nicht? Was ist dein Contrarian Belief? Gute Frage.

[00:18:44] Die Frage habe ich von Peter Thiel gestellt bekommen. Die stellt er jedem Gründer. Das ist einer der drei Fragen, die er jedem Gründer stellt, wenn der Interviews macht, als Peter Thiel bei uns investiert hat. Also mit Founders Fund damals hat er die Frage auch gestellt. Damals hatte ich eine Antwort, die ist jetzt nicht mehr so neu. Die würde ich jetzt auch nicht mehr geben, weil damals ging es darum, dass ich glaubte, dass Wissenschaftler auf jeden Fall ihre Ergebnisse teilen würden in einem öffentlichen Forum. Was nicht Konsens war. Genau, was nicht Konsens war.

[00:19:13] Jetzt tun die Leute das. Sonst habe ich bestimmt eine Menge, aber mir fällt gerade gar nicht so etwas ein. Hast du eine Idee? Ich? Für dich? Ja. Also, Fashion geht alles. Das ist gut. Mega, dass du da warst. Ich danke dir. Hat mich richtig gefreut. Mich auch. Vielen Dank, dass ich hier sein durfte. Danke dir. Sehr cool. So. So viel Spaß beim nächsten Mal. Danke.