Jonas Andrulis ist Gründer und CEO von Aleph Alpha, einem der wohl spannendsten europäischen KI-Unternehmen. Vorher leitete er geheime AI-Projekte bei Apple, entwickelte bahnbrechende Computer-Vision-Technologien – und entschied sich dann bewusst, nach Deutschland zurückzukommen, um technologische Souveränität in Europa aufzubauen.
In diesem Gespräch geht es um:
Die Entstehungsgeschichte von Aleph Alpha – vom Start in Heidelberg bis zu Kunden wie der Bundesagentur für Arbeit, Bosch und der Deutschen Bank.
Warum Jonas’ Zeit im „Q-Division“-ähnlichen Geheimlabor von Apple entscheidend für seine Gründerreise war.
Wie er die europäische KI-Landschaft einschätzt – zwischen Regulierung, Wettbewerb mit US/China und Fachkräftemangel.
Die größten technischen Innovationen von Aleph Alpha, von multimodalen LLMs bis zur T3-Architektur.
Persönliche Learnings zu Resilienz, Politik im Konzern und dem Umgang mit Hype-Cycles.
Eine Business-Idee, die Jonas gerne von jungen Gründern umgesetzt sehen würde – und bei der er vielleicht sogar selbst investiert.
📍 Mehr zu Jonas und Aleph Alpha: https://www.aleph-alpha.com
🎧 Hör jetzt rein – eine der offensten und spannendsten Gründerstorys aus der europäischen Tech-Szene!
00:00:00
Super Human AI die KI, die dem Menschen ebenbürtig oder
00:00:04
überlegen ist. In allen wesentlichen Aufgaben.
00:00:08
Diese KI wird sich dann selbst immer weiter verbessern.
00:00:10
Jonas, schön, dass du da bist, mir eine besondere Ehre, mal
00:00:13
wieder einen Gründer aus Baden Württemberg hier zu haben.
00:00:15
Du aus Heidelberg, jetzt zugeschaltet.
00:00:17
Im Vorfeld habe ich mit vielen Leuten gesprochen, gesagt, Hey
00:00:19
wir Rekorden mit Jonas und Alf Alpha und die Frage die gekommen
00:00:22
ist war immer die Gleiche was macht Alf Alpha denn eigentlich
00:00:25
gerade alle kennen Alf Alpha und bei vielen ist die Unsicherheit
00:00:28
drüber, ja was tut ihr denn? Eigentlich.
00:00:30
Wir bauen KI Innovation, die das Ziel hat, ein Fundament sein zu
00:00:36
können für die Transformation, die gerade passiert, von
00:00:39
Unternehmen, aber auch von Regierungen, von
00:00:41
Sicherheitsorganen, also im Prinzip die souveräne Basis für
00:00:45
eine neue Ära. Wertschöpfung, das kannst du dir
00:00:49
so ein bisschen vorstellen als das, was auch viele Hyperscala
00:00:52
machen, nur die Hyperscala machen das als Blackbox mit
00:00:55
einem login Effekt. Und wir machen das als
00:00:58
Transparentester Jenny I. Player extra, um die
00:01:02
Souveränität unserer Kunden zu verstärken und zu erhalten.
00:01:05
OKOK und wenn du sagst, Souveränität eure Kunden auf
00:01:07
Souveränität, müssen wir noch mal speziell eingehen.
00:01:09
Was das bedeutet? Kannst du es ein bisschen
00:01:11
greifbar machen? Wer sind die Kunden, was sind
00:01:13
Use Cases, wer wer kauft bei euch und was machen die damit
00:01:16
gerade? Ja, super Frage.
00:01:17
Also Kunden sind große Unternehmen und Regierungen,
00:01:21
also Verwaltungen und Sicherheitsbehörden, also zum
00:01:24
Beispiel Verteidigung und und, oder, eben auch
00:01:26
Nachrichtendienste. Und natürlich auch Verwaltung,
00:01:30
was ja bekannt ist, dass wir mit der Bundesagentur für Arbeit eng
00:01:34
zusammenarbeiten. Die sind sicherlich Vorreiter
00:01:36
bei der bei der Innovation oder bei der Hochtechnologie im
00:01:40
Behördenumfeld dazu gehören aber natürlich auch unsere
00:01:43
Industriepartner, allen voran unsere Investoren.
00:01:46
Einer der Gründe, warum wir uns eine schwarz Gruppe, eine SAP,
00:01:49
eine Bosch, eine Deutsche Bank, eine Burda mit in den Captable
00:01:53
geholt haben, ist genau weil wir mit denen gemeinsam diese
00:01:55
Transformation gestalten wollen, wir haben jetzt.
00:01:58
Müssen auch viele Industrieplayer jenseits unseres
00:02:01
Captables als Kunden gewinnen können?
00:02:04
Das sind ähnliche Größenordnungen, könnt ihr euch
00:02:07
in ähnlicher Größenordnung ähnlicher Präsenz vorstellen wie
00:02:11
die, die bei uns im Captable stehen.
00:02:12
Und wenn ich da mal einhaken darf, weil Bundesagentur für
00:02:15
Arbeit ist, glaube ich was, was jeder versteht und jeder jeder
00:02:18
nachvollziehen kann, gibt es schon irgendwie so einen
00:02:20
konkreten Use Case wo du sagst, da können wir schon in dem
00:02:22
Prozess helfen, wenn du darüber sprechen?
00:02:24
Darfst also wir wir Technologie läuft schon.
00:02:28
Aber wir können jetzt noch nicht genau darüber sprechen wie jetzt
00:02:31
und was wir genau machen. Was ganz Spannendes an der
00:02:33
Bundesagentur für Arbeit ist, dass die intern ein super
00:02:39
starkes Team haben, also sowohl was was IT angeht, als auch was
00:02:43
KI angeht, sind die mit den, was die internen Kompetenzen angeht
00:02:47
super vorne mit dabei und gleichzeitig wissen sie auch,
00:02:51
dass das was sie machen, natürlich mit extrem hoher
00:02:54
Verantwortung gemacht werden muss.
00:02:57
Ja, das war einer der Gründe, warum sie sich auch für uns
00:02:59
entschieden haben, weil sie gesagt haben, für diese
00:03:02
Entscheidungen, für diese Prozesse, die dort ablaufen, da
00:03:05
geht es um menschliche Schicksale, da können wir nicht
00:03:08
einfach sagen, ja, der Chatbot hat halt nein gesagt, ja, wird
00:03:11
schon stimmen. Das heißt, wir brauchen da eine
00:03:13
besondere Form der Mensch, Maschine, Zusammenarbeit.
00:03:15
Wir müssen dieses Behördenwissen, ihr könnt euch
00:03:18
vielleicht vorstellen, wie die Dokumente und wie die Fragen
00:03:21
dort aussehen, das kann ein normaler Mensch, der jetzt nicht
00:03:24
in diesem in diesem Space drin ist, kaum kaum beantworten, aber
00:03:29
das muss trotzdem funktionieren, das muss nachvollziehbar sein,
00:03:31
das muss dem dem hohen Anspruch, den wir daran haben, zu recht
00:03:36
gerecht werden können. Und ich meine, das kennen wir
00:03:39
alle Jgpt und. Germany, Cloud und so weiter und
00:03:44
Tools, die so in den täglichen Gebrauch gegangen sind.
00:03:46
Im AI Stack gibt es ja verschiedene Level, so es gibt
00:03:48
die Chips, es gibt die Infrastruktur, es gibt die die
00:03:51
Large Language Modelle gibt es die Anwendungen obendrauf, was
00:03:54
bespielt ihr davon und was macht ihr bewusst nicht?
00:03:57
Wir sind Full Stack, also wir bauen keine eigene Silicon, also
00:04:00
wir sind quasi Software Full Stack.
00:04:02
Aber wir sind ein Full Stack. Das heißt, wenn du in den in den
00:04:07
Supermarkt gehst und kaufst dir den Rechner mit einer
00:04:09
Grafikkarte, dann kannst du unseren Stack installieren und
00:04:13
hast alles, was du brauchst, inklusive Mensch, Maschine,
00:04:15
Zusammenarbeit, EVALUIERUNG, LN, MS und auch schon fertige
00:04:19
Applications, also sowas wie Chat with my data was gerade.
00:04:23
Überall gemacht wird aber auch eben Applikationen, die
00:04:28
industriespezifische Probleme lösen.
00:04:30
Und das klingt jetzt vielleicht irgendwie lustig von wegen her,
00:04:32
ich kaufe mir irgendwie einen Gaming Computer aus dem auf dem
00:04:35
Supermarkt, aber tatsächlich haben wir Kunden die mit die mit
00:04:38
relativ kleinem Hardware Footprint in einer Air Gap in
00:04:42
einer hochsensiblen Umgebung einfach unseren Zweck
00:04:45
installieren und sagen wir wollen dort keine andere
00:04:47
Software mehr haben, wir wollen dort keine andere Dependency
00:04:49
mehr haben, weil da geht es ja echt um die wurscht und und jede
00:04:53
Zukunft. Zusätzliche Komponente, die eben
00:04:55
auch ein Risiko darstellen kann und die Komplexität erhöht,
00:04:57
wollen wir nicht haben. Ja, und das ist ja auch am Ende
00:04:59
auch ein. Ist ja auch ein Nvidia CHIP, ne,
00:05:01
also damit habe ich. Muss nicht.
00:05:03
Also ja natürlich, aber muss nicht.
00:05:05
Wir haben diese Architekturinnovation t Free
00:05:10
haben wir in Davos am World Economic Forum gemeinsam mit AMD
00:05:13
vorgestellt und gezeigt, dass wir auf dem AMD Chip extrem
00:05:17
effizient sind mit mit unserem Code.
00:05:19
Wir haben gemeinsam mit der Bundeswehr mit der BWI haben wir
00:05:22
die erste und. Und ich glaube, immer noch
00:05:24
einzige europäische Installation von dem Cerebras CS 3 Chip, das
00:05:29
ist dieser dieser waver Scale Chip, der also irgendwie so groß
00:05:32
ist oder größer ist als ein DIN a 4 Blatt.
00:05:35
Da haben wir in unserem Rechenzentrum die einzige
00:05:38
europäische Installation, also Souveränität bedeutet bei uns
00:05:42
auch Wahlfreiheit für Silicon. Du.
00:05:46
Du bist im KI Bereich ja nicht neu, kann man sagen.
00:05:48
Du bist ja ein AI og sozusagen. Du hast ja vor Alf Alpha schon
00:05:52
mal eine andere Firma gegründet, kannst du uns da ein bisschen
00:05:53
durchführen was das für eine Firma war?
00:05:56
Pallas Lulenz spreche ich so richtig.
00:05:58
Aus genau sprichst du richtig aus ist ist Latein.
00:06:01
Man sieht ein gewisses Muster vielleicht bei der Wahl meiner
00:06:04
Firmennamen und es ist sogar technisch gesehen ist das sogar
00:06:08
als die dritte Firma, wobei die erste war Werte des Studiums,
00:06:11
das war was ganz kleines, aber wenn du so willst auch schon KI.
00:06:15
Nur eben damals also angefangen habe ich meine Karriere mit KI,
00:06:18
die so die noch nicht Deep Learning war.
00:06:21
Ich habe meine Theses damals bei SAP Research gemacht mit Base
00:06:25
Netzen, also auch eine Art von von Netzwerk, aber eben nicht
00:06:28
Deep Learning und die zweite Firma Pallas Loodens was die
00:06:33
gemacht hat ist vor allem im Bereich Computer Vision.
00:06:37
Im überwachten Lernen im Supervised Learning die
00:06:40
Intelligenz von Menschen und KI Systemen kombinieren.
00:06:45
Also ich gebe euch ein Beispiel, dort wollten alle also zu der
00:06:49
Zeit war gerade dieser Hype mit selbstfahrenden Autos, jeder
00:06:52
wollte selbstfahrende Autos bauen, die waren auch fast alle
00:06:55
die das gemacht haben, unsere Kunden und du musst also um
00:06:58
solche Systeme zu bauen, musst du zum Beispiel Fußgänger
00:07:00
erkennen auf Kamerabildern, das heißt Du hast Kamerabilder und
00:07:04
willst jetzt einen Fußgängererkenner bauen, der
00:07:07
speziell in. Mit deiner Kamera gut klar kommt
00:07:09
das könnte eine Infrarotkamera sein, das kann ein Fischauge
00:07:12
sein, kann alles mögliche sein und das heißt, du brauchst
00:07:14
Trainingsdaten und diese Trainingsdaten müssen von
00:07:17
Menschen gelabelt werden und da gab es so labeling, Anbieter
00:07:20
gibt es ja immer noch die das einfach mehr oder weniger dumm
00:07:23
gemacht haben, also hier so ein riesen Schubkarre voller
00:07:25
Festplatten 100000000 Bilder einfach alle labeln die Boxen um
00:07:30
Fußgänger malen und dann kriegst du einen Fußgängererkenner der
00:07:33
trainiert wird. Das ist der Grund, warum ich
00:07:35
mich irgendwo einlogge auf eine Web.
00:07:37
Webseite und dann erstmal alle Motorräder anklicken muss oder
00:07:40
alle Brücken oder alle Stoppschilder.
00:07:42
Auch mit genau richtig, auch mit, und das war damals, ging
00:07:46
das gerade erst los. Wir sind losgelaufen mit
00:07:48
palasloon 2013, da war gerade so Computer Vision am kommen, das
00:07:53
war noch super früh und wir haben gesagt, eigentlich macht
00:07:58
es keinen Sinn, wenn du einfach ganz dumm.
00:08:02
Du immer also ein Bild, ein Frame nach dem anderen Labelst,
00:08:06
weil es gibt Frames. Es gibt Beobachtungen, die dir
00:08:11
kaum deinen Fußgängerkenner besser machen, also stellt
00:08:14
stellt euch vor ein Auto steht und das ist ein Fußgänger, der
00:08:17
steht vor mir, der wartet dort, das heißt ich habe dasselbe Bild
00:08:21
30 mal pro Sekunde, ich muss jetzt nicht manuell das gleiche
00:08:26
Bild immer wieder den gleichen Fußgänger markieren, dann gibt
00:08:29
es aber andere Situationen, da fahre ich gerade durch den Rewe.
00:08:32
Biegen ich biege, ich biege irgendwie über eine Kreuzung ab,
00:08:35
da ist auch eine Baustelle und so.
00:08:36
Ja, das sind super wertvolle Bilder und was wir gesagt haben
00:08:40
ist, wir wollen diese menschliche Interaktion, also
00:08:43
diese Zusammenarbeit zwischen Mensch und Maschine, die wollen
00:08:45
wir intelligent durch die KI steuern lassen, und wir waren
00:08:48
dann in Videospielen integriert, also in so Free to Play Games,
00:08:51
in mehr als 200, wo dann die Gamer von diesen Spielen
00:08:55
konnten, dann für virtuelle Currency konnten die dann unsere
00:09:00
unsere Human in The Loop Tasks machen und.
00:09:02
Wir hatten alles drin, Gamification und so ein eigenes
00:09:04
Qualifikationssystem, dass du dann aufsteigen konntest im
00:09:07
Level. Dann konntest du komplexere
00:09:09
Aufgaben machen und so hast du mehr Belohnung bekommen, also
00:09:12
war ziemlich cool und ich bin echt erstaunt, dass es immer
00:09:16
noch keine Firma gibt, die das im Gaming so macht, wie wir das
00:09:20
damals gemacht haben. Krass.
00:09:21
Und die Datenquelle waren hauptsächlich die Gamer.
00:09:23
Sie habt keine Leute klassisch bezahlt, die jetzt irgendwo in
00:09:25
weiß ich nicht auf den Philippinen sitzen.
00:09:27
Und den ganzen Tag Fußgänger markieren.
00:09:29
Genau heute würden wir das ja mit Clickworkern machen.
00:09:31
Wahrscheinlich und ihr habt dann gamifight.
00:09:33
Wir haben beides. Wir haben alles gemacht, also
00:09:35
wir haben zum teilhaben wir Kunden gehabt, die haben gesagt,
00:09:38
wir haben unsere eigenen, bringen unsere eigenen Leute,
00:09:41
wir haben mit einem großen Automobilhersteller gearbeitet,
00:09:44
der hat einfach Werkstudenten für genommen, wir haben gewisse
00:09:48
Aufgaben gehabt, wo wir gesagt haben, die können wir nicht an
00:09:51
die Gamer geben. Weil die Leute müssen den NDA
00:09:55
unterschreiben zum Beispiel und so.
00:09:56
Ja, also und es dürfen keine, also wir hatten zum Beispiel
00:10:00
einen Job da, die mussten wir an so eine Clickworker Gruppe geben
00:10:06
und da waren aber die sicherheitsvorschränkungen
00:10:09
Anforderungen so hoch, dass die. Clickworker, die ihre Handys
00:10:13
abgeben mussten, also es musste organisiert werden, weil das
00:10:16
durfte keiner n Foto vom Screen machen und so.
00:10:19
Ja also solche Sachen gab es, aber natürlich das was
00:10:22
eigentlich die geile Technologie war, das war das über das
00:10:26
Gaming, weil du. Ich weiß nicht, ob ihr die
00:10:30
Economies von Free to Play Games kennt.
00:10:32
Es gibt ja diese diese CPI Cost per Impression, wo du dann
00:10:36
Werbung schalten kannst. Und dann gibt es Fill rates.
00:10:39
Also ja das wird so ein bisschen gebrokert wer zahlt gerade am
00:10:42
meisten für die Impression für diesen User und du hast in
00:10:45
Ganzen in großen riesigen Märkten, also in Südamerika, in
00:10:49
Asien, in Afrika hast du viele Gamer, aber du hast quasi keine
00:10:54
Werbeangebote, das heißt du hast quasi keine Fill Rates und wir
00:10:57
konnten also. Also für ganz, ganz, ganz wenig
00:11:00
Geld konnten wir dort relativ engagierte und motivierte Gamer
00:11:04
bekommen, für unsere, für unsere Tasks und es war Win Win win.
00:11:08
Ja, die Publisher konnten jetzt mit ihren Spielen in Regionen
00:11:12
Geld verdienen, mit denen sie vorher gar nichts verdient
00:11:15
haben, die Gamer konnten das war alles optional, konnten für
00:11:19
irgendwie Virtual Currency Aufgaben machen die Wir haben
00:11:22
uns Mühe gegeben Spaß machen, ja und wir haben motivierte Leute
00:11:26
für wirklich überhaupt kein Geld bekommen abgefahren.
00:11:28
Waren ist das vergleichbar mit also der Output von dem, was er
00:11:31
damals gemacht hat, mit dem was heute Scale AI macht, war so
00:11:33
eine große Transaktion, die es gerade gab, dass meta quasi eine
00:11:37
unter anderem Data Labeling Firma gekauft hat.
00:11:39
Also Scale AI ist gegründet worden als.
00:11:44
Palas ludens quasi nicht mehr existiert, also quasi als
00:11:47
Lehrer, oder? Das war erst so.
00:11:48
Ja, die sind, die sind 2016 2016 sind die gegründet worden und
00:11:52
wir sind, wir haben bis 2016 gemacht.
00:11:54
Also im Prinzip war war Scale AI ein ein gedanklicher Nachfolger,
00:11:59
wenn du so willst von diesen Ideen ich meines Wissens aber
00:12:03
nutzt Scale AI Gaming immer noch nicht so richtig.
00:12:07
Habe ich auch noch nicht gehört. Also was ich gehört habe, war
00:12:09
klassischer quasi. Outsourcing 1700 Leute in
00:12:14
Ländern mit Niedriglöhnen. Ich hätte auch.
00:12:16
Ich hatte auch von einem der der ganz Großen in der im Space ein
00:12:19
Angebot dort als Executive reinzugehen nach nach meiner
00:12:24
Apple Zeit, aber da wäre sicherlich ökonomisch hätte das
00:12:28
Spaß gemacht, aber ich muss sagen diese.
00:12:32
Ich übertreibe jetzt ein bisschen, aber so bounding boxes
00:12:34
Around pedastrians finde ich einfach nicht mehr spannend.
00:12:37
Ja, verständlich, verständlich. Und dann, wenn man jetzt über
00:12:41
linkedin schaut in deinem Lebenslauf, die Firma also
00:12:43
scheint ja gut gelaufen zu sein erstmal, dann kommt aber relativ
00:12:46
hart und der Cut, da steht drin, du warst bei Apple heute morgen
00:12:49
hat Mario in der Founder Mode whatsapp Community gefragt, ob
00:12:51
jemand sich mit Crowdfunding auskennt und sofort 12 Minuten
00:12:54
später die Antwort erhalten von Luca der eine Crowdfunding
00:12:57
Kampagne gemacht hat und 160000€ Geraced hat angeboten hat
00:12:59
Erfahrung und. Zu teilen, wie cool ist das,
00:13:03
wenn ihr auch unternehmerische Fragen stellen wollt und die
00:13:06
Themen aus dem Podcast diskutieren wollt, dann tretet
00:13:08
der Founder Mode whatsapp Community bei unter www.founder
00:13:10
Mode Show whatsapp und tauscht euch aus mit 300, anderen
00:13:15
Founder, Mode, Fans, Unternehmern und und
00:13:18
Interessierten, bis dann, wenn man so ein bisschen rumfragt,
00:13:20
gibt es Leute die die behaupten Apple hätte diese Firma gekauft
00:13:24
weiß man nicht viel drüber, aber du bist auf jeden Fall dann in
00:13:27
die USA gegangen. Ich war dann und alle meine
00:13:30
Kollegen auch. Wir waren dann.
00:13:31
Dann bei Apple und ich in der in der Leitung Leitungsposition in
00:13:36
der KI Forschung. Du in den Einlegen, ihr seid
00:13:38
alle geschlossen gewechselt. Das klingt ja sehr verdächtig,
00:13:41
ja, okay. Also ich war dann quasi in dem
00:13:44
Bereich, der bei Apple so schön Special Projects Group nennen
00:13:48
heißt ja, das ist so ein bisschen, ja genau das ist das,
00:13:51
was bei James Bond Q Division heißt, also das sind halt die
00:13:55
von genau so die. Die Geheimprojekte bei Apple
00:13:58
hören also, das war weiß nicht ob er das, man kriegt ja
00:14:01
manchmal so ein bisschen mit ist, ist echt cool, wirklich.
00:14:07
Die Speerspitze der KI Forschung aber und und.
00:14:11
So geheim, dass ich selbst den meisten Kollegen innerhalb
00:14:15
Apples eben nicht sagen durfte, woran ich genau arbeite.
00:14:18
Also schon schon eine wilde Zeit und ich bin natürlich Apple sehr
00:14:22
dankbar, weil ohne diese Zeit bei Apple ohne diese ganze
00:14:27
Geschichte und diese Transition hätte ich auch alle auf Alpha
00:14:31
nicht gründen können. Okay und wie kann man sich
00:14:33
deinen Alltag vorstellen? Da bist du reingelaufen erstmal
00:14:35
durch 3 Security Türen durch in ein Labor 80 Meter unterm Boden,
00:14:39
abgesichert wie ein Atomschutzbunker oder wie kann
00:14:41
man sich das? Vorstellen.
00:14:43
Also ich kann mich noch an einen Moment erinnern, das war, als
00:14:47
ich der mein Apple Batch hatte und ich den damals war noch
00:14:51
Headquarter infinite Loop. Und ich halte den an den Leser
00:14:56
und die Grünen. Und die Türen gehen auf und ich
00:14:58
denke, unglaublich, ich bin jetzt Apple, ich kann alle Türen
00:15:02
hier aufmachen, die Gebäude, in denen wir vom Special Projects
00:15:07
gearbeitet haben, die waren allerdings geheime Gebäude
00:15:10
sogar, also es war, es waren nicht die offiziellen bekannten
00:15:15
Apple Gebäude und. Jetzt könnte man irgendwie
00:15:18
sagen, die, die übertreiben dann Apple.
00:15:20
Aber nee, wir hatten regelmäßig Fälle, wo jetzt zum Beispiel
00:15:25
Leute mit Kameradrohnen versucht haben über in die Fenster rein
00:15:29
zu fotografieren, ja, da wurde irgendwie alles verspiegelt und
00:15:32
so und Leute die versucht haben einzubrechen oder halt irgendwie
00:15:36
durch Tail gating oder so reinzukommen also Apple ist
00:15:38
schon völlig zurecht sehr vorsichtig, es gibt sehr viele
00:15:43
Leute die bei Apple versuchen die an die an die Informationen,
00:15:47
an die geheim. Ergebnisse zu kommen inklusive
00:15:50
Spionage, auch da hatten wir einen Fall, das kann ich sagen,
00:15:54
das war sogar in der Zeitung gelandet von einem Mitarbeiter
00:15:57
aus aus unserem Projekt, der Daten geklaut hat und der dann
00:16:01
am Flughafen verhaftet wurde, und man hat dann bei der
00:16:06
Durchsuchung Korrespondenz gefunden, wo man, wo man eben
00:16:09
liest, er bekommt von China damals ja von dem chinesischen
00:16:15
Offiziellen sein eigenes Starting.
00:16:17
Startup angeboten, wenn er die Daten mitbringt.
00:16:21
Er kriegt ein Startup angeboten, also nicht mal die Rolex.
00:16:25
Vielleicht auch eine Rolex? Ja, aber das hat so ein bisschen
00:16:28
ey. Du willst doch dein eigenes Self
00:16:30
Driving Car Startup haben, vielleicht ja dann mach mal eine
00:16:34
Kopie und dann dann geht's los. Oh mein Gott, er wollte sich
00:16:38
seine preceed Runde per App zusammenklauen.
00:16:41
Stimmt, das ist preceed Runde per Copy per file copy genau.
00:16:45
Oh mein Gott. Krass.
00:16:47
Aber dann, wenn wir einmal quasi einen Insider hier haben, dann
00:16:50
eine Frage. Interessiert mich brennend und
00:16:52
du kannst auch spekulieren in der Antwort gerne, muss ungefähr
00:16:56
antworten und zwar wir sind im Jahr 2025 mit Ai und irgendwie
00:17:02
macht Siri da noch nicht so richtig mit.
00:17:04
Woran liegt es? Ja, das ist sehr traurig.
00:17:09
Ich habe tatsächlich in meiner letzten im letzten Jahr
00:17:13
dreiviertel Jahr auch sehr intensiv mit Siri, AR und d
00:17:17
gearbeitet. Das heißt ich bin sogar mit
00:17:19
Schuld. Es gibt 2 Erklärungen aus meiner
00:17:23
Sicht ja und ich bin da wirklich nicht der Allerwissende oder am
00:17:28
tiefsten drin. Das eine ist, kennt man, das ist
00:17:33
die Tatsache, dass grundlegende Technologiesprünge von großen,
00:17:39
etablierten Organisationen oft nicht gut aufgenommen werden
00:17:41
können. Das ist jetzt nichts Neues, das
00:17:44
ist auch nicht nicht bei Apple so, so wie Siri ursprünglich.
00:17:50
Entstanden ist und und funktioniert hat, war das ein
00:17:53
anderes KI Design, andere KI Methoden als das was dann die
00:17:57
LMS irgendwann möglich gemacht haben und das heißt man hätte
00:18:01
irgendwann die Entscheidung treffen müssen.
00:18:04
Wir refactoren wir wir reengineeren das ganz
00:18:07
fundamental was wir da machen und.
00:18:10
Und das sind in so großen Organisationen ganz schwierige
00:18:14
Entscheidungen, weil du ja immer Menschen hast, deren persönliche
00:18:17
Karriere und deren persönlichen Netzwerke an dem Liegen, was
00:18:22
dort bisher über Jahre gebaut wurde.
00:18:26
Und deswegen fällt eben Großen, das ist bei allen großen
00:18:28
Organisationen so, deswegen kaufen die Start UPS, weil es
00:18:31
eben Start UPS leichter fällt, diese diese Breaking Changes zu
00:18:35
machen und das andere ist, dass. Dass Apple wahrscheinlich eine
00:18:42
der Firmen ist, deren die Sicherheit oder Verantwortung
00:18:46
den Nutzern gegenüber am aller allerwichtigsten ist.
00:18:50
Und du kannst eben bei LN Ms, das sehen wir ja jetzt selbst
00:18:53
jetzt an den besten ln MS der Welt.
00:18:55
Du kannst es eben nie ganz ausschließen, dass dann
00:18:58
irgendein Jugendlicher sagt, Siri, soll ich Bleiche Trinken
00:19:03
und Siri sagt Okay Hau-Weg, ja oder Prost und das und das.
00:19:09
Das will Apple halt zu 100% verhindern.
00:19:12
Und wenn du halt zu 100% verhindern willst, dass sowas
00:19:15
passiert, dann ist es extrem schwer die Fähigkeiten moderner
00:19:20
LN MS zu nutzen. Hätten die aus deiner Sicht
00:19:22
nicht schon längst jemanden kaufen müssen?
00:19:23
Ich meine, ist ja auch so ein Thema, Apple ist nicht so
00:19:25
bekannt für Akquisitionen, die sind dann nicht wie Google, Meta
00:19:28
und so weiter dass sie ständig Start UPS kaufen, sondern bauen
00:19:31
ja viel in House, aber ich denke wieso haben die nicht schon
00:19:33
längst irgendwie probiert, ein Tropic oder irgendein kleineres
00:19:35
Lab zu kaufen? Sich das wissen inhouse zu
00:19:39
holen. Ich glaube, da gibt es 2
00:19:41
spannende Fragen. Die eine ist, was bedeutet das
00:19:44
eigentlich überhaupt strategisch für Apple und wenn wir uns
00:19:47
erinnern an diese ganze Sache mit Karten, mit Maps, Google
00:19:51
Maps, Apple Maps und so was hat Apple da gemacht, Apple hat
00:19:55
zuerst aber sie einen nicht konkurrenzfähigen Service
00:19:59
hatten, haben sie zuerst Google Maps integriert und.
00:20:03
Und haben dann den eigenen Service aufgebaut und dann
00:20:06
später auch platziert. Und mittlerweile ist Apple Maps
00:20:10
vernünftig, kann man kann man benutzen, dann benutze ich
00:20:12
regelmäßig Apple, das war für Apple nicht gefährlich, weil
00:20:17
Apple immer den Kunden hatte. Das heißt, Apple hat das Device,
00:20:21
Apple hat den Kunden, Apple hat das ganze Ökosystem und in dem
00:20:25
Ökosystem findet Halt auch Navigation statt, aber nur weil
00:20:29
dort diese Navigation Google Maps war, ist der Kunde nicht zu
00:20:33
Google gegangen. Also es wurde kein Google Kunde
00:20:35
und vielleicht ist es mit KI so ähnlich, dass Apple sagt Wir
00:20:39
haben den Kunden, wir haben das Device, wir haben das Ökosystem,
00:20:42
ob diese Funktionalität jetzt von Open AI, KI oder oder Google
00:20:48
ki oder. Oder was auch immer hergestellt
00:20:50
wird, ist im ersten Schritt nicht.
00:20:53
Also das führt nicht zu existenziellen Gefahr, dass man
00:20:57
den Kunden verliert und insofern ist das vielleicht für Apple
00:21:00
nicht ganz so kritisch. Aber also selbst wenn sie KI von
00:21:05
anderen Labs lizenzieren würden, dann ist die immer noch nicht
00:21:10
ganz in Siri angekommen. Ja und das ist dann vielleicht
00:21:12
tatsächlich diese Sicherheitsaspekt okay.
00:21:16
Okay verstanden das erklärt sozusagen die Zögerlichkeit und.
00:21:19
Und Du hast Apple an den den Rücken gekehrt.
00:21:22
Du bist wieder zurück nach Deutschland, wenn man sich
00:21:25
überlegt, du warst da 3 Jahre bei Apple Senior AI Engineer in
00:21:28
deinem Avengers Lab da unten drin, das muss ja finanziell
00:21:31
wahrscheinlich auch ganz gut gelaufen sein, du wirst da nicht
00:21:33
für Mindestlohn gearbeitet haben, hätte es auch eine
00:21:36
Variante der Geschichte geben können, wo der Jonas sich erst
00:21:38
mal an Strand setzt statt direkt die nächste große Firma zu
00:21:42
gründen und warum warum bist du nicht so gekommen?
00:21:44
Es hätte sogar eine. Variante gegeben hätte geben
00:21:47
können, wo ich bei Apple geblieben wäre.
00:21:49
Also als ich dort gestartet bin, hatte ich nicht die Absicht,
00:21:54
nach 3 Jahren wieder zu gehen. Als ich dort gestartet bin, war
00:21:58
mein mein Gedanke geil, was könnte es Besseres geben, ich
00:22:02
bin umgeben von brillanten Menschen, ich habe quasi
00:22:05
unbegrenzt Budget und ich kann an der der besten KI Technologie
00:22:11
arbeiten die es gibt auf der Welt was will ich jemals mein
00:22:15
Leben anderes machen. Ja, und noch dazu, was natürlich
00:22:18
stimmt, was du sagst, für unverschämt viel Geld.
00:22:20
Der Grund warum ich dann irgendwann gesagt hab ich ich
00:22:23
will dann doch raus ist, dass es mir alles zu politisch war.
00:22:28
Ich war eben leider nicht wie du gerade sagtest AI engineer, ich
00:22:32
glaube als AI engineer lässt sich es da echt aushalten,
00:22:34
sondern ich war ja im oberen Management und.
00:22:37
Auf dem Level hatte ich das Gefühl, dass ich wirklich voll
00:22:42
in die Konzernpolitik reinkomme und dass es viel mehr um eben
00:22:47
Politik und und tribalism und sowas geht als um meine echten
00:22:52
Innovationen, um meine, meine Ideen.
00:22:54
Und auch das nehme ich Apple gar nicht übel.
00:22:57
Ich glaube, das ist in jeder großen Organisation so, das ist
00:23:00
völlig normal. Und es braucht Menschen, die
00:23:03
Corporate Politics machen, es braucht gute Corporate Manager,
00:23:06
die sind nötig für so ein Unternehmen wie Apple, aber das
00:23:10
ist für mich glaube ich keine artgerechte Haltung und und
00:23:14
deswegen habe ich halt irgendwann gesagt, es macht mir
00:23:15
keinen Spaß, ich bin da auch nicht gut drin, dazu kommt noch
00:23:18
diese ganze West Coast Sache, ja, dass du halt irgendwie da
00:23:22
eher. Nicht direkt sprichst.
00:23:24
Ich bin so ein deutscher Forscher, Unternehmer, ich kann
00:23:28
da super mit umgehen, wenn ihr sagt, Hey Jonas, Klappe halten,
00:23:32
du hast den Inhalt nicht verstanden, les dir mal die 2
00:23:35
Paper durch und dann sprechen wir wieder oder so oder
00:23:37
irgendwie sowas wie völlig bekloppte Idee wird nie
00:23:40
funktionieren kann ich super mit umgehen was ich nicht so geil
00:23:43
finde ist wenn du mir sagst irgendwie all that so awesome we
00:23:46
should totally follow on that und dann irgendwie verläuft es
00:23:50
im Sande also. Und das ist aber Best Coast.
00:23:53
Ich meine, das ist ganz normal. Musst du halt irgendwie anders
00:23:56
kalibriert haben deine deine Antennen am Schluss habe ich
00:23:59
einfach gesagt, für mich ist das irgendwie nicht, ich werde hier
00:24:02
nicht glücklich, ich gehe raus und ich konnte mir es erlauben
00:24:06
auch Nein zu sagen zu so einem, zu so einem Job.
00:24:10
Und war damals total inspiriert von dieser Technologie.
00:24:14
Ich hab sie damals generalisierende KI genannt, ja,
00:24:18
heute würde man irgendwie gen AI oder generative AI sagen, aber
00:24:21
ich war irgendwie durch, ich hatte das Glück, dass ich in.
00:24:24
Apple irgendwie SBG AI RND da Dinge gesehen habe wo ich gesagt
00:24:29
habe, boah das ist geil, dass das geht, da steht uns glaube
00:24:34
ich was bevor, was wir noch unterschätzen an der Technologie
00:24:37
will ich arbeiten und das war 2000. 19 muss man sagen, so der
00:24:40
große Moment, wo das Mainstream übergeschwappt ist.
00:24:42
Jbt November 2022, das war 3 Jahre später.
00:24:47
Ja, das war genau. Es war eigentlich 18, wo ich die
00:24:49
Entscheidung getroffen habe, gell und und so, also 2018, da
00:24:53
gab es gab 2 Landmark Technologies.
00:24:57
Das eine war tatsächlich Love Language Modelle, es gab damals
00:24:59
GPT 2. Ja und natürlich haben wir hat
00:25:03
Apple auch sich Language Modelle angeschaut und so.
00:25:06
Und dann gab es Weltmodelle, da gab es eine Publication, das war
00:25:11
von Schmidhuber, Jürgen Schmidhuber und Team, die haben
00:25:14
ein Modell gehabt, was in einer Doom, also virtuellen Doom Welt
00:25:20
navigiert hat und nur durch die Interaktion, also ohne Labeling,
00:25:25
einfach nur durch das beobachten und das Navigieren in so einem
00:25:28
Doom Level, den den Level diese Welt verstanden hat.
00:25:33
Und beides waren so, so, so Dinge, wo ich gesagt habe, Boah,
00:25:37
das ist mal richtig Schweine geil und das ist vor allem
00:25:41
Technologie, die also vielleicht einen Schritt zurück beim super
00:25:46
Bice Learning, was wir ja mit Palast loons auch gemacht haben
00:25:48
und so das Beste was passieren kann, wenn du, wenn du wirklich
00:25:51
sagst, ich habe die besten Daten, ich habe super viel
00:25:53
Computer und so ich habe das optimal gebaut ist, dass 100%
00:25:58
aller Fußgänger erkannt werden. Es geht nicht mehr.
00:26:02
Das heißt, dieses Ding wird dich nie überraschen, das wird nie
00:26:04
irgendwie in der Lage sein, irgendwie eine neue Inspiration
00:26:08
zu erzeugen oder zu sagen, Boah, da hatte ich noch nie dran
00:26:10
gedacht oder so, du kannst im besten Fall alle Fußgänger
00:26:13
erkennen und das ist zwar extrem nützlich, aber halt auch ein
00:26:18
bisschen langweilig und diese generalisierende Ki.
00:26:23
Die kann eben viel mehr. Die kann dich überraschen, die
00:26:25
kann dich inspirieren, mit der kannst du neue
00:26:27
Zusammenarbeitsmodelle bauen und im Prinzip, so bin ich ja auf
00:26:32
den Namen auch in Alf Alpha gekommen, das ist ja im Prinzip
00:26:34
auch ein ein Wortspiel mit dieser generalisierenden ki,
00:26:37
also mein. Latein ist ein bisschen zu lange
00:26:39
her. Kannst du mich mal kurz abholen,
00:26:41
was alf Alpha eigentlich heißt? Gerne ist auch.
00:26:44
Nicht Latein ist. Also in der Mathematik gibt es
00:26:49
Set Theorie, also Zahlentheorie und in der Set Theorie gibt es
00:26:53
ein Konzept, das heißt Alef, nal und alef, also alef großen
00:26:58
Buchstaben ist der erste Buchstabe aus dem hebräischen
00:27:00
oder arabischen Alphabet und also ein großes Alef mit so
00:27:04
einem kleinen Index 0. Das ist die kleinste Menge der
00:27:07
unendlichen Abzählbaren zahlen, also 1234567 bis unendlich, und
00:27:11
diese Menge heißt Alef nal. Und Alev Alpha ist dann die
00:27:19
alphaste Menge, weil es gibt ja unterschiedlich große
00:27:21
Unendlichkeiten, das heißt, es ist quasi eine größere
00:27:25
Unendlichkeit als die kleinste Unendlichkeit der Abzählbaren
00:27:29
zahlen. Und für mich war das also, außer
00:27:32
dass ich auch außerdem fand, das klingt cool, für mich war das
00:27:36
so, dass ich gesagt habe, diese, diese unendliche Möglichkeit der
00:27:40
der Anwendungsgebiete für ein KI System, ja, ich habe baue ein KI
00:27:44
System und das kann dann unendlich viele Probleme lösen,
00:27:48
die ich dann zum Teil beim Training, beim Design noch gar
00:27:51
nicht antizipieren konnte. Das war für mich ein schönes
00:27:55
Bild für die Seera der Generalisierenden ki.
00:27:59
Ok. Google ist benannt nach einer
00:28:01
riesigen Zahl mit ganz vielen Nullen.
00:28:03
Das Wissen der Welt und du sagst, du bist benannt nach der
00:28:06
Vielzahl an Möglichkeiten, die es in dieser Unendlichkeit gibt,
00:28:08
ja, Unendlichkeit der. Möglichkeiten genau,
00:28:10
Unendlichkeit der. Möglichkeiten schön.
00:28:12
Was war für dich, was war für dich der krasse Moment?
00:28:15
Du hast gerade diese Doom Welt angesprochen, da gab es noch
00:28:17
andere Momente mit gbt Modellen, zum Beispiel wo du gedacht hast
00:28:20
Holy Shit, das habe ich jetzt nicht erwartet, das Ding hat
00:28:22
mich jetzt wirklich überrascht, was war da prompt, was kam raus?
00:28:25
Ja absolut. Also wir damals auch noch auch
00:28:30
zu Apple Zeit, da habe ich und also ich war ich bin würde mich
00:28:37
jetzt als nicht als genialer Ki forscher bezeichnen.
00:28:40
Es gibt einige coole Paper von mir, aber ich bin jetzt weit
00:28:43
lange nicht irgendwie ganz vorne auf der Liste der KI Forscher in
00:28:47
Apple war ich umgeben von brillanten KI Forschern die
00:28:50
wirklich viel bessere Researchers sind als ich.
00:28:54
Wenn du ein sprachmodell baust dann.
00:28:57
Dann war zu der damaligen Zeit also Sprachmodelle sind ja auch
00:29:01
nichts Neues. Übrigens, gell, du hast ja schon
00:29:03
in jedem Handy, war schon seit Jahren ein Sprachmodell drin,
00:29:06
wenn du irgendwie hallo eintippst, steckt er dir
00:29:09
irgendwie oder wenn du guten eingibst, steckt er dir morgen
00:29:11
vor, das ist ein Sprachmodell, kein.
00:29:16
Texte Wort genau im Grunde, wenn er das heute auch macht, genau
00:29:19
so. Genau das und.
00:29:22
Man hatte jetzt damals dann halt gesehen, das ging mit Bird los
00:29:26
und dann gpd 2 und so. Naja, man kann dieses
00:29:28
Sprachmodell halt größer machen, letztendlich machen sie
00:29:30
inhaltlich nicht wirklich was anderes, aber du machst sie
00:29:32
größer, du packst mehr Daten rein und nimmst mehr
00:29:35
modellparameter und die schlausten Ki Forscher der Welt,
00:29:39
die waren eigentlich überzeugt, dass völlig egal wieviel Daten
00:29:43
wieviel Rechenleistung du dort reinpackst in so ein
00:29:45
Sprachmodell, es wird gewisse Dinge geben die es nie tun kann.
00:29:50
Also so eine Liste von Abcd und so, das wird alles niemals
00:29:55
passieren. Hast du ein Beispiel?
00:29:56
Ja. Das lösen, das Richtige
00:29:59
beantworten einer logischen Frage, die so nicht in den
00:30:03
Trainingsdaten drin ist. Ich gebe euch auch gleich ein
00:30:05
Beispiel von von der einen Frage, die mich damals komplett
00:30:08
vom Schulgehirn hat. So, und jetzt plötzlich gibt es
00:30:12
Ergebnisse, gibt es Experimente, wo Modelle rauskommen, die das
00:30:16
alles machen? Also alles, was du vorher für
00:30:18
unmöglich gehalten hast und die ganzen smarten Research haben
00:30:20
alle gesagt, wird nie passieren und plötzlich hast du Modelle
00:30:23
die die machen das und die machen das nicht perfekt und so
00:30:26
und nicht ja also aber die machen das und das Beispiel was
00:30:29
mich damals vom Hocker gehauen hat war, da hat man ein
00:30:33
Sprachmodell gefragt, Leonardo da Vinci hat den Eiffelturm
00:30:38
gebaut. Kann das sein?
00:30:40
Und dann kam als Antwort, nee, das kann nicht sein, weil der
00:30:43
Eiffelturm wurde in dem Jahr gebaut und Leonardo da Vinci
00:30:47
starb in diesem Jahr und das geht nicht, und das war für mich
00:30:50
so, ich habe diese Frage, ob Leonardo da Vinci den Eiffelturm
00:30:53
gebaut hat, hat sicherlich in der Vergangenheit noch keiner in
00:30:56
den Trainingsdaten gestellt und man muss verstehen, was für
00:31:00
Implikationen hat und die Chronologisches aufeinander
00:31:02
folgen und so und und und das ein.
00:31:06
Sprachmodell, was nur das nächste Wort vorhersagt, darauf
00:31:10
die richtige Antwort und sie auch begründen kann.
00:31:13
Das war für mich ein Wahnsinniger, ein heuriger
00:31:18
Moment sozusagen. Heutzutage ist uns das allen
00:31:23
klar, wir kennen alle irgendwie Chat, GP T und co.
00:31:26
Wir wissen, das kann noch viel mehr als das, das war, aber 2018
00:31:30
war das überhaupt nicht abzusehen und.
00:31:33
Was war dann der Weg von? Diesem Moment zur Gründung
00:31:38
dessen, was Alf Alpha ist, also bis zum ersten Mal, wo quasi
00:31:41
auch eine Gesellschaft eingetragen wurde.
00:31:43
Ja, ich habe. Meinen Apple Kollegen gesagt ihr
00:31:47
müsst die Welt ohne mich retten. Ich gehe danach nach Deutschland
00:31:51
und habe dann mit Leuten gesprochen, die ich kenne, also
00:31:56
so ein bisschen meinen Plan, ich will irgendwie deep Tech
00:32:00
fundamentale AI RND aus Deutschland machen ich will.
00:32:04
Europa für diese neue Ära souverän aufstellen, das heißt,
00:32:09
ich will irgendwie Rechenzentrum bauen.
00:32:11
Ich will vor allem schauen, dass ich Investoren finde, die mit
00:32:16
dieser Mission an Bord sind, also bevorzugt europäische
00:32:22
Investoren, aber vor allem Investoren, die diese Mission
00:32:25
gut finden. Da war mir damals schon wichtig,
00:32:27
so gesagt haben, ich will akademisch frei veröffentlichen,
00:32:30
also ich will Technologie teilen, ich will Kollaborativ
00:32:34
arbeiten und. Und ich will den den Bereich des
00:32:37
Möglichen erweitern. Und was mir auch von Anfang an
00:32:41
klar war ist, ich will, dass Souveränität und Innovation vor
00:32:45
allem dort wirksam wird, wo es um die Wurst geht.
00:32:49
Ja, also ich hatte nie so einen B 2 C Fokus, wo ich gesagt habe,
00:32:52
irgendwie ich schreibe ein Gedicht zum Geburtstag der Oma
00:32:55
oder ich mache irgendwie eine Absage e Mail Draft oder so,
00:32:58
sondern ich habe von Anfang angesagt, wir wollen dort helfen
00:33:02
können. Wo die Verantwortung für uns
00:33:05
auch als als Generation am Höchstgrößten ist.
00:33:08
Das heißt Sicherheitsbehörden, also einer der ersten Kunden,
00:33:11
die wir nennen durften, war damals die Zitis, die
00:33:15
Technologie für die Strafverfolgung macht einer
00:33:17
unserer ersten Kunden war im medizinischen Bereich, wo es
00:33:21
also ganz sensible Daten, wo das Schicksal auch von Patienten
00:33:24
dranhängt und so, ja, also wir haben gesagt, das sind die
00:33:27
Themen, um die wir uns kümmern wollen, diese diese B 2 C Use
00:33:32
Cases waren nie im Fokus und. Das war auch einer, der der
00:33:35
Missverständnisse, die es dann gab, wo man irgendwie gesagt
00:33:38
hat, das ist das deutsche Jet, GPT, und da haben die Leute sich
00:33:41
gefragt, ja, wo ist denn das Jet GPT von Alpha, ja wo kann man
00:33:43
das denn mal benutzen und es kommt ja nicht, was ist denn da
00:33:46
los, du hast Cupertino. Gegen gegen Heidelberg
00:33:49
eingetauscht. Ja, super.
00:33:51
Super Tausch. Also wer mal den Berufsverkehr
00:33:55
in Cupertino mitgemacht hat, der Weiß Heidelberg ist die absolut
00:33:59
bessere Wahl. Ein Schloss von dir da auch.
00:34:00
Nicht genau. Genau.
00:34:02
Und da brennt ständig der Wald und so.
00:34:04
Ja, also wirklich. Wie bist du mit deinem Cofaunder
00:34:08
dann zusammengekommen? Ja, das ist eine lustige
00:34:11
Geschichte, denn den kenne ich eigentlich schon seit der
00:34:15
Schulzeit. Der war also zur Schulzeit ein
00:34:21
bisschen jünger als ich, der Samuel, und zur Schulzeit hat
00:34:24
der mit meinem Bruder, der 5 Jahre jünger ist,
00:34:27
Fahrgemeinschaft in die Schule gemacht, das heißt ja ich.
00:34:31
Ich war jetzt nicht befreundet, aber wir wussten, dass es
00:34:34
einander gab. Ja, also und sind dann aber
00:34:37
nicht speziell im Kontakt geblieben oder so und ich war ja
00:34:41
in meiner Vergangenheit auch bei Deloyd und habe dort ein Team
00:34:45
geleitet, Strategic Impact Modeling, also auch wieder so.
00:34:50
Sehr supertechnisch Modellierung und so in dieser Zeit bei Deloid
00:34:55
war ich bei einem Kunden und hab dort ein Modell gebaut zur
00:35:01
Steuerung der Kredit risikoportfolios was der Kunde
00:35:05
hatte, also ein Riesenportfolio. Und ich habe dort ein
00:35:08
finanzmathematisches Modell gebaut, was so ein bisschen
00:35:11
abgespacte Matte verwendet hat. Ja, also war war nicht so
00:35:14
einfach und ich hatte selber so genau diese Sorte Modell noch
00:35:18
nie gebaut, war aber super geeignet und dann hatte ich aber
00:35:22
als ich das gebaut hatte in meinem Projektteam.
00:35:24
Also wir hatten in dem Projektteam jetzt niemanden, der
00:35:27
so ein so ein Quant ist, ungefähr so wie ich.
00:35:30
Und ich hatte dann, als ich fertig gebaut war, hatte ich die
00:35:34
Sorge, dass es doch gut wäre, wenn dort mal jemand einen
00:35:37
unabhängigen Blick auf dieses Modell, also so ein quasi QA
00:35:41
pass, und dann habe ich bei Deloid einfach in die
00:35:43
Organisation reingefragt und habe gesagt, gibt es in Deloid
00:35:46
gerade irgendjemanden, der auf mein Projekt kommen kann und mir
00:35:48
helfen kann, unabhängigen Blick auf diese, auf diese Matte, ja,
00:35:52
und Samuel war durch Zufall bei Deloid war.
00:35:55
War durch Zufall verfügbar, hat gesagt, ja, das mache ich, ich
00:35:59
komme auf dein Projekt, der hatte diese Art der Modellierung
00:36:02
noch nie gesehen, ich hatte das alles in R programmiert, hatte
00:36:05
noch nie r gemacht und hat von Tag 1 da einen Wahnsinnsjob
00:36:10
gemacht und da habe ich dann gesagt, Boah klasse, das ist
00:36:12
richtig richtige super Leistung so und dann.
00:36:16
Habe ich die Firma gegründet und war bei Apple und so und ja,
00:36:19
dann habe ich mit Leuten gesprochen und unter anderem
00:36:21
auch mit Samuel. Als ich dann aus Apple raus bin,
00:36:23
der hatte dann zu dem Zeitpunkt glaube ich gerade 9 Jahre die
00:36:26
Leute gemacht das ganze Analytics Institute dort
00:36:28
aufgebaut und so ja und er sagte dann ja komm also das ist ich
00:36:33
habe keinen Bock mehr, ich mache jetzt, ich mache mit, ich mache
00:36:37
mit, wir gründen eine Firma gemeinsam geil und der war
00:36:39
zufällig. Auch in der Nähe von Heidelberg
00:36:41
oder wie wie seid ihr überhaupt gefallen?
00:36:42
Nee, der. War nicht in der Nähe von
00:36:43
Heidelberg, aber der hat dann im Prinzip gesagt, ja.
00:36:46
Ja gut, ich ziehe um. Ich komme nach Heidelberg, ja,
00:36:49
okay. Und dann habt ihr die Firma
00:36:51
gegründet. Aber wie kann man sich das
00:36:52
vorstellen von Gründungen? Ihr seid aus dem Notar
00:36:54
rausgelaufen, wie kriegt man jetzt einen Auftrag von der
00:36:58
Softwarefirma, der Strafverfolgungsbehörde oder von
00:37:00
irgendwelchen Medical Einrichtungen, also wen ruft man
00:37:03
da überhaupt an, also zuerst. Muss man ja mal was bauen, was
00:37:08
man verkaufen kann. Ja, also der erste Schritt war,
00:37:12
dass wir zusammen saßen, übrigens auch wieder ähnliche
00:37:15
Geschichte. Samuel hatte zu dem Zeitpunkt
00:37:18
noch nie Deep Learning gemacht, ja, die Leute also selber im
00:37:22
Analytics Institute ist natürlich alles mögliche Mal
00:37:24
passiert, das heißt er hat das irgendwie mitbekommen, aber er
00:37:26
hat das noch nie wirklich solche großen Modelle selber gebaut und
00:37:29
hatte war auch nicht wirklich fließend in Pfeifen, inzwischen
00:37:34
gehört er zu den besten der Welt was diese Sachen angeht.
00:37:37
Also Samuel ist ein Mensch, der, den ich absolut bewundernswert
00:37:42
finde, dass er mit einem Wahnsinns Fokus die komplexesten
00:37:46
Themen der Welt sich in kürzester Zeit erschließen kann.
00:37:49
Phänomenal. Ja, dann haben wir losgelegt,
00:37:52
wir saßen zusammen und haben. Paper gelesen und Experimente
00:37:58
gemacht und und überlegt, wohin die Reise geht.
00:38:02
Also wohin KI, wie man das einsetzen könnte und so und
00:38:05
haben natürlich dort auch so die ersten Demos gebaut, wo wir
00:38:08
gesagt haben, was könnte jetzt im medizinischen Bereich, was
00:38:11
könnte im Sicherheitsbereich, was könnte im industriellen
00:38:17
Bereich dort eine Verwendung sein, die die wirklich einen
00:38:22
Unterschied macht. Und dann hatten wir das Glück,
00:38:25
dass wir, ich, aber auch Samuel, dass wir ein bisschen Netzwerk
00:38:29
haben und so. Da haben wir einfach Rumgefragt
00:38:31
und haben gesagt, wir wollen diese Technologie einsetzen, und
00:38:34
wir haben hier so ein paar Beispiele gebaut, wir haben ja
00:38:36
irgendwie eigene IP. Klar, in den ersten, in den
00:38:39
ersten Schritte, nur davon, wir glauben, das könnte für diese
00:38:43
Art von Problemen, könnte das irgendwie sinnvoll nutzbar sein,
00:38:47
wer hat den Bock mit uns was zu machen und?
00:38:50
Und da haben wir relativ schnell auch auch Commitments
00:38:53
eingesammelt und Zusagen bekommen.
00:38:56
Das Problem war dann kam kam Covid und dann ist niemand mehr
00:39:01
ans Telefon gegangen, also. Wir hatten 2020.
00:39:05
Genau. Also 2019 sind wir losgelaufen,
00:39:08
da war die ersten Monate waren waren.
00:39:11
Wir haben dort auch ein bisschen mit ein paar Unternehmen
00:39:13
zusammengearbeitet, aber nicht in der Grund, nicht in der
00:39:16
signifikanten Größenordnung. Wir haben vor allem Technologie
00:39:18
aufgebaut, wissen aufgebaut und so Tools hergestellt und dann
00:39:24
kommt Covid und wir hatten eigentlich zugesagte Aufträge,
00:39:29
so 700000€. Alles alles weggefallen also.
00:39:35
In dem Moment waren dann plötzlich wir, hatten auch
00:39:37
Projekte, die schon gestartet waren und so, wo dann einfach
00:39:40
niemand mehr da war, auf der anderen Seite, und da war auch
00:39:45
der erste Moment, wo ich gedacht hab, was machst du jetzt damit,
00:39:48
ja, du hast irgendwie laufende kosten, ich hatte den Start der
00:39:51
Firma selber finanziert, kein Gehalt bezogen.
00:39:55
Und gesagt, wie lange machst du das jetzt hier weiter?
00:39:57
Ich habe dann mit Freunden gesprochen, aus der Investoren
00:40:00
und Venture und Unternehmerszene, die haben
00:40:02
gesagt die VC s ziehen ihre Termsteets zurück, das war dann
00:40:06
wirklich so eine Phase wo man gesagt hat, es geht gar nichts
00:40:10
mehr ja also ja auch selbst commitments werden nicht mehr
00:40:13
eingehalten, es ist quasi alles zum Erliegen gekommen, wir
00:40:17
wissen nicht ob Deutschland irgendwie noch steht morgen und
00:40:20
da habe ich dann auch überlegt ok, machst du den Laden jetzt
00:40:23
zu? Um halt weiteres Bluten zu
00:40:25
verhindern. Wir hatten ein kleines kleines
00:40:29
Team, Handvoll Leute oder versuchte da irgendwie
00:40:34
durchzukommen, also da waren glaube ich 5 Leute zu der Zeit
00:40:36
oder so und dann hat sich nach ein paar Monaten hat sich dann
00:40:41
auch die Stimmung gedreht, dann gab es dann irgendwie dann ein
00:40:45
halbes Jahr später schon fast zu viel Markt im Geld, aber das war
00:40:49
am Anfang eine harte Zeit und was mich per.
00:40:53
Persönlich auch emotional wirklich mitgenommen hat, war
00:40:57
die Tatsache. Also was ist das coole an so
00:41:00
einem jungen Startup? Das coole ist, man sitzt abends
00:41:02
zusammen bei einer Familienpizza, man macht sich
00:41:05
Gedanken, wie man die Welt verändert, man lernt coole Leute
00:41:08
kennen und so, das ist, das ist unglaublich erfüllend, hatten
00:41:13
wir alles nicht, wir hatten Leute, die nach Heidelberg
00:41:17
umgezogen waren, um mitzumachen, und die dann im Lockdown saßen
00:41:21
in ihrer kleinen Wohnung. Und, und dann haben wir
00:41:25
irgendwie versucht, irgendwelche Virtual Office Calls
00:41:29
einzurichten und so irgendwie abends irgendwie gemeinsam
00:41:33
irgendwie online Spiele zu spielen und so.
00:41:36
Aber das war scheiße und es war gerade auch für die Kultur von
00:41:40
so einer jungen wachsenden Firma war das echt schmerzhaft, welche
00:41:44
Frage? Hast du dir gestellt, die dazu
00:41:45
geführt hat zu sagen, nee, wir ziehen trotzdem durch, wir
00:41:48
machen weiter eine meiner. Schwächen ist, ich kann nicht
00:41:50
gut aufgeben. Das das geile ist wie ein.
00:41:55
Bewerbungsgespräch ich meine Schwäche ist.
00:41:56
Ich arbeite zu viel, ich bin zu perfektionistisch.
00:42:00
Du Schwäche, musst du denn das? Du musst mal.
00:42:02
Aufgeben also du musst manchmal feststellen, dass Dinge nicht
00:42:06
funktionieren, das ist sowohl bei Menschen so als auch bei
00:42:10
Firmen oder so. Und wenn du, wenn du also wir
00:42:14
haben ja diesen diesen success bice, wir sehen halt immer die
00:42:17
Firmen, die es dann nachher geschafft haben und.
00:42:19
Und sehen das Durchhaltevermögen.
00:42:21
Ich meine, Apple stand auch schon mehrmals irgendwie mit dem
00:42:25
Rücken an der Wand und so, also eigentlich jeder, es gibt so
00:42:27
einen Y combinator Sheet, da steht drauf irgendwie every
00:42:31
successful start is fundamentally broken at some
00:42:34
point in it's life aber ja also das war nicht absehbar, es war
00:42:39
nicht absehbar wie es weitergeht, es war nicht
00:42:41
absehbar ob das alles funktionieren wird, es war
00:42:43
natürlich noch schon gar nicht absehbar, dass KI irgendwann mal
00:42:45
so ein Hype wird. Und es war auch nicht klar, wann
00:42:50
irgendwie covid, ob Covid überhaupt jemals aufhört und und
00:42:54
wann und so. Ja und also es war schon taff
00:42:58
und ich glaube wirklich, dass ich, ich habe irgendwie
00:43:02
vielleicht so ein, so ein Commitment und
00:43:04
verantwortungsdenken, dass ich, wenn ich mich einer Sache oder
00:43:09
wenn ich mal einem Menschen gesagt habe, ich will dich
00:43:12
empowern, wir kriegen das hin, dass ich dann ganz schwer mit.
00:43:17
Das irgendwie hinkriege zu sagen, okay, wir müssen es
00:43:19
abbrechen, das klappt nicht. Ich finde es eine super.
00:43:22
Spannende Frage. Die stellen sich ja viele
00:43:24
Startup Found, die kommen immer früher oder später in so einen
00:43:26
Punkt, dass man sich denkt, ey muss ich hier einfach noch mal
00:43:30
durchbeißen oder ist es eigentlich ein totes Pferd, dass
00:43:33
ich reite und man weiß es ja nicht in der Situation, man weiß
00:43:36
es nicht. Und die meisten, also
00:43:38
statistisch, sind die meisten tote Pferde.
00:43:42
Noch ein paar aufmunternde Worte.
00:43:44
Ja oder so ist es. Nein, es ist auch.
00:43:46
Es ist auch fein und ich glaube, es gehört auch dazu, mal zu
00:43:48
scheitern. Das das hilft dir, aber du
00:43:52
willst so schnell wie möglich scheitern.
00:43:54
Du willst nicht 5 Jahre deines Lebens quasi noch das Tote auf
00:43:59
dem toten Pferd sitzen und hoffen, dass es noch mal
00:44:02
irgendwann zuckt. Du willst scheitern, du willst
00:44:05
daraus lernen und dann machst du die nächste Sache und die machst
00:44:07
du 10 mal besser. Was war der Moment?
00:44:09
Wo du zum ersten Mal gemerkt hast, oh, das ist jetzt ein
00:44:11
bisschen viel, da entgleitet mir gerade ein Stück weit die
00:44:13
Kontrolle. Und das hat auch negative
00:44:15
Auswirkungen. Ja, das.
00:44:16
Ist ungefähr 6 Monate, wir wussten das sogar.
00:44:19
Also ich habe das mehr oder weniger so intern gesagt und
00:44:22
habe gesagt, wir werden jetzt gerade irgendwie gehypt, aber
00:44:25
machen wir uns nichts vor. Da stellt sich jetzt gerade
00:44:28
jeder einen Wecker und sagt, schauen wir doch in 6 Monaten
00:44:30
mal drauf, mal gucken, was da passiert ist und 6 Monate später
00:44:35
hatten wir es nicht geschafft kommunikativ zu erklären, warum
00:44:41
wir Dinge anders machen als alle anderen.
00:44:45
Aus meiner Sicht würde ich auch immer noch heute sagen, die
00:44:49
Positionierung war goldrichtig, wegen dieser Positionierung
00:44:52
haben wir die Gesündeste Equity Story im Jenny.
00:44:56
Wir sind in einer, in einer Positionierung, die jetzt von
00:45:01
allen anderen nachgemacht wird. Also die kommen alle hinterher
00:45:05
und wir waren da schon vor, weiß ich nicht Jahren, aber das hat
00:45:09
natürlich den Nachteil, also wenn man dem Markt einen Schritt
00:45:13
voraus ist, hat es den Nachteil, dass die Leute erstmal nicht
00:45:15
verstehen, die Leute erwarten zur damaligen Zeit hatte man so
00:45:19
diese, diese Erwartung in der Breite, es geht um L Ms die.
00:45:23
Die einzige Frage, die wir beantworten müssen, ist, wer
00:45:26
baut das beste lm. Das ist die einzige Frage, um
00:45:29
die es geht, und das heißt für lm MS brauche ich Grafikkarten,
00:45:32
das heißt die Aufgabe eines Geni Unternehmens ist es, den größten
00:45:37
Berg an Grafikkarten zu bauen, den Du bauen kannst und dann das
00:45:41
beste LM zu bauen und wir sind sowieso relativ kurz vor AGI und
00:45:46
wer da zuerst ist, bekommt die die unendliche zukünftige
00:45:50
Wertschöpfung von Agi und das heißt dieses Wettrennen ist dann
00:45:53
um das beste LLM und man hat erwartet, dass wir da mitmachen
00:45:58
und das wäre irgendwie so ein erklär mal.
00:46:00
Kurz AGI, aus deiner Sicht ja a. GI ist die Artificial General
00:46:06
Intelligence und das wird nicht mehr so häufig benutzt.
00:46:09
Damals wurde das häufiger benutzt, dieser Begriff und.
00:46:11
Also ein bisschen die über die superhuman Ai, die KI, die dem
00:46:16
Menschen ebenbürtig oder überlegen ist, in allen oder
00:46:20
fast allen wesentlichen Aufgaben.
00:46:23
Man hat so ein bisschen die Vorstellung damals gehabt, es
00:46:25
ist nur noch wenige Monate oder vielleicht wenige Jahre, bis
00:46:29
eine KI dem Menschen überlegen sein wird, und diese KI wird
00:46:34
sich dann selbst immer weiter verbessern und dann sind wir
00:46:37
irgendwie ganz kurz vor der Singularität, wenn die KI besser
00:46:40
ist als der Mensch kann. Kann die KI natürlich sich
00:46:42
selbst verbessern, und zwar besser als der Mensch es könnte.
00:46:45
Und dadurch wird sie dann immer schneller und so, und das hat
00:46:48
man, hat da so so Bilder gehabt, dass man gesagt hat, die AGI,
00:46:52
der Erste der AGI hat, der kann den gesamten Coon of Light Coon
00:46:59
of of Future, Infinite Value, also diesen, ja, also alles, was
00:47:03
in der Zukunft an Wertschöpfung, an Möglichkeiten, ja, und da
00:47:09
waren alle irgendwie heiß drauf und.
00:47:11
Haben natürlich dann auch gesagt, wir rasen so viel Geld,
00:47:13
wie wir irgendwie kriegen können, spielt ja auch keine
00:47:15
Rolle, wir müssen einfach schnell sein, so viele
00:47:19
Grafikkarten wie wir kriegen können und das war natürlich den
00:47:25
Namen vergessen, aber auch ein Investor, vielleicht wisst ihrs,
00:47:29
der gesagt hat, das LMS sind The fastest to preciating Asset
00:47:34
Intech History. Und da haben wir halt nicht
00:47:38
mitgemacht. Wir haben dadurch mitgemacht,
00:47:39
wir haben keine Jet GPT Konkurrenz gebaut, wir haben
00:47:42
nicht auf den LM Leaderboards, da irgendwie uns um die
00:47:45
vordersten Plätze gekämpft, wir haben Innovation gemacht, wir
00:47:48
haben damals, als ich glaube, erstes Lab überhaupt auf der
00:47:52
Welt, mir ist jetzt niemand bekannt, der es schneller hatte,
00:47:54
aber wer weiß, ein Multimodales lm gebaut haben, das alles Open
00:47:59
Source gestellt, also ein lm, was jede Kombination aus Text
00:48:03
und Bildern verstehen kann. Und sie haben gesagt, ja, unser
00:48:07
unser, unser Game ist nicht einfach.
00:48:09
Ganz viele Grafikkarten kaufen, das ist keine Innovation, unser
00:48:12
Game ist Innovation, unser Game ist Wertschöpfung und
00:48:15
Souveränität bei unseren Kunden herstellen und darauf arbeiten
00:48:19
wir hin und dafür haben wir Prügel kassiert, einfach weil
00:48:21
wir diese Erwartung nicht gemanagt haben und gibt es.
00:48:24
Denn aus seiner Sicht dieses Endgame AGI überhaupt noch,
00:48:28
woran glaubst du ja, kann. Man schon so sagen, aber ich
00:48:32
glaube nicht so. Kurzfristig nicht so plakativ,
00:48:36
nicht so irgendwie SCI fi mäßig, aber natürlich wird Technologie
00:48:41
immer besser und natürlich wird das, was wir jetzt benutzen, an
00:48:44
KI werden wir in 5 Jahren nicht benutzen und das was wir in 5
00:48:48
Jahren benutzen, werden wir in 10 Jahren nicht benutzen und
00:48:53
seit Beginn der Technologie, also im volkswirtschaftlichen
00:48:57
Sinn Technologie groß t. Seit Beginn der Technologie hat
00:49:01
die Geschwindigkeit zugenommen. Du, und das wird auch weiter so
00:49:06
sein, es wird weiter schneller werden und es wird weiter besser
00:49:10
werden und es gibt aus meiner Sicht auch keinen Grund, warum
00:49:14
das das Können eines Menschen eine Grenze sein soll, die man
00:49:19
technisch nicht überschreiten kann.
00:49:21
Ja, so ein bisschen. Dieser, dieser diebmind Moment,
00:49:25
als die die ganzen Schach Ai s und so weiter natürlich einfach
00:49:28
viel besser geworden sind, aber auch kreativer.
00:49:30
Teilweise gibt es da eine Doku. Zug 7.
00:49:33
Und 30 Alpha go, Das war auch großartig.
00:49:38
Muss ich auch gerade dran denken.
00:49:39
Es war auch also. Hat mich auch brutal 2017, hat
00:49:42
mich brutal inspiriert. War auch eine dieser dieser
00:49:45
Beobachtungen, wo ich gesagt habe, hoppala, jetzt, da
00:49:49
passiert was, das wird die Zukunft verändern und.
00:49:53
Die Kunden, für die das besonders relevant ist, sind,
00:49:57
wenn ich auf eure Website gehe, government steht da, dann
00:50:00
Industrie und. Und Financial Services, so also
00:50:03
alle, die einen hochspezifischen vokabelschatz würde ich jetzt
00:50:08
mal nennen und hochspezifische Daten haben und die auch
00:50:12
proprietär verarbeiten wollen. Genau so würde ich.
00:50:15
Es machen. Perfekt.
00:50:16
Zusammengefasst alle Kunden, die bei denen Wissensarbeit und
00:50:22
Informationsbasierte Wertschöpfungsprozesse im Kern
00:50:27
ihrer eigenen Positionierung sind.
00:50:30
Ich hatte ein Gespräch mit einem DAX Vorstand, der mich hat so
00:50:36
ein bisschen sich angeguckt, was wir machen und hat gesagt, Oh
00:50:38
klasse, jetzt lass uns loslegen, ja wir wollen was machen wir
00:50:40
denn jetzt am besten zusammen und hab ich gesagt das kann ich
00:50:43
dir nicht sagen, das musst du mir sagen sag mir doch mal wofür
00:50:47
dein Unternehmen in 3 Jahren. Der Teil ist, wo dein Wissen,
00:50:52
dein können, deine Wissensarbeit am den wichtigsten Beitrag zu
00:50:57
deiner, zu deinem Unternehmen leistet.
00:50:58
Zu deiner Positionierung leistet.
00:51:00
Ja was ist denn das? Das ist wahrscheinlich nicht der
00:51:02
Customer Support Chat ja so und und da gibt es für jedes
00:51:07
Unternehmen eine andere, eine andere Antwort.
00:51:10
Aber genau dort musst du souverän sein, weil wenn du für
00:51:13
diese Sachen Login hast und angewiesen bist auf eine
00:51:17
Blackbox Technologie, die in irgendeiner Cloud proprietären
00:51:21
Cloud nur drin ist, ja dann hast du eine echt scheiß Situation
00:51:26
und damit. Verstehe ich auch so ein
00:51:28
bisschen diese Einsehbarkeit, von der du geredet hast, weil
00:51:31
wenn ist ja eine doppelte Blackbox a.
00:51:32
Sie gehört mir nicht und b ich verstehe auch gar nicht, wie das
00:51:35
Ergebnis zustande kommt. Genau.
00:51:37
Richtig. Und das das haben wir quasi
00:51:39
geändert. Also wir können das zeigen und
00:51:41
da kannst du dann eben auch sehen.
00:51:43
Also KI versteht ja nicht in demselben Maße wie der Mensch
00:51:46
versteht, sondern lernt Muster, das ist sogar.
00:51:51
In meiner Wahrnehmung ganz ähnlich zu diesen Mustern, die
00:51:54
Computer Vision Algorithmen gelernt haben.
00:51:56
Ihr kennt ja diese Deep Dream Visualisierungen und so, wo man
00:51:59
diese Muster von Convolutional Neuroral Networks so irgendwie
00:52:03
sehen kann, was so eine ganz verrückte spacige Muster sind,
00:52:06
das sind die Muster die Computer Vision möglich gemacht haben und
00:52:10
jetzt haben wir Muster die Sprachmodelle möglich machen und
00:52:13
diese sind diese extrem. Mächtig, aber das eben kein
00:52:17
Verstehen dahinter. Das heißt, ich muss doch als
00:52:20
Mensch, wenn ich Verantwortung übernehmen will für ein KI
00:52:23
Ergebnis, muss ich doch nachvollziehen können, welches
00:52:26
Muster, welches geernte Muster hat denn jetzt dieses Ergebnis
00:52:29
erzeugt und ist das überhaupt inhaltlich richtig?
00:52:32
Kannst du mir mal einen Crashkurs geben zum Thema
00:52:34
multimodale Modelle? Was mich überrascht hat ist die
00:52:37
LM s. Die Textmodelle sind immer
00:52:39
besser geworden so das ist irgendwie nachvollziehbar.
00:52:40
Mich hat total überrascht, jetzt können die plötzlich Bilder
00:52:42
generieren, Videos generieren, Musik generieren, richtig gut
00:52:45
und werden alle paar Monate besser.
00:52:47
Wieso ist es naheliegend, dass die plötzlich krasse Videos
00:52:50
generieren können wie dieses Google Modell mit VO 3, wo jetzt
00:52:52
die ganzen Outputs viral gehen, warum funktioniert das also?
00:52:57
Ob es naheliegend ist, weiß ich nicht, aber.
00:52:59
Aber vielleicht gibt es eine Perspektive darauf, die ich
00:53:02
teilen kann. Wir haben angefangen mit
00:53:04
multilingual Models, ja, das war damals auch noch nicht so
00:53:07
irgendwie die ersten gbt Varianten waren noch vor allem
00:53:11
in Englisch gut und wir haben bei dem Training von
00:53:16
mehrsprachigen Modellen haben wir gemerkt, wenn man das
00:53:18
richtig macht, dann erzeugt man ein Embedding, also eine
00:53:23
Repräsentation im Inneren des Modells die.
00:53:29
So eine Art Bedeutungsrepräsentation ist,
00:53:34
und die kann Sprachunabhängig sein.
00:53:37
Es gibt ein Paper von uns, das heißt multifusion wer es
00:53:39
nachgucken will, da zeigen wir, dass unser Modell eine extrem
00:53:45
konsistente Repräsentation hat. Von den gleichen Inhalten, egal
00:53:51
ob du sie in verschiedenen Sprachen beschreibst oder ob du
00:53:55
sie als Bild eingibst. Also das Modell, die die
00:53:58
numerische Repräsentation im Inneren des Modells ist ganz nah
00:54:02
beieinander. Das heißt, das Modell versteht
00:54:05
erstmal die Bedeutung. Ich übertreibe ein bisschen,
00:54:08
gell, aber und? Und kann dann aus dieser
00:54:10
Bedeutung wieder Ausgaben erzeugen.
00:54:13
Und diese Ausgaben können dann auch wieder in verschiedenen
00:54:15
Sprachen oder Modalitäten sein, also in dem Moment, wo du es
00:54:19
geschafft hast, ein Modell so zu bauen in Klammern, das gelingt,
00:54:22
das gelingt nicht immer, aber in dem Moment, wo du es geschafft
00:54:25
hast, ein Modell zu bauen, was aus verschiedenen Inputs eine
00:54:30
eine konsistente Welt. Wissen Bedeutungsrepräsentation
00:54:36
gebaut hat, dann kannst du die natürlich in alle möglichen
00:54:39
Arten wieder in Outputs verwandeln.
00:54:42
Also ob du dann klassifizieren willst, ob du dann actions
00:54:45
machen willst. Es gibt ja auch Modelle, die
00:54:47
dann handeln in der Welt mit Robotik oder so.
00:54:49
Das spielt dann eigentlich gar keine große Rolle mehr, sofern
00:54:53
du den Zustand und das Problem erstmal gut abgebildet hast.
00:54:59
Das heißt, es gibt. Noch mal sozusagen für für mein
00:55:01
mentales Modell einen Layer drüber, wo das Modell erst mal
00:55:04
was versteht und sich dann überlegt, wie gebe ich es denn
00:55:07
eigentlich aus? Genau.
00:55:09
Der erste Schritt ist eine ein Art verstehen, also immer
00:55:12
vorsichtig sein, nicht so verstehen, wie Menschen
00:55:14
verstehen, aber eine Art übersetzen in eine
00:55:17
Bedeutungsrepräsentation. Und aus dieser
00:55:19
Bedeutungsrepräsentation kann dann wieder Text erzeugt werden,
00:55:23
Bild erzeugt werden, es können, können,
00:55:25
Klassifizierungsentscheidungen getroffen werden, alles mögliche
00:55:27
kannst du damit machen. Wie ist denn so der?
00:55:29
Der State of German AI Wer sind so die Peers, mit denen du dich
00:55:32
austauschst? In Deutschland gibt es die
00:55:33
überhaupt oder mit wem sprichst du so, wenn wenn du mit deinen
00:55:37
Ai Buddies redest? Wer ist das also viele viele
00:55:40
von. Meinen AI Buddies sind aus dem
00:55:41
akademischen Bereich und da sind wir natürlich super gut.
00:55:45
Also mit vielen Professoren in Deutschland, in ETH in Zürich
00:55:52
und so habe ich einen guten Austausch, da kann man uns auch
00:55:56
wirklich, da wollen wir uns wirklich nicht verstecken, also.
00:55:59
Also auch ja Kit wo ich war, habe ich dann bei Apple gesehen,
00:56:02
wo dann die Leute von allen Unis der Welt, auch von den Top US
00:56:06
Unis teil meines Teams waren. Da sind die guten deutschen
00:56:12
Absolventen ganz vorne mit dabei.
00:56:14
Wie kriegt ihr das jetzt? Hin die in die Praxis zu
00:56:16
bringen, diesen Effekt zu vermeiden, so die Deutschen,
00:56:18
haben auch das MP 3 Format erfunden, aber monetarisiert
00:56:21
wurde es ganz woanders und. Und quasi Forschung, wie du es
00:56:25
gemacht hast, in die Praxis zu bringen, Firmen zu gründen, Geld
00:56:27
zu Raising Leute anzustellen, ja umsetzen.
00:56:30
Also wir müssen einfach umsetzen jetzt und, und das heißt, jeder
00:56:33
sollte einen Auftrag an ALF Alpha geben zur Umsetzung von
00:56:37
souveräner KI, also das was, was es fehlt, ist, dass wir einen
00:56:46
Markt haben, der mutig und auch mal mit ein bisschen firepower.
00:56:52
Innovation umsetzt. Ja das das kann halt auch, also
00:56:56
wenn man sich jetzt mal alaf Alpha, wir sind jetzt gut
00:56:58
finanziert, aber stell dir vor du hast ein anderes innovatives
00:57:01
Startup und du, du fängst gerade an, du brauchst zum einen.
00:57:05
Kunden, die mutig sind. Die, die mal mitmachen.
00:57:08
Und dann brauchst du halt irgendwann Revenue.
00:57:09
Da brauchst du eine Topline und wenn das halt immer nur, ja, wir
00:57:13
gucken mal hier sind, hier sind 10000€ Projekte sind, wir
00:57:17
arbeiten ja auch international mit international, mit Kunden in
00:57:20
den USA, da trifft man viel schneller mutige Entscheidungen
00:57:25
für viel größere Tickets, da ist es überhaupt kein Problem mal zu
00:57:28
sagen, hier sind 400000, wir machen, wir machen jetzt einfach
00:57:32
mal mal gucken und da ist Deutschland halt so zögerlich,
00:57:35
dass und, und daran fehlt es, weil weil so, nur so kannst du
00:57:39
ja größer werden, nur so können können diese Unternehmen dann
00:57:42
auch groß werden und dann auch eine echte Alternative bauen.
00:57:46
Wir sind ja zum aktuellen Zeitpunkt sind wir sehr
00:57:49
fokussiert und da wo wir uns fokussiert haben, sind wir auch
00:57:52
sehr gut, ja, aber wir müssen noch weiter wachsen, damit wir
00:57:55
diese Mission, Technologie, Souveränität auch wirklich über
00:57:59
die Ziellinie bringen und im Standort Deutschland respektive
00:58:02
Europa, wie sehr ist denn da die Regulierung?
00:58:05
Änderungen, die wir ja gerne mehr machen als als jetzt die
00:58:09
USA oder auch als in China ein Feature.
00:58:12
Und wo ist es ein Bug, also helfen tut.
00:58:13
Es uns gar nicht. Das wird ja manchmal so.
00:58:18
Es gibt diesen Gedanken, dass es ein Vorteil sein soll, sehe ich
00:58:21
nicht, habe ich noch nie gesehen, keine Ahnung, kann mir
00:58:24
also wer das sieht, soll es mir mal erklären, ist mir nicht
00:58:28
klar, aber es ist jetzt auch kein, es ist jetzt auch kein
00:58:32
Dealbreaker das. Was mich wirklich sorgt, ist
00:58:38
nicht die Tatsache, dass wir jetzt einen E Act haben.
00:58:41
Der ist so, wie er geworden ist. Ja dank auch Mistral und unserem
00:58:45
Einsatz gar nicht so schlecht geworden.
00:58:47
Was mich wirklich ärgert ist, dass wir durch diesen ganzen E
00:58:53
Act haben wir über Jahre hinweg die gesamte kreative Energie
00:58:58
unseres EA Leaderships von Innovation auf Compliance
00:59:02
gelenkt. Also alle auf Alpha oder alle
00:59:06
das? Gesamte Ökosystem.
00:59:08
Ich war ja im im Bitkom Präsidium und im Vorstand vom
00:59:12
Aiak und so. Ja, und da wurde nur oder nicht
00:59:16
nur fast nur über Aiac gesprochen, alle irgendwelche
00:59:19
Sonderevents, wie steht der Aiac und so, also man hat die Leute,
00:59:24
die die Zukunft unser Leadership, unsere die die
00:59:28
vielen brillanten Köpfe in den Unternehmen, in der in der
00:59:31
Regierung und so. Die hat man komplett beschäftigt
00:59:36
gehalten, indem sie sich über Regulierung unterhalten haben
00:59:40
und in der Zeit diese Energie fehlt uns für Innovation,
00:59:45
deswegen liegen wir ein paar Schritte zurück, hätten wir das
00:59:49
nicht gemacht und hätten gesagt, wir investieren dieselbe
00:59:53
dieselben Ressourcen, aber erstmal in Innovation, wir
00:59:56
regulieren dann später, wir machen erstmal Innovation und
00:59:59
dann später gucken wir, was wirklich gefährlich ist.
01:00:01
Und das regulieren wir das. Das wäre viel besser gewesen.
01:00:05
Es gibt eine Sache. Die mir immer wieder begegnet,
01:00:07
wenn ich über AI und Deutschland nachdenke oder lese.
01:00:13
Und die ist, dass das, womit wir uns abseits jeder Regulierung am
01:00:17
meisten ins Bein schießen würden, das Thema Energiekosten
01:00:20
sind, ist das was? Also ist das so?
01:00:24
Wie siehst du das? Ja.
01:00:26
Energie gehört zur Souveränität dazu, ganz klar.
01:00:29
Wir hatten einen Moment, das war auch eine lustige Geschichte,
01:00:32
als diese, als der Ukraine Krieg losging, als die Energiepreise
01:00:38
verrückt gespielt haben, da gab es ja an den Forward Märkten,
01:00:42
also wo man Energie für die Zukunft kaufen kann, sind die
01:00:45
Preise komplett in die Höhe gegangen und ich hatte eine
01:00:49
quasi Task Force, die den. Knopf, die den Hand über dem
01:00:54
Roten aus Knopf für unser Rechenzentrum hatte, weil das
01:00:58
Rechenzentrum steht in Deutschland, und wir haben
01:01:00
gesagt, wenn die Forward Preise, also wenn die Preise in der
01:01:04
Zukunft so kommen wie die Börsen gerade sie handeln, dann zahlen
01:01:10
wir einen siebenstelligen Betrag an Stromkosten pro Monat.
01:01:12
Das können wir nicht machen, das heißt, sobald die Preise ein
01:01:15
gewisses Niveau überschreiten, schalten wir ab.
01:01:18
Jetzt ist es dann Gott sei Dank nicht ganz so schlimm gekommen.
01:01:21
Aber natürlich ist Energie das Fundament von von ganz vielen
01:01:26
Sachen. Das ist bei bei KI noch gar
01:01:28
nicht so ausschlaggebend wie bei anderen Industrien und natürlich
01:01:33
müssen wir für eine funktionierende
01:01:36
Souveränitätsstrategie, aber auch für eine vernünft
01:01:38
funktionierende Wirtschaft das Thema Energie gelöst haben und
01:01:43
auch so gelöst haben, dass es ökonomisch Sinn macht.
01:01:47
Und das frustriert mich immer so ein bisschen.
01:01:49
Ich habe ja am Kit Wirtschaftsingenieur studiert
01:01:54
und habe 2 Ingenieurvollblöcke gemacht, und der eine war
01:01:58
Energie und Umwelttechniker, also immer so ein bisschen
01:02:01
zumindestens mit mit Energieklausuren gelitten und
01:02:05
die die Tatsache, dass wir zum Beispiel in Deutschland unsere
01:02:10
Elektromobilität oft mit Kohlestrom tanken.
01:02:14
Ist einfach. Frustrierend?
01:02:15
Ja, und? Dass es dann auch noch
01:02:18
gleichzeitig, es ist gleichzeitig auch noch so teuer
01:02:20
ist. Wir sind irgendwie mit dem
01:02:20
teuersten Strom in Europa und so.
01:02:23
Ja, und ich bin mal gespannt, ob wir jetzt in Zukunft
01:02:25
irgendwelche Blackouts kriegen und so.
01:02:27
Also ich bin da alles andere als der Experte, aber ich kann euch.
01:02:32
Zustimmen. Energie spielt eine wichtige
01:02:35
Rolle. Was sollten.
01:02:36
Junge Founder heute im AI Bereich neu starten.
01:02:39
Wenn du in deinen frühen 20 ern, wärst noch mal neu beginnen
01:02:43
würdest. Was für eine Firma würdest du
01:02:44
gründen, was für Bereiche würdest du dir anschauen, was
01:02:46
gibt es für junge Leute, die vielleicht noch in der Uni sind
01:02:48
und am Anfang ihre Karriere auf dem Weg, also eine.
01:02:51
Sache sollte jemand machen und ich bin nicht so super in dem
01:02:54
Thema drin. Das heißt, da sind vielleicht
01:02:57
schon Leute unterwegs, ki. Kann eine große Ungerechtigkeit
01:03:04
mildern, die mir sehr am Herzen liegt, und zwar das Mentoring
01:03:08
von Kindern von jugendlichen Kindern.
01:03:11
Es macht einen riesen Unterschied, ob man eben ein
01:03:14
Elternhaus hat, was einen fördert, was einem die Welt
01:03:17
erklärt, diesen diesen Frame, die Art und Weise, wie man auf
01:03:20
die Welt schaut, wird ganz maßgeblich von den Eltern
01:03:24
geprägt. Meine Eltern haben das super
01:03:26
gemacht. Aber meine Eltern haben quasi
01:03:29
waren mittellos, als wir gestartet sind.
01:03:31
Ja, also da, die haben ja irgendwie nicht, wie macht man
01:03:34
Unternehmertum und und so wie kommt man an Geld und so, da
01:03:38
waren sie wirklich in einer anderen Welt unterwegs und ich
01:03:41
musste mir das irgendwie selber zusammen.
01:03:44
Bauen, aber ich hatte das Glück, dass meine Eltern mich so
01:03:47
gefördert haben und mir irgendwie eine emotionale
01:03:50
Stabilität gegeben haben und so das das trägt mich jetzt und ich
01:03:53
glaube mit KI können wir Menschen, die vielleicht aus dem
01:03:56
schwierigen Elternhaus kommen oder die.
01:03:59
Keine Muttersprachler sind oder so.
01:04:01
Ja, die können wir so unterstützen und und Mentoring
01:04:06
machen und so, wo halt Lehrer keine Zeit haben, wo auch
01:04:10
irgendwie das das Jugendamt und so das das können wir personell
01:04:14
nicht leisten, wir können es aber mit KI hinkriegen und und
01:04:17
das ist glaube ich eine der großen Ungerechtigkeiten im im
01:04:20
Leben die mich die mich wirklich.
01:04:22
Ärgert. Und jemand, der das Bauen
01:04:24
möchte, den werde ich anfeuern und ja auch vielleicht
01:04:29
investieren und alles ja, also bitte bei mir melden okay hier
01:04:33
ist der. Aufruf an alle, die zuhören.
01:04:34
Hier haben wir schon mal die Erste, die erste gute Business
01:04:36
Idee, aber ich finde das spielt ja voll ein.
01:04:38
Ich meine wir sehen ja auch dieses ganze Thema Companion
01:04:41
Ship Loneliness Epidemics ist ja einer der großen Use Cases von
01:04:44
Ai, dass Leute sich quasi Freunde bauen oder Services
01:04:47
nutzen mit denen sie schreiben können wie mit einem wie mit
01:04:50
einem Kumpel. Jetzt gerade bei dem Grog
01:04:52
Release, weil ja auch die Headline jetzt in Japan ist das
01:04:54
die Nummer 1 App, weil halt viele Leute einsam sind und da
01:04:57
so sozialen Kontakt simulieren. Aber das trotzdem dieses
01:05:00
Bedürfnis erfüllt und was ich auch interessant fand ist so
01:05:04
diese Altersgrenze oder Sam outband hat das mal gesagt zu
01:05:06
Chet GP t so so sinngemäß Boomer nutzen das wie Google die
01:05:10
stellen halt eine Frage und kriegen eine Antwort, jüngere
01:05:12
Leute nutzen das wie ein Live Coach.
01:05:14
Und erzählen, was ist denn eigentlich gerade passiert,
01:05:16
laden Dokumente hoch und lassen sich erstmal selber Fragen
01:05:19
stellen zum Beispiel. Und ich glaube, wenn man junge
01:05:21
Leute da dazu bringt, kann es extrem, kann es extrem wert
01:05:26
stiften, aber auch gefährlich. Aber jetzt zum Beispiel genau,
01:05:30
stell dir mal vor, jetzt kommt eine KI aus den USA und die ist
01:05:36
der Life Companion von einer neuen Generation, die wachsen in
01:05:42
einer KI Welt auf und. Und was jetzt bereits schon in
01:05:47
vollem Gange ist, dass die Antworten dieser KI Systeme
01:05:51
ideologisch von den von den Herstellern modifiziert werden.
01:05:54
Also da kommt das raus, was rauskommen soll.
01:05:57
Elon Musk S Grog sagt meines Wissens noch nicht only the af D
01:06:01
Can safe Germany, aber ist kurz davor.
01:06:03
Glaube ich. Und.
01:06:04
Diese Beeinflussung ist ja auch nicht immer so super
01:06:07
offensichtlich. Die ist ja manchmal so zwischen
01:06:09
den Zeilen, also stell dir vor, du kannst einen Menschen jeden
01:06:12
Tag 2 Stunden mit so einer KI interagieren lassen.
01:06:15
Wie kannst du die Menschen ganz ganz zwischen den Zeilen oder so
01:06:19
in irgendeine Richtung schieben und da sehe ich eine ernste
01:06:23
Gefahr auch für unsere liberale Demokratie, weil weil wer am
01:06:27
Schluss entscheidet, was die richtige Antwort auf eine
01:06:29
kontroverse Frage ist, der hat eine enorme Macht und wir haben
01:06:33
es bei den. Algorithmen gesehen der Social
01:06:34
Networks. Genau das war die Vorstufe.
01:06:37
Im Prinzip hast du noch eine Business.
01:06:38
Idee hast du noch was anderes, was du gut findest?
01:06:40
Noch eine. Jetzt muss er erstmal die eine
01:06:42
an die Börse bringen und dann gibt es die nächste.
01:06:44
Wir bringen die eine an. Die Börse wir finden hier ein
01:06:45
Team im Foundamode Podcast Wir investieren, geben ein bisschen
01:06:48
Rückenwind, wir sind dabei, ich finde es eine coole Idee, Jonas,
01:06:51
vielen Dank, dass du dir die Zeit genommen hast.
01:06:53
Das war ein super spannendes Gespräch, hat viel Spaß gemacht
01:06:56
und wir haben viel gelernt. Wo können Leute dich finden,
01:06:58
hast du noch ein Call to action? Soll sich jemand bei dir
01:07:00
bewerben, soll jemand bewerben? Bewerben immer gerne.
01:07:05
Also das auf unserer Webseite allealpha.com.
01:07:09
Ansonsten jeder der im Unternehmen ist oder so und sagt
01:07:14
irgendwie, wir müssen unsere Transformation jetzt irgendwie
01:07:16
aber souverän machen, wir wollen an die Kernprozesse ran und so
01:07:18
ja auch gerne bei uns melden oder bei unseren Partnern, wir
01:07:21
machen auch viel mit mit Consulting Companies im Team und
01:07:25
so, also einfach loslegen, einfach loslegen und was machen.
01:07:29
Die Erkenntnisse sind glaube ich alle da, wir haben genug
01:07:31
Arbeitsgruppen gemacht, wir haben genug auf Panels gesessen.
01:07:34
Jetzt müssen wir umsetzen. Ja, das ist auch ein.
01:07:36
Schönes Schlusswort, genauso wie du es gemacht hast.
01:07:39
Vielen dank Jonas, danke Euch hat.
01:07:41
Mir sehr viel Spaß gemacht.