Wo wir in Sachen KI wirklich stehen und was uns erwartet: Deep Dive mit Philipp "Pip" Klöckner

Summary

Philip Klöckner delivers an insightful presentation on the rapid growth and impact of generative AI, highlighting investments by tech conglomerates surpassing the entire Silicon Valley VC scene. He discusses AI's increasing role in efficiency and profitability, the peak of AI hype, and its potential to revolutionize industries. Klöckner also addresses the challenges of data scarcity, the importance of exclusive data, and the environmental impact of AI's energy consumption. He concludes by emphasizing the need for sovereign AI models in Europe to capture value creation and stresses the importance of developing talent in the field.

Takeaways

• 📈 The investment in generative AI by major corporations surpasses that of the entire Silicon Valley venture capital scene, indicating a significant interest and financial backing in this technology.
• 💡 AI efficiency has improved, with companies like Google and Microsoft increasing their revenue per employee, showcasing the potential for profitability through AI advancements.
• 📊 The tech industry's focus has shifted from just efficiency to also include AI in their quarterly discussions, reflecting a strategic emphasis on AI's role in business growth.
• 🔍 AI is reaching new milestones in various sectors, such as customer service with Chat Agents reducing call center workload and software development with tools like GitHub Copilot enhancing developer productivity.
• 🚀 Significant growth is expected in the AI market, with predictions of a $900 billion valuation by 2030, highlighting the enormous potential for AI in the future economy.
• 🤖 The development of AI models is becoming increasingly sophisticated, with a move towards multimodal capabilities that can process various forms of data, not just text.
• 💼 Large tech companies are building their own AI chips to gain a competitive edge in the market, emphasizing the importance of hardware in advancing AI capabilities.
• 🌐 The scarcity of unique digital data is becoming a challenge for training AI models, leading to concerns about the 'Habsburg Problem' where models may collapse due to overfitting on similar data.
• ⚙️ The rapid growth of AI is leading to an increased demand for energy, with tech companies consuming significant amounts of power and investing in solutions like green energy to sustain their operations.
• 💧 AI and data centers' water consumption is a growing concern, prompting companies to implement water replenishment projects to mitigate their environmental impact.
• 🌿 There is a push towards open-source AI models to democratize the technology and prevent a monopoly by a few large corporations, fostering a more collaborative and diverse AI ecosystem.

Q & A

Who is the speaker and what is the main topic of his presentation?

The speaker is Philip Klöckner, and the main topic of his presentation is artificial intelligence (AI) and its impact on various industries.

What significant change in company focus did the speaker observe from last year to this year?

The speaker observed that companies have shifted their focus from efficiency to discussing AI in their quarterly results, with one-third of companies mentioning AI.

What was the result of companies laying off employees in terms of revenue and efficiency?

Companies that laid off employees saw an increase in revenue and a significant improvement in their gross profit per employee. For example, Google's gross profit per employee increased from $750,000 to over $1 million.

What is the Gartner Hype Cycle, and what did Scott Galloway and Gartner say about AI?

The Gartner Hype Cycle is a graphical representation of the maturity and adoption of technologies. Scott Galloway and Gartner indicated that generative AI and foundation models are at the peak of their hype cycle.

What notable milestone did OpenAI achieve, and what is its significance?

OpenAI surpassed the $2 billion revenue milestone, which is significant considering the company was a research lab just five years ago. This highlights the rapid growth and commercialization of AI technologies.

How has AI impacted real-world business operations according to the speaker?

AI has led to significant cost savings and efficiency improvements in businesses. For example, Klarna reduced 700 call center jobs by using a chat agent, and Zoom saved 400,000 hours monthly by automating 90% of inquiries with a chatbot.

What is the 'Habsburg problem' mentioned by the speaker, and how does it relate to AI?

The 'Habsburg problem' refers to the issue of inbreeding, which can cause genetic defects. In AI, it refers to the problem of models being trained on data generated by other models, leading to a degradation in the quality of the AI outputs.

What role does data play in the future of AI according to the speaker?

Data, especially exclusive and high-quality data, will be the most valuable asset in the future of AI. Companies with unique data sources will have a significant advantage.

What environmental concerns are associated with AI development?

AI development is associated with high energy consumption and water usage. For example, Microsoft has increased its water usage by 34% to support its data centers, and AI's energy consumption could reach over 10% of the world's total in the coming years.

What are some potential scientific advancements enabled by AI?

AI can accelerate scientific research and discovery. For example, AI has helped predict protein folding structures, discover new antibiotics, and identify stable chemical compounds for battery technology.

Outlines

00:00

🚀 Generative AI Investments and Corporate Efficiency

The speaker, Philip Klöckner, discusses the massive investments in generative AI by major corporations, which surpass the entire Silicon Valley VC scene. He highlights the interest in AI due to its potential to increase corporate valuations significantly, as seen with Microsoft's data center chip sales. Klöckner also touches on the growth of his podcast, which has become successful since its inception three years ago, and its relation to AI. He emphasizes the rapid pace of AI development and its increasing presence in corporate discussions, with companies focusing on efficiency and profitability despite increasing employee counts and costs.

05:01

📈 AI's Impact on the Tech Industry and Market Valuations

This section delves into the impact of AI on the tech industry, with a focus on how tech conglomerates are becoming more profitable and efficient. Klöckner mentions the substantial increase in revenue per employee at Google and Meta, illustrating the improved efficiency. He also discusses the peak of AI hype and its potential trajectory according to Gartner's Hype Cycle. Furthermore, he highlights significant AI milestones, such as OpenAI's revenue achievements and the growing number of enterprise users adopting AI technologies. The paragraph also touches on the importance of AI in consulting and the substantial revenue generated by companies like Accenture through AI implementation in other businesses.

10:01

💡 Real-world AI Applications and Market Predictions

Klöckner presents real-world examples of AI applications, such as AI-driven chat agents in call centers leading to significant job savings for companies like Clana and Zoom. He also mentions the widespread use of AI tools like Microsoft GitHub's Copilot by developers, which enhances productivity. The speaker predicts a substantial growth in the generative AI market by 2030, as estimated by Bloomberg, and discusses the commoditization of large language models. He emphasizes the importance of proprietary data and exclusive hardware in the AI landscape.

15:03

🌐 AI's Rapid Evolution and the Future of Work

The speaker discusses the acceleration of AI development and its potential to replace human tasks sooner than anticipated. He cites surveys of AI scientists who believe that milestones in AI capabilities will be reached earlier than previously thought. Klöckner also touches on the multimodal capabilities of AI, its ability to understand and generate content across various formats, and the increasing cost and complexity of training AI models. He highlights the importance of hardware advancements, such as Nvidia's Blackwell 200 chip, in driving AI progress.

20:05

🛠️ Tech Giants' Custom AI Chips and Exascale Computing

Klöckner talks about the trend of tech companies developing their own AI-specific chips, such as Google's Axon and Apple's TSMC collaboration, and Meta's mtias. He explains the significance of exascale computing and the concept of 'M law,' which predicts the doubling of computational power every few years. The speaker also discusses the development of wafer-scale engines, which are massive chips that can perform computations at unprecedented speeds and could significantly reduce the time required to train AI models like Meta's Lama.

25:07

🌿 AI's Ethical Concerns and Environmental Impact

In this section, Klöckner addresses the ethical concerns surrounding AI, such as the use of deepfake technology in political campaigns and the potential for AI to exacerbate misinformation. He also discusses the environmental impact of AI, including the energy consumption of data centers and the efforts of companies like Microsoft and Google to mitigate their carbon footprint through initiatives like water replenishment and renewable energy projects.

30:07

💧 AI's Water Consumption and Corporate Initiatives

The speaker highlights the significant water consumption of data centers and the challenges companies face in managing this resource sustainably. Klöckner mentions Microsoft's investment in water restoration projects and Google's goal to return 120% of the water they use back to the environment. He also critiques the concept of water neutrality, comparing it to carbon offsetting and questioning its effectiveness and sincerity.

35:09

🔮 The Future of AI in Science and Medicine

Klöckner discusses the transformative potential of AI in scientific research and medicine. He cites examples of AI's role in protein folding predictions, discovering new antibiotic candidates, and material science advancements. The speaker emphasizes the importance of AI in accelerating scientific discovery and its potential to solve complex problems that were previously intractable.

40:12

🤖 Robotics and the Future of Work

This section focuses on the advancements in robotics and their potential to change the future of work. Klöckner mentions companies like Agility Robotics and Tesla, which are developing robots capable of performing tasks that are difficult for humans. He discusses the benefits of designing robots to resemble humans, allowing them to learn quickly from observing human actions and potentially taking over a significant portion of jobs by 2030.

45:13

🌐 Open Source AI and the Concentration of Power

Klöckner talks about the importance of open-source AI and the risks associated with the concentration of AI development in the hands of a few large tech companies. He contrasts the closed nature of companies like OpenAI with the success of open-source projects like Mistral and Meta's Lama models. The speaker also discusses the strategic moves of tech giants like Meta and Nvidia in the AI industry, highlighting the potential for these companies to dominate the market through their investments and resources.

🏛️ Sovereign AI Models and the Global Impact

The speaker emphasizes the need for sovereign AI models that respect local cultures and definitions of truth, as seen with China, Russia, and Iran developing their own language models. Klöckner also discusses the importance of creating specialized AI models for different languages and regions to ensure inclusivity and applicability. He expresses hope for the development of a German AI model and discusses the trend towards smaller, more efficient AI models that consume less power and data.

🌍 The Importance of European AI Sovereignty

Klöckner concludes by stressing the importance of developing European and German AI models to maintain sovereignty and prevent the concentration of value creation in the hands of a few US-based tech companies. He highlights the potential risks to state finances and value creation if Europe does not invest in its own AI infrastructure. The speaker also expresses optimism in the capabilities of German developers and their potential to contribute to the development of a sovereign AI model for the future.

Keywords

💡Generative AI

Generative AI refers to a category of artificial intelligence systems that can create new content, such as text, images, or music, that is similar to content created by humans. In the video, it is mentioned that large corporations are investing heavily in generative AI, indicating its significance in the current technological landscape.

💡Silicon Valley VC Scene

The Silicon Valley VC (Venture Capital) scene represents the community of venture capitalists in Silicon Valley who invest in startup companies. The script mentions that even the entire Silicon Valley VC scene combined does not match the investments made by individual tech corporations in generative AI, highlighting the scale of financial resources these corporations are allocating to AI technology.

💡Data Center

A data center is a facility that houses a large number of servers, storage systems, and other components for managing, processing, and storing large amounts of data. The script discusses how companies are purchasing data centers to claim chips for training AI models, which is crucial for the development and efficiency of AI systems.

💡Efficiency

Efficiency in the context of the video refers to the ability of companies to operate in a more productive and cost-effective manner. It is mentioned that despite tech companies earning more money, they are not necessarily becoming more profitable or efficient due to the increasing costs associated with hiring new employees. However, recent layoffs and revenue growth have improved the revenue per employee, indicating improved efficiency.

💡AI Hype Cycle

The AI Hype Cycle is a concept used to describe the stages of technology maturity, adoption, and market response. The speaker references Gartner's Hype Cycle, suggesting that generative AI and large language models are at the peak of this cycle, implying that they are currently the focus of significant attention and investment, but may soon face a period of disillusionment as their real-world applications become clearer.

💡Peak AI

Peak AI is a term used to describe the point at which AI development and deployment have reached a high level of maturity and are widely integrated into various industries. The video suggests that we may be approaching a peak in AI development, with significant advancements and investments being made in the field.

💡Enterprise Users

Enterprise users are businesses or organizations that use software, technology, or services as part of their operations. The script mentions that over 600,000 enterprise users are already utilizing AI, indicating the growing adoption of AI technology in the business world.

💡Commoditization

Commoditization is the process by which goods or services become similar to one another in the eyes of customers, and are perceived to have no significant differences. In the context of the video, the speaker suggests that foundation models or large language models will become commoditized, meaning they will become standardized and less able to differentiate themselves in the market.

💡Hardware

Hardware refers to the physical components of a computer or AI system, such as chips, processors, and servers. The video emphasizes the importance of hardware in AI, with companies like Google, Apple, and Meta developing their own chips specifically for AI applications, which is crucial for improving the performance and efficiency of AI systems.

💡Exascale Computing

Exascale computing refers to high-performance computing systems that can perform at least one exaflop, which is a billion billion calculations per second. The script discusses the development of exascale computers as a new level of computing power, which is essential for training increasingly complex and large AI models.

💡AI Ethics and Privacy

AI ethics and privacy pertain to the moral principles and concerns surrounding the use of AI technologies, particularly regarding data protection and individual rights. The video touches on the risks and side effects of AI, including the creation of fake content and the potential for AI to be misused in ways that infringe on privacy or lead to unethical outcomes.

Highlights

Investments in generative AI by major corporations surpass the entire Silicon Valley VC scene combined.

Tech conglomerates are becoming more profitable and efficient, with Google's revenue per employee increasing from $750k to over $1M.

Gartner's Hype Cycle suggests generative AI and Foundation Models are at the peak of inflated expectations, with a disillusionment valley ahead.

OpenAI broke the $2 billion revenue milestone, showcasing the rapid growth of AI businesses.

Accenture is making more money with AI than all AI startups combined by training and implementing AI in enterprises.

Real-world use cases of AI are already significant, with companies like Zoom saving 400,000 hours in their call center monthly using AI.

Bloomberg predicts generative AI to be a $900 billion market by 2030.

Large language models are becoming commoditized, making it difficult to earn money with them as they become more ubiquitous.

There are now over 150 large language models, with new ones being released daily, competing against each other for dominance.

AI models are becoming multimodal, capable of processing not just text but also graphics, videos, and understanding creative content.

Training AI models is becoming more expensive, with Google's Meena model costing over $100 million to train.

Tech companies are developing their own AI-specific chips to gain an edge in AI capabilities.

Exascale Computing represents a new level of computing power, with companies like Zebra's Wafer Scale Engine leading the charge.

AI is helping to make breakthroughs in various fields, including reducing water consumption in data centers by 40%.

The potential of AI in science is vast, with models like Google's Gemini achieving high accuracy rates in answering questions.

AI is contributing to scientific advancements by predicting protein folding and discovering new materials for battery technology.

Robotics is an emerging field where AI will play a significant role in creating robots that can perform human-like tasks.

Open Source AI models are becoming more prevalent, with companies like Mistral and Meta contributing to the field.

There is a growing concern about the energy consumption of AI, with tech companies investing in green solutions like exowatt.

AI has the potential to revolutionize various industries, but there is also a risk of value creation being siphoned off by a few large corporations.

Germany has a strong pool of AI-skilled developers, which is crucial for building competitive AI models.

Transcripts

jeder dieser Konzerne macht mehr

investments in generative ai wie dies

gesamte Silicon Valley VC Szene zusammen

die haben auch ein großes Interesse

daran weil wenn die Firma eine Million

geben womit sie mit mit dann wenn sie

mit der Million dann wieder bei

Microsoft sich ins Datacenter einkaufen

um die sozusagen Chips zu beanspruchen

zum zum Training macht Microsoft mit

diesem Umsatz s das 15fache an

Marktbewertung wieder gut

moin hambur uh voll vielen Dank fürs

zahlreiche erschein mein Name ist Philip

Klöckner ich kriege später eine Presi

genau die slide soll sagen dass ich

relevant bin der eigentliche Grund warum

ich hier bin ist aber diese Person der

hat mich vor dre Jahren zu einem Podcast

überredet der seitdem sehr erfolgreich

gewachsen ist und unter anderem deswegen

darf ich heute hier stehen es geht heute

um das Thema ai ich habe 150 fen

mitgebracht äh für 40 Minuten das heißt

es geht schnell ihr müsst gar nichts

machen ihr müsst keine Fotos ihr dürft

Fotos machen ihr müsst keine Fotos

machen ihr müsst euch nichts merken ihr

kriegt die Slides hinterher ihr kriegt

ein Video hinterher m versucht einfach

nur was ich sage zu genießen und merkt

euch drei vier spannende Fakten die ihr

noch nicht kanntet ich werde so ein

bisschen Bezug nehmen auf letztes Jahr

um zu schauen wie meine letzte

Präsentation gealtert ist letztes Jahr

ging es vor allen Dingen um Effizienz

ähm da haben Unternehmen sehr viel

darüber gesprochen wie sie effizienter

werden wollen heute äh dieses Jahr der

gleiche Chart sieht so aus dass sie über

ihr Ei sprechen jedes dritte Unternehmen

spricht in seinen Quartalsergebnissen

über das Thema ai ich habe letztes Jahr

gesagt dass die techkonzerern immer mehr

Geld verdienen aber es auch für immer

mehr neue Angestellte ausgeben und

deswegen nicht mehr profitabler oder

effizienter werden und die haben gut

zugehört was sie gemacht haben ist wenn

man ein Jahr vorspüt spult haben sie

viele Leute entlassen und sind trotzdem

stark gewachsen beim Umsatz dadurch hat

sich ihr auch das ist live vom letzten

Jahr hat sich ihr Rohertrag pro

Mitarbeiter deutlich verbessert bei

google ist er von 750 000 auf über eine

Million proertrag pro Mitarbeiter

hochgegangen in der kurzen Zeit bei

Meter hat er sich sogar verdoppelt von

250 000 auf eine halbe Million pro

Mitarbeiter das ist

Effizienz Scott Galloway hat gestern

gesagt wir haben Peak

ai das hatte sich vielleicht selber

ausgedacht aber das sagt auch Gartner

Gartner hat diesen berühmten Hype cycle

um Trends zu beschreiben und ner denkt

dass generative ai und Foundation Models

dies large language Models auf dem

Höhepunkt des Peaks sind gerade das

heißt nicht dass sie sterben danach das

heißt danach kommt dieses Tal der

Desillusion und dann kommt irgendwann

die wirkliche Anwendung anders sieht es

samman Oldman sagt dieses Jahr ist das

most interesting Jahr for Humanity

eigentlich und jedes daraufolgende wird

es von jetzt an auch sein weil ai sich

beschleunigt

entwickelt er hat Grund froh zu sein

letztes Jahr haben hat open eii den 2

Milliarden Umsatz Meilenstein gebrochen

das ist eine Firma die vor 5 Jahren noch

gar keine Firma war oder noch gar kein

Unternehmen war sondern ein

Forschungslabor macht jetzt 2 Milliarden

Umsatz mit AI und dieses Jahr

wahrscheinlich mehr hat über 600.000

Enterprise Nutzer die Chat gbt schon

nutzen noch mehr Geld macht aber

Accenture ausgerechnet exenture mit AI

Accenture die Unternehmensberatung oder

Systemintegrator könnte man sagen

verdient mehr Geld als alle ai Startups

zusammen mit AI gerade indem sie einfach

Unternehmen Schulen und ai

implementieren in diese Unternehmen sie

haben 600.000 Menschen weltweit schon

ausgebildet sie schulen ihr ganzes

inhaus ihr eigenes Personal zu ai

Experten um weil das das große Projekt

ist was Unternehmensberatung in Zukunft

machen können die Leute ist der Nummer

ein Partner für generative ai bei Google

die Leute ist auch im System i

independent Software Wender ISV und die

Unternehmen beschäftigen diese Beratung

um ai zu implementieren weil jeder CEO

unbedingt ai machen möchte aber niemand

möchte schuld sein wenn das AI Projekt

scheitert also lasse ich exenser oder

deloit oder irgendeine andere

Unternehmensberatung diese Projekte bei

mir implementieren und deswegen macht

exenser dieses Jahr 2,4 Milliarden

Umsatz mit AI es gibt aber auch echte

real world use cases von AI schon clana

hat 700 Jobs in Callcenter eingespart

indem man einen Chat Agent die Anfragen

beantworten lässt Zoom spart 400.000

Stunden im Callcenter jeden Monat indem

sie 90% der Anfragen von einem Chatbot

beantworten lassen über 1,3 Millionen

Entwickler weltweit nutzen schon den

Copiloten von Microsoft GitHub und

entwickelt damit 40 50 Mal schneller als

Entwickler die kein Copiloten haben neue

Software es gibt ein Startup das heißt

Devin das nach nur 6 Monaten 2

Milliarden Dollar wert ist weil sie den

ersten vollk automatisierten Entwickler

bauen möchten amazon hat einen inhaus

Copiloten für Entwicklung gebaut und

bietet den anderen Unternehmen an ja

also es gibt schon Unternehmen die

signifikant Umsatz machen und

Produktivität rausholen indem sie ai

einsetzen Bloomberg glaubt das

generative ai bis 2030 ein 900

Milliarden Markt

ist letztes Jahr war das in meinem Kopf

eigentlich so meine kernfolie ich glaube

diese ganzen Foundation Models large

language models werden nicht irrelevant

aber welches wir nutzen wird irrelevant

die werden commoditized das ist so als

wenn ich entscheide ob ich meine

Webseite irgendwie in GSP oder PHP

schreibe ob ich eine MongoDB oder inodb

oder MySQL nehme was für eine Datenbank

ich nutze das ist Open Source

wahrscheinlich am Ende und es wird

schwer damit Geld zu verdienen glaube

ich immer noch was ich gesagt habe ist

dass was wichtig wird sind Daten eigene

Daten exklusive Daten Hardware und

Distribution Modelle gibt's wie äh wie

sagt man Sand am Meer es gibt inzwischen

150 large language Models und es kommen

täglich neue raus diese Modell Modelle

schlagen sich ständig gegenseitig werden

immer schneller immer besser Mistral

schlägt Gemini Gemini schlägt irgendwie

entropic clot und das neue Metamodell

schlägt wieder alle anderen und so

weiter jede Woche oder wenn man unseren

Podcast hör jede Woche reden wir über

irgendein Modell was wieder das an das

letzte beste Modell geschlagen hat und

es ist überhaupt nicht abzusehen ob

jemand einen signifikanten Vorsprung äh

Ringen kann darin was man aber absehen

kann ist diese Beschleunigung

die wir erfahren die rechte Grafik zeigt

ganz einfach gesagt es wurden tausende

Wissenschaftler befragt die die sich mit

dem Thema auskennen ai der blaue Punkt

ist was sie 2022 geantwortet haben wann

diese Tasks ersetzt werden der rote

Punkt ist was sie letztes Jahr 2023

glaubenten wann diese Tasks oder diese

diese Aufgaben ersetzt werden können von

AI und was man ganz klar sieht mit

Ausnahme von gamingfällen ganz unten ist

dass alles nach vorne gezogen wird

Menschen die sich tagtäglich mit AI

beschäftigen glauben dass alle diese

milestones deutlich früher erreicht

werden nach nur einem Jahr Entwicklung

in deri und ich würde davon ausgehen

dass ich weiter beschleunigt auch die

hlmi ist high level machine intelligence

glauben die meisten Wissenschaftler dass

sie früher erreicht wird foal ist full

automation of labber also alle Arbeit

kann ersetzt werden auch das hat sich

deutlich nach oben links verlagert also

Wissenschaftler glaub das wird früher

eintreten als bisher

antizipiert diese Modelle werden immer

schlauer sie werden schlauer als die

schlauesten Menschen in den Sachen wo

man sie testen kann und wo sie wirklich

gut drin sind und sie sind so schlau in

200 Sprachen gleichzeitig das dürfen wir

nicht vergessen bei allen Dingen die wir

testen können kommen Modelle an

menschliche Fähigkeiten ran sie sind

nicht wirklich intelligent ja aber sie

können menschliche Fähigkeiten in vielen

vielen vielen Gebieten

schlagen

insbesondere z.B captures inzwischen

captures klären weiterhin ob man Mensch

oder Maschine ist aber inzwischen

funktionieren sie anders rum nämlich das

Maschinen sie besser lösen können als

Menschen ich habe in zum Test in Google

Gemini einmal ein capture reingepastet

gefragt was zeigt mir dieses capture und

es sagt was da drauf steht und es

erklärt mir noch was ich nicht wusste

das capture für completely automated

public Touring test to tell computers

and humans apart steht habe ich was

gelernt alle Modelle sind inzwischen

multimodal das heißt ich kann einfach

Grafiken reinschmeißen oder ich kann

Fragen dass ich Grafiken oder Videos

rausbekomme ich kann ein Modell ein

Video geben und sagen F mir das zusammen

multimodal heißt sousagen es muss nicht

mehr Text Text sein ähm ich habe mal

dieses diesen Werbestand in ein Modell

rein auch in Google Jamin reinkopiert

und gesagt mach mir eine ähnliche

Kampagne wie das irgendwas kreatives und

man sieht wie gut das erkennt was das

ist das sagt das ist ein Aldi Store kein

Lidl Store sondern Aldi Store man könnte

es für Lidl eine andere Kampagne machen

ist erkennt dass das ein Fake landing

Spot für Center ist also versteht genau

was was es sehen kann auf diesem Bild

und es schlägt mir ein Alternativen vor

aber diese Modelle werden auch immer

teurer zu trainieren google gerinal hat

über 100 Millionen gekostet und der

Grund dafür ist das Thema was ich

letztes Jahr schon besprochen habe die

Hardware und warum Hardware so

essentiell ist im Hintergrund sieht man

den neuest die neueste Generation Nvidia

Chips der Blackwell 200 Chip der hat

20.000 terfops statt 5000 vorher also

innerhalb von zwe Jahr 4000 innerhalb

von 2 Jahren konnte wieder die

Performance dieser Chips ver fünf faen

der Grund liegt daran dass wir diese

Chips im diese Transistoren die kleinen

01 Schalter in den Chips immer kleiner

bauen können sind 50 Nanometer groß

niemand weiß was ein Nanometer ist 50

Nanometer ist kleiner als dieses Virus

das Virus wo wir Millionen von

raushusten können

das vollkommen unsichtbar ist dieser

Chip ist noch kleiner als das Virus

menschliches Haar ist 2000 mal dick als

so ein Chip und von diesem auf dem

reisßkorn würden eine Milliarde Chips

nicht Chips sondern Entschuldigung

Transistoren passen so letzt J habe ich

gesagt alle techkonzerne bauen ihre

eigenen

Chips google hat einen neuen Chip

entwickelt den Axon vorher hat Google

2015 hat Google angefangen eigene tpus

zu bauen Tensor processing units die

eigentlich nur für AI gedacht sind 2015

hat Google gemerkt wir brauchen eigene

Chips um das AI Rennen zu gewinnen jetzt

haben sie eine zweite chipgenation

gebaut die andere Aufgabe hat den Axion

selbst Apple die letztes Jahr noch

keinen hatten und Meta haben dieses Jahr

begonnen Chips zu bauen Meta baut die

mtias das ist steht für metatraaining

und inference Accelerator und Apple soll

gerade mit TSMC was der größte

chipproduzent der Welt ist an einem

eigenen Chip Arbeiten es gibt aber eine

ganz neue ein ganz neues Level an

Computing nämlich exascale Computing das

was ihr seht ist sozusagen das

sogenannte m law dass ich alle paar

Jahre die Rechen Kapazität oder die

Anzahl der Transistoren damit die Rechen

le

das ist eine logarithmische Skala

verdoppelt und was man gut sieht ist

dass die Firma zerebras W unseren

Podcast hört hat vielleicht schon mal

gehört im letzten OMR Podcast habe ich

drüber geredet auch die hat einfach mal

von von 100 Milliarden Transistoren auf

eine eine was ist das dann eine Billion

Transistoren sozusagen eine ganze

zehnerptenz diesen Graf höher verlegt

was was die machen ist statt kleine

Chips es gibt diese halbleiterscheiben

die kennt ihr vielleicht so wo die die

Leute im Labor mit diesen rumlaufen den

Halbleiter Scheiben

die die sind übrigens so eingekleidet

weil wenn man z.B wenn ich heute im

Hotel den Messing Knauf meiner t an Tür

anfasse dann würden die Kupferatome die

noch an meiner Hand sind würden die

gesamte Produktion also so so fein sind

so empfindlich sind diese Chips wie auch

immer auf jeden Fall statt aus so einer

Scheibe kleine Chips

rauszustanzen wird die ganze Scheibe zu

einem großen Chip sozusagen diese ganze

Scheibe rechnet nicht kleine Chips die

man zusammen steckt und dch ist es

einfach nicht nur größer sondern vor

allen Dingen kann es viel schneller

miteinander kommunizieren es kann viel

schneller kleine Bits in den Speicher

rein und rausschreiben und diese Wafer

scale Engine also diese Computer die so

groß sind wie ein Wafer sind 57 mal

größer aber vor allem sind haben sie 52

mal so viele prozessorenkerne und 900

mal so viel Speicher verbraucht und Sie

können mit diesem Speicher 7000 Mal

schneller als normale Rechner

kommunizieren dann kann man einfach

diese wferscheiben ganz viele in einen

Server stecken und dann steckt man ganz

viele dieser Server zusammen und man hat

den größten Supercomputer der Welt der

vier exaflops rechnet jetzt weiß keiner

was vier exaflops sind oder was 4

Millionen Kerne können aber man muss

jetzt vorstellen das ist eine halbe

Million MacBooks oder die OMR gerade ne

mehr eine halbe Million MacBooks die

gleichzeitig rechnen und das führt dazu

dass das letzte Lama Modell vorletzte

Lama Modell was Meta ein Monat lang

berechnen hat könnte man mit dem Setup

an einem Tag

berechnen es gibt eine Firma die die

grock in die ich kürzlich investieren

durfte ein ganz kleinen Betrag die für

inferenzchips baut die besonders schnell

Modelle die kann keine Modelle Trieren

oder nicht besonders gut trainieren aber

sie kann besonders gut Antworten geben

mit bestehenden Modellen ist dabei

deutlich schneller deutlich günstiger

als alle anderen Modelle es gibt

corewave hat gestern gerade neues

funding bekannt gegeben hat seine seine

Bewertung innerhalb von 5 Monaten

verdreifacht auf 19 Millionen corwef

macht nichts anderes als Nvidia also es

ist eine AWS für Nvidias also für für AI

Training sie vermieten nur Nvidia ships

sie haben guten Zugang zu Nvidia Chips

vermieten die haben 20 Milliarden V

damit aufgebaut wir haben letztes Mal

über Risiken und ne Nebenwirkung

gesprochen von AI und natürlich hat der

Clown angefangen Fake Images zu nutzen

um da damit Wahlkampfwerbung zu machen

das ist ein Foto was niemals so hätte

entstehen können es wird aber von Donald

Trump eingesetzt um schwarze

wler zu gewinnen ich habe letztes mal

erzählt dass wir eigentlich weil wir

nicht mehr wissen wer uns wir werden so

viel Content haben und so viel Fake

Konversation mit AI dass wir eigentlich

wollen ich will eigentlich dass jemand

der mir was schickt mit seinem

Fingerscan oder retin Scan sich

authentifiziert damit ich weiß ist das

überhaupt von dem Mensch geschrieben und

ich habe gesagt dass dieses Projekt

worldcoin genau dieses

Gerät erfunden hat dass das macht oder

ja zusammengebaut hat dass dieses

Projekt von dem deutschen und Sam Oldman

gegründet wurde hätte man nach der

letzten Präsentation den World coin

gekauft der so als Krypto Projekt dazu

gehört hätte man sein Geld kurzfristig

verzehnfachen können und wä immer noch 3

280% im Plus heute wir haben

contenttinflation ich habe gerade drüber

geredet kenttinlation sag geben dass

jeder kann zu ohne ohne Geld kann

Content generieren unter anderem war

LinkedIn mir z.B erlaubt automatisch mit

ein paar Sätzen eine LinkedIn Post zu

kriieren mit mit

AI da hat jetzt jemand zurückgeschlagen

und sagt wenn LinkedIn das Kreieren kann

dann kann ich es auch mit AI beantworten

und hat ein Bot gebaut

ähm der vollkommen autom also er nennt

es ein Monster äh das einfach vollkommen

automatisiert mit einem Klick sämtliche

LinkedIn Post äh beantworten kann zack

fertig und auf eine sinnv ob sinnvoll

weiß man nicht worüber ich bei den

Gefahren letztte mal nicht geredet habe

sind die humanen Kosten von AI die

Menschen die gleichen Menschen die

normalerweise Content Moderation machen

also Kinder Kinderpornos oder Gewalt

rausfiltern müssen aus Youtube oder aus

aus Facebook und aus anderen sozialen

Plattform arbeiten inzwischen daran

Daten zu Labeln das heißt damit diese

ganzen Modelle lernen können sitzen

irgendwo in Südostasien Millionen von

Menschen die nur sagen das ist eine

Katze das ist ein Hund das ist ein Auto

das ist eine Ampel wenn wir es nicht

selber in capters machen ich habe

letztes mal gesagt dass

jetzt jeder Idiot ich kann nicht mit

Paint umgehen nicht mit powersh

Photoshop aber ich konnte letztes Jahr

diese Bilder innerhalb von Minuten

generieren mitjourney mitjourney ist

noch mal deutlich besser geworden ganz

links ist mit journey vor 2i Jahren in

der Mitte war ungefähr letztes Jahr

rechts ist wie gut wie hyperrealistisch

mit journey heute arbeitet in der

Zwischenzeit hat open auch sein erstes

videomodell Sora rausgegeben dass

Hollywood Angst und Schrecken einjagt

weil es qualitativ in der ersten Version

schon sehr sehr gut

ist wir haben über Hardware geredet wir

haben noch nicht über Daten geredet

kleine Anekdote ich war vor einem halben

Jahrer letzten Sommer in dem Elite und

Universum so ein Internat wo

hochintelligente Menschen äh

unterrichtet werden und habe da den

gleichen oder den gleichen Vortrag wie

letztes Jahr gehalten und habe unter

anderem diesen Chart gezeigt dass diese

Modelle werden immer größer wir haben

mehr Hardware bessere Software mehr

Parameter mehr Daten die wir da

reinfüttern und hab damit gesagt die AI

wird immer immer besser werden immer

immer besser es hört nie wieder auf und

unter anderem verbessern sich die

Modelle auch selbst inzwischen sie

können sich selber Dinge beibringen

Software verbessert Software und

exponentielles Wachstum habe ich gesagt

nach der nach dem Vortrag kommt ein

14-jähriges Mädchen zu mir und sagt sie

haben da was falsches gesagt und ich you

ger my attention hab sie gefragt sie hat

gesagt irgendwann sind die Daten doch

alle und sie hatte vollkommen Recht eins

der ersten Probleme auf das wir stoßen

ist dass das Internet zu klein ist wir

haben zu wenig digitale Daten in diesen

Trillionen von Tokens mit denen diese

Modelle trainiert werden ist schon ein

Großteil des Internets und der der

Bücher der Wikipedia die wir haben mit

drin und im Moment haben riesiges

Problem noch neue Daten zu finden unter

anderem hat open ai angeblich deswegen

Youtube Videos transcribed umgeschrieben

um dann aus den Texten wieder zu lernen

ich habe letztes mal gesagt dass ein

großer Teil der Daten oder ein großes

Gewicht auf den reddit Daten webtext 2

sind Webseiten die von reddit verlinkt

werden die werden fünffach überbewertet

und kommen so auf eine 20przentige

Gewichtung in den Daten damit ist reddit

zu dem einfachsten Weg geworden ai zu

manipulieren und natürlich fangen SEOs

oder general ai Optimierer jetzt an auf

Reddit Artikel zu verlinken die der AI

den Eindruck geben sie hätten besonders

attraktives Unternehmen oder sind

besonders faszinierende Persönlichkeit

also reddit hat wird ein riesen Problem

damit haben ihre Daten sauber zu halten

weil es von allen Seiten Angriffen wird

weil alle wissen dass die AI sozusagen

reddit so

viel so viel Gewicht geben wer reddit

auch viel Gewicht gibt ist Google die

haben nämlich 60 Millionen pro Jahr

gezahlt um exklusiv Zugang zu den Daten

von reddit zu haben ich habe das Gefühl

sie haben google hat noch ein bisschen

mehr als 60 Millionen bezahlt das ist

nämlich die Sichtbarkeit in Google von

reddit seit 2019 aber man sieht was

sozusagen Mitte letzten Jahres passiert

ist Google glaubt auf einmal dass reddit

zehn Mal relevanter ist als in den

ganzen Jahren zuvor also 10 Jahre lang

war der Content von reddit scheiße jetzt

ist er auf einmal sehr sehr se gut so

ein Deal mit google möchte jeder SEO

auch haben aber es geht um Daten weiß

weiß jemand wer das hab was das

Habsburger Problem ist nicht okay

also ich lass mal laufen und ihr kommt

so ein bisschen dran was mit den

Habsburgern komisch war oh das war ich

nicht das war die eii das ein

Habsburger und zwar hatten die ein sehr

aristokratisches Kind sage ich jetzt mal

und die sogenannte Habsburger Lippe das

liegt daran dass derern Stammbaum so

aussieht da wo normalerweise 32

verschiedene urvorfahren sind gab's bei

den Habsburger nur die zehn gleichen und

dieser Karl I Z von dessen Urgroßeltern

wovon man normalerweise acht hat hatten

sechs den gleichen Vorfahren also es ist

ein insuchtproblem und das gleiche

passiert mit

AI wenn Modelle auf Daten trainiert

werden die selber von generiert worden

sind also generative ai schreibt das

ganze Internet voll jemand holt das aus

dem webindex raus und lernt darauf

wieder und die gleichen Inhalte werden

immer und immer immer wieder sozusagen

neu erzeugt und rausgegeben und jemand

lernt wieder draus dann kommt zu diesem

Habsburger Problem nämlich dass Modelle

fast kollabieren die auch von einem Tag

auf dem anderen liefern sie extrem

schlechte Ergebnisse weil sie nur noch

mit Daten die sozusagen schon vorher

drin waren

gefüttert werden das heißt exklusive

Daten werden die die großen Schätze der

Zukunft werden deswegen wer jetzt ein

Videoarchiv hat was noch nicht

öffentlich ist wer private messaging

Daten hat vielleicht wer synthetische

Daten generieren kann man kann Daten

auch so synthetisieren und daraus lernen

ohne ein Habsburger Problem zu bekommen

oder wer analogen Text hat der noch gar

nicht digitalisiert ist der sitzt

eigentlich aufschätzen das ist die

brennende Bibliothek von Alexandria

warum zeige ich die

2002 2002 vor 20 Jahren die Jüngeren

älterin werden sich erinnern hat Google

mal angefangen alle Bücher der Welt zu

scannen die sind zu zu Bibliotheken

gegangen hab gesagt hi wir sind Google

wir sind die guten wir würden kostenlos

alle eure Bücher scannen ihr kriegt

danach in eurer Bibliothek eine digitale

Version davon und wir würden das gerne

gerne Google Books nutzen so hat Google

25 Millionen Bücher gescannt zum

Vergleich in diesem Chart den ich vorhin

gezeigt habe aus woher die Daten kommen

in diesem Modul books was in den meisten

Modellen drin ist stecken nur wenige

tausend Bücher also GPT 3.5 wurde aus

wenigen Taus Bücher gelernt google hat

25 Millionen Bücher gescannt dann

wurde ihn untersagt Google booksweiter

zu betreiben weil die Copyright Lage

unklar war was sie nicht untersagt wurde

ist diese Bücher intern weiter zu

nutzen und deswegen hat the Atlantic

kürzlich getitelt dass Google

wortwörtlich die Bibliothek von

Alexandria wieder anzündet weil sie

quasi diese Bücher selber nutzen und

gleichzeitig also man kann sie

durchsuchen mit Google Books und so

weiter und die die wo das copy geklärt

ist die kann man auch angucken aber vor

allen Dingen hat Google 25 Millionen

Bücher die niemand anders hat gerade was

super wertvoll ist überhaupt das freie

Internet hat wahrscheinlich den

Höhepunkt überlebt Menschen die Content

besitzen müssen sich jetzt entscheiden

ob sie mit Google oder anderen ai

companies paktieren oder ob sie sie

verklagen oder ob sie es alle diese

Roboter

aussperren es gibt viele Verlage

achelspringer die Financial Times z.B

und andere haben sich entschlossen Deal

zu machen machen mit äh openi andere

klagen gerade wie die New York Times äh

ein anderes Problem wo wir über Daten

reden müssen wir auch über Datenschutz

reden mit der Begründung unserer Arbeit

effizienter zu machen wird uns in

Zukunft ständig auf die Hände geguckt

werden egal was für eine Arbeit ihr

macht ihr werdet entweder von dem von

dem Programm von der Kamera oder von

Sensoren überwacht werden

damit Maschinen lernen können wie ihr

eure Arbeit macht das wird ein ein

riesiger ein ein ein ähm na Einbruch in

die Privatsphäre werden mit der

Begründung dass man euch dann aber

ersetzen kann

bald worüber wir noch nicht geredet

haben ist Distribution ich bin nach wie

vor der Meinung dass Distribution

unheimlich wichtig ist und dass deswegen

die großen techkonzerne auch am meisten

profitieren werden unter anderem der da

da deswegen aber es definitiv viel zu

früh zu sagen ob irgendein eine ai

Companie jetzt diesen Markt schon

gewonnen hat im Moment versuchen die

großen techkonzerne uns mehr oder

weniger zu zwingen ihre zu nutzen die

meisten Leute wollen es gar nicht in

vielen Produkten ist es so drin ohne

dass wir es

wissen überall erscheinen jetzt so

kleine Copiloten die wir nutzen sollen

wie die Distribution am Ende aussehen

wird weiß noch keiner was spannend wird

nächsten Monat wird Apple bekannt geben

sozusagen was auf dem iPhone laufen wird

wird es ein eigenes Modell sein wird's

Google sein sie reden auch mit Open ai

sie reden mit allen das könnte spannt

werden sozusagen welche ai ü iPhone

vertrieben wird dann ein Problem was ich

letztes Jahr überhaupt noch nicht

gesehen habe ist ein sehr großes und

zwar der Energiehunger von

AI die Internationale Energieagentur hat

gewarnt dass im Moment Krypto und ai

ungefähr 2% der des Stromverbrauchs der

Welt ausmachen das könnte schnell auf

über 10% steigen in den nächsten Jahren

letzten Monat ist ein Dokument von

Microsoft geliegt wo drin steht dass

Microsoft 5 gigaw an Daten Datacenter

Ressourcen aufgebaut hat 5 Gig also ist

der gleichzeit Stromverbrauch oder

Stromaufnahme dieser Datenzentren die

Google let die Microsoft in letzten Zeit

aufgebaut ist wer sich nicht vorstellen

kann was 5 gigaw sind das sind die

letzten drei Atomkraftwerke die wir in

Deutschland abgeschaltet haben die

hätten laufen müssen weiterlaufen müssen

damit Microsoft seine dat Center

betreiben kann und Microsoft baut weiter

neue Datacenter Datacenter sind immer so

ein paar hundert also zwischen 50 und

200

meggaw das klingt schlimm ich dachte zum

Glück baut Microsoft ja nicht jede Woche

Center es baut ungefähr bis zu zwei

Datacenter pro Woche im Moment nur

Microsoft m und wird damit weitere

Gigawatt ans ans Netz nehmen inzwischen

sind die großen techkonzerne haben so

einen großen Energiehunger dass Sie mehr

Energie verbrauchen als BASF BSF ist

wahrscheinlich eins der größten

Energieverbraucher der Welt verbraucht

60 Terawattstunden das ist so viel wie

die Schweiz allein Ludwigshafen

verbraucht ein Zehntel davon der Rest

ist sozusagen BSS auf der Welt oder

Leuner oder andere Werke ähm aber diese

techonzern und da ist Amazon nicht dabei

weil Amazon diese Zahlen nicht rausgibt

alle anderen machen das in inen

sustainability Reports Amazon gibt diese

Zahl Zahlen nicht raus aber Amazon ist

der große größte cloudhoster der Welt

also natürlich werden Sie ein lichen

ähnlichen Stromverbrauch haben ähm in

wenigen Jahren werden sie ein Vielfaches

davon verbrauchen und warum ganz

offensichtlich diese NVIDIA GPUs diese

diese Chips die verbrauchen 700 Watt bei

maximaler Leistung äh also wenn sie

richtig Qualm das ist ungefähr was ein

balkonkraftwerk erzeugen könnte wenn es

bei Vollast laufen würde tatsächlich

erreicht das so ein Achtel ungefähr der

Kapazität im besten Fall das heißt

eigentlich braucht man acht neun

balkonkraftwerke um eine so eine GPU zu

betreiben

also acht balkonkraftwerk ist eigentlich

ein einfamilienhausdach ja also jedes

Mal wenn Nvidia eine GPU verkauft muss

irgendjemand eigentlich eine

solaranlageer auf neu auf ein Haus bauen

und so schnell kommt Waldemar gar nicht

hinterher mit balkonkraftwerken ähm das

Problem ist dass Nvidia 2 Millionen

dieser GPUs baut dieses Jahr und

nächstes Jahr noch mehr das heißt 2

Millionen Häuserdächer müssen wir

eigentlich jedes Jahr bepflastern damit

wenn ihr in irgendeiner Branche sein

sein wollt dann Datencenter bauen die

ganzen Infrastrukturfonds investieren

gerade im Datencenter

eine boomende Industrie aber wir warum

reden wir be Strom weil Strom und ai

nicht mehr zu trennen ist Mark

Zuckerberg Sam Oldman halten Strom

gerade für den größten Inhibitor von AI

Fortschritt ja ja und versuchen sich

alle gerade Zugang zu strompools zu

sichern weil man kann Strom gar nicht so

schnell

ausbauen wie wie sie da alle

datenzentern bauen wollen das vielleicht

auch ein Grund warum Sam ordm seit

Jahren in Kern Kernspaltung und

kernfusionstups investiert weil er

dieses Problem wie so viele sehr sehr

früh erkannt hat zum Glück investiert er

nicht nur in Kernforschung sondern auch

in tatsächlich grüne Lösung unter

anderem exowat das ist ein D in in1

Wärmekraftwerk das oben das ist nicht

eine solarplatte sondern ein

wärmekollektor also es nimmt nicht

Sonnenenergie sondern also schon Sonnen

Wärme auf aber macht daraus Wärme und

Wärme ist einfacher und billiger zu

speichern als Energie man braucht halt

kein Litium keine Schwermetalle sondern

man kann einfach die die wärmeichern

über ein Wärmekraftwerk wieder in Strom

umwandeln so kann man tagsüber

wärmeespeichern und nachts wenn z.B

andere Energiequellen versiegt sind

damit Grundlast erschaffen und davon

baut man einfach so viele wie man

braucht neben einen Datacenter und kann

unter einem Cent pro Kilowattstunde

Strom erzeugen ja also es macht keinen

Sinn mehr irgendein AKW zu bauen oder

ein Fusionsreaktor wenn du das hast

eigentlich und was man auch sagen muss

ist ich habe gestern hier auf der Bühne

gesagt es gibt kein Problem dass Ai

schafft was Ei nicht auch lösen kann und

ai hat auch

geholfen z.B große Durchbrüche bei der

kernf zu ermöglichen erst und egal wie

viel Energie diese ganze generative ai

verbraucht ist verbraucht tatsächlich

also wenn ich mich mit Photoshop

hinsetze und was baue braucht das am

Ende verbraucht das am Ende mehr Energie

als würde es eine ai für mich machen das

muss man fairerweise auch sagen ein

weiteres Problem was mir nicht bewusst

war war dass das auch viel Wasser

verbraucht einfach gesagt kann man sagen

für jede Kilowattstunde die verbraucht

wird im Datacenter werden ungefähr 2 l

Wasser Verbrauch oder ein ch gbt Verlauf

den ihr macht wird ein halber Liter

frischwer gekostet haben microsoft hat

dementsprechend sein Wasserverbrauch um

34% steigern müssen letztes Jahr auf

ungefähr 7 Milliarden Liter jetzt

schreiben Sie rechts dass sie aber auch

16 Milliarden freshwater replan

haben jetzt also wenn einer von euch mir

sagt wie man den den den

trinkwasserspiegel wieder anhebt wäre

ich gespannt weil ich glaub man kann

Wasser nicht so einfach zurückgeben an

die Welt das versuchen aber gerade alle

großen techkonzerne und Unternehmen uns

weiß machen zu lassen und jetzt sieht

recht so aus als wenn sie 16 Milliarden

zurückgeben aber da steht genau genommen

das sind die Projekte die Sie gestartet

haben und was die über ihre gesamte

Lebenszeit an Wasser zurückgeben werden

an Communities tatsächlich ist das alles

so ein bisschen wie dieses Carbon wie

heißt das Carbon

compensation das heißt ich sauf in

Arizona die Wüste leer und nehme da eine

Milliarde Wasser weg und dann baue ich

ein paar Buren in Indien und sag ich bin

jetzt wasserneutral oder wasserpitiv ja

wenn man da links untenin steht D steht

in dem gesamten Jahr ich glaube 22 ist

das hat Microsoft 7 Millionen Dollar

ausgegeben um Wasser wieder herzustellen

ich glaube nicht dass man für 7

Millionen Dollar diese 7 Milliarden

Liter fördern kann ehrlich gesagt ich

habe mal in unser Doppelgänger sheed

geschaut und geschaut microsoft macht

ungefähr 106 Milliarden Dollar Gewinn ja

das heißt in der Zeit wo ich diese Rede

halte wird m auf diese 7 Millionen die

sie für Wasser Rückgewinnung ausgeben

verdient haben google hat natürlich also

jeder techkonzern hat das gleiche

Problem Google verbraucht so viel in

2021 wie 30 golfplätz es gibt

golfplatzäquivalente ein großes das

größte Datacenter brauchst so viel wie

fünf Golfplätze ungefähr google wird

ungefähr dieses Jahr 30 Milliarden Liter

Wasser verbrauchen das ist als wenn es

zehn Mal die Außenalster leeräuft in

einem Jahr aber es gibt auch 271

Millionen zurück das ist alles was durch

die Alster Fontäne in einem Jahr

geschossen wird also die könnte man

sagen wird von Google Betrieben

ähm google will aber sogar 120% ist was

das was es verbraucht zurückgeben ich

habe gerade gesagt das geht gar nicht

aber

und das Target ist auch schon fast

erreicht nämlich 6%. aber sie haben noch

Zeit bis 2030 um auf 120 zu kommen ähm

diesen ganzen Quatsch erfunden hat

übrigens mal Coca-Cola die haben gesagt

für jeden jeden Tropfen Wasser den wir

nutzen geben wir ähm einen zurück das

hat sich sehr schnell rausgestellt dass

das Bullshit ist weil sie das Wasser was

für die Flaschen verbraucht wird fürs

Plastik und fürs Recycling und so weiter

gar nicht mit im Betracht gezogen haben

und heute sieht die Kampagnenseite so

aus für den wir habe ich keine Zeit mehr

also was ich eigentlich nur will ist

dass wenn ihr in Zukunft die Begriffe

water replanishment water stewardship

water positive hört dass ihr an dieses

SL denkt so aber ich habe gesagt nichts

was ai verursacht kann man nicht auch

mit AI heilen ai eins der ersten Projekt

die Google deepmind gemacht hat ist den

Wasserverbrauch der Datacenter um 40%

mit AI zu senken also auch das Problem

kann man lösen der wichtigste Teil ich

finde es wird viel zu viel über ai

Industrie Content Marketing all das

gesprochen viel wichtiger ist was ai für

die Wissenschaft leisten kann unsere

fangen wir mal an mit M Gemini das ist

basiert auf das Google Gemini large

language Model und hat eine

91,1%zentige Genauigkeit bei Anworten

geschafft jetzt muss auch dazu sagen

dass 7,4% der Fragen so schlecht

gestellt waren haben Menschen hinterher

gesagt dass man sie gar nicht richtig

beantworten kann aber 91% Genauigkeit

hat mat Gemini geschafft jetzt würde ich

sagen das ist mir eigentlich zu wenig

ich gehe nicht zum Arzt wenn ich 91%

Genauigkeit habe das Problem ist ihr

geht zu einem Arzt der 87% Genauigkeit

habt weil menschliche Ärzte keinesfalls

besser sind als das also Ärzte oder

Ärztinnen die das Examen

bestehen sind ungefähr bei 60% und

tatsächliche Fachexperten bei 87 %

Genauigkeit dieses Modell ist besser und

selbst das Vorgängermodell medpalm war

nicht nur schon besser als die meisten

Ärzte es wurde von Patienten und

Experten auch als empathischer als die

menschlichen Ärzte wahrgenommen also

wenn ihr solche Ärzte seht lauft das ist

der Arzt den ihr

wollt warum ist das so wichtig für

Wissenschaft ai Wissenschaft

funktioniert im Moment wie die Nadel im

Heuhaufen suchen ja wir testen

manuell 10taus verschiedene

Möglichkeiten von irgendwas und ai kann

uns einfach helfen das vorzuerechnen z.B

alphafold kann vorberechnen wie

Aminosäuren in in Proteinen sich falten

und kann dadurch konnte 300 Millionen

verschiedene mögliche 200 Millionen

verschiedene Proteine synthetisieren

oder zumindest s also ein virtuellen

Zwilling davon bauen und damit kann man

einfach schon vorher schauen welche

welche Verbindungen überhaupt stabil

sind und welche nicht und kanandidaten

finden unter anderen z.B um die letzten

Kranken aus Keime zu gönen seit 60

Jahren seit wir Penicillin erfunden

haben und ein paar cephalospurine so

womit man dann multiresistente Keime

kaputt kriegen könnte theoretisch

Breitband Antibiotika

seit 60 Jahren haben wir nichts Neues

mehr erfunden da aber durch ai haben wir

jetzt zwei neue Kandidaten gefunden die

theoretisch wirksam gegen mrssa ist

metizillin resistente staphilococcus

aureus das sind diese Krankenhauskeime

die multiresistent sind die von keinem

oder von den meisten Antibiotikas nicht

mehr gekillt werden können aber durch ai

haben wir aus hertausenden von

Kandidaten konnten ich glaube 180

rausgefiltert werden die sich lohnt zu

testen und da wurden wurden Zweige vonen

die wirksam sein konnten

ähm es ist mindestens genauso spannend

für Materialwissenschaft ähm mit Hilfe

von Gnom hat man äh Hunderttausende von

kristallinen Strukturen entdeckt die wir

nicht kannten vorher die aber möglich

sind durch chemische also die chemische

Verbindung eingehen können die stabil

sein werden äh die wir vor nicht kannten

und und man kann z.B äh für

Batterietechnologie Ersatz für Litium

wir wissen wir werden bald kein litiium

mehr haben durch die ganzen Batterien

die wir bauen wollen man kann Litium

aber mit Natrium mit Kochsalz also mit

dem Bestandteil von Kochsalz und Salz

gibt's genug auf der Welt ersetzen und

das hat ai rausgefunden und ich glaube

der der der durchsbruch den wir erleben

werden in der Wissenschaft ist

eigentlich das spannendste in der eii

dass ist sozusagen unser die gesamte

Entwicklung der Menschheit heben wird

und es natürlich in Medizin in Physik

Materialwissenschaft riesige Durchbrüche

geben können wird die wir uns noch gar

nicht vorstellen können wenn diese

Modelle auch noch anfangen eventuell

Probleme zu lösen

man kann Wetter besser vorher sagen mit

eii natürlich in Hamburg braucht man das

nicht

was auch noch spannend wird dieses Jahr

glaube ich und letztes Jahr noch gar

nicht so spannend war ist das Thema

Robotics nicht nur bei Tesla sondern auf

der G oder bei Boston dynamic auf der

ganzen Welt werden eigentlich gerade

Roboter gebaut die uns das Leben

erleichtern werden in der Zukunft das

ist eine Firma die heißt Agility

Robotics

Logistik ich habe vor einem Monat

Logistiker gereden der geht fest davon

aus dass bis Z bis 2030 20 30% der Jobs

wegfallen werden und an Roboter gehen

weil Roboter unermütlich unermütlich

arbeiten können und die Arbeit machen

kann die uns Tag und Nacht schwer fällt

das ist der Tesla Roboter der kann

Batterien schon zusammenstecken

äh relativ genau das ist glaube ich ein

relativ junges Video

genau sehr präzise und der Grund warum

diese Roboter so aussehen wie Menschen

ist nicht nur dass sie menschliche

Arbeit machen können der Grund ist dass

sie besonders schnell von Menschen

lernen können weil die Roboter müssen

Menschen nur beobachten oder etwas

vormachen sehen und können dann lernen

sozusagen über über künstliche

Intelligenz lernen was sie machen wir

müssen den Roboter nicht programmieren

was er macht sondern wir bauen ihn nach

unserem Vorbild damit er von unserem

Vorbild lernen kann das ist figi die

Arbeiten mit BMW zusammen z.B

und können der kann Kaffee

[Musik]

kochen na ja jetzt auch nicht so

spannend was spannend ist ist Open

Source Open Source ist das Konzept dass

man Software zur Verfügung stellt

kostenlos dass alle daran mitarbeiten

können und was definitiv nicht Open

Source ist ist Open ai openi ist ein der

verschlossensten Firmen der Welt

geworden was hochprematisch ist wenn man

überlegt dass sie künstliche oder Art

general intelligence also super

Intelligenz bauen wollen und wie viel

Macht sozusagen in der Person von Sam

man konzentriert ist ist definitiv

problematisch aber das Gute ist es gibt

viele Open Source Firmen die es schaffen

Open Source Modell zu bauen die absolut

vergleichbar mächtig werden wie die

Modelle von openi z.B Mistral aus

Frankfurt äh aus Frankfurt aus

Frankreich ähm ein ehemaliger Googler

und ein bei Facebook Angestellter haben

das gebaut und haben es innerhalb von

einem halben Jahr geschafft oder

innerhalb von weniger Monat weniger

Monaten geschafft die viele der gängigen

Modelle vom Stand wegzuschlagen mit mit

ihrem ersten Modell und es wird

weiterhin besser ausgerechnet Meta wird

sozusagen der Overlord der der Open

Source und hat mit Lama 3 Modell gebaut

was viele kommerzielle Modelle

inzwischen schlägt das ein bisschen

langweilig ähm wie sind die beiden beste

Freunde geworden rechts ist der CEO von

Nvidia links ist Mark sackerberg die

fand es lustig Jacken zu tauschen

verstehe ich nicht ich weiß nicht warum

Mark Zuckerberg so happy ist ich weiß

aber warum Jenson Wang so happy ist den

Start habt ihr n nicht schon mal gesehen

weil Meta der größte Kunde von Nvidia

ist Meta wird dieses

Jahr bis zu 40 Milliarden Dollar in AI

Chips ausgeben und in AI in investieren

die sie dann Open Source machen zum

Vergleich 40 Milliarden das Apollo

Programm hat in heutigen Dollars 29

Milliarden gekostet das hat zwei

Menschen auf den auf den Mond gebracht

und tausende oder nicht 1us aber z

Trägerraketen in die Luft gejagt und das

ist das Geld was Meta ab jetzt jedes

Jahr in AI investiert um dann Open

Source allen zurückzugeben das klingt

dumm macht aber wahrscheinlich doch Sinn

einerseits weil man weil Meter dadurch

tatsächlich Tracking deutlich verbessern

konnte mit Hilfe von AI und das Tracking

Problem was Apple ihn auferlegt hat

lösen konnte

sie können Ihr Ranking und

recommendation System verbessern sie

können Chatbots und Copiloten anbieten

die jetzt schon überall in Instagram und

so sieht sie können bei der

Unterstützung also können neuen Content

schaffen helfen und Sie können vor allen

Dingen das AI Rennen für alle anderen so

ein bisschen beenden damit weil im

Moment haben wir das Problem die großen

techkonzerne haben ihre super mächtigen

Modelle so ein bisschen wie

nuklearbomben die großen Atommächte

haben nuklearbomben und alle anderen

haben Problem und was Meta macht ist

einfach jedem jedem die Atomwaffe zu

geben indem sie Open Source eins der

besten Modelle anbieten und dadurch den

Gewinn für alle anderen ruinieren so ein

bisschen auch und warum sollte das

anders aussehen als im Internet damals

wo eigentlich fast alles was

Infrastruktur ist Open Source war ich

bin fast in der Zeit und fast fertig bin

bisschen überrascht

[Musik]

darüber haben wir gestern schon auf der

Bühne ein bisschen geredet und im im

Podcast auch ist es vollkommen klar dass

souveräne Städten Städte eigene Modelle

wollen es gibt Länder in der Welt die

wollen keine westlichen llms die haben

andere Definition von Kultur andere

Definition vonon von von Wahrheit

deswegen ist vollkommen klar dass China

Russland der Iran hat ein eigenes

LLM ein LLM muss auch die lokale Kultur

wahrscheinlich m irgendwie vertreten

sonst

wird es in vielen Bereichen der Welt

nicht anwendbar sein es gibt in China

ein Modell das so gut ist dass GPT V

Turbo schlägt senstime 5 pun n0 heißt

das es macht allein auch schon deswegen

Sinn weil die meisten Modelle auf

Content kreiert sind der überwiegend in

englischer Sprache

geschrieben wurde das heißt allein um

z.B indische Menschen die die Hindi

sprechen oder Bengali oder Leute die in

Philippinen leben oder so sozusagen mit

einzubeziehen muss man spezialisierte

souveräne Modelle

aufbauen wir haben das leider noch nicht

geschafft Alif Alpha ist eine der

wenigen companies die noch genau gar

kein Modell submit hat bei hugging face

der plat ich hoffe dass wenn ich

nächstes Jahr vielleicht einen ähnlichen

Vortrag wiederhalte dass wir dann auch

ein schönes deutsches Modell schon haben

was wir noch mehr sehen werden ist

schlankere Modelle Modelle werden

kleiner werden weniger stromverbrauchen

weniger Daten brauchen es gibt mix of es

wird mix of experts Modelle geben wo für

jede Frage ein anderes spezialisiertes

Modell gefragt wird es gibt compound

Models die so schrittweise übereinander

lagernd Dinge beantworten wir werden

weiter viel Investment sehen in AI das

Problem ist die das Investment kommt nur

von oder hauptsächlich von den großen

Tech companies zwei Drittel der

investments in generative ai wurden von

den großen techkonzernen und Nvidia

gemacht 8% des gesamten Venture Capital

volumes wird inzwischen von App und

Google gemacht jeder dieser Konzerne

macht mehr investments in generative ai

wie die gesamte Silicon Valley VC Szene

zusammen die haben auch ein großes

Interesse daran weil wenn die Firma 1

Million geben womit sie mit mit dann

wenn sie mit der Million dann wieder bei

Microsoft sich ins Datacenter einkaufen

um die sozusagen Chips zu beanspruchen

zum zum Training macht Microsoft mit

diesem Umsatz s das 15fache an

Marktbewertung wieder gut wenn Microsoft

einem also Microsoft gibt jemand eine

Million hier ich investi Startup die

geben das bei Microsoft wieder aus

Microsoft macht Million mit 1 Million

Umsatz wenn Microsoft Million Umsatz

mehr Macht wer sie an der Börse gerade

15 Millionen mehr wert

ähm Modelle werden lernen

Schlussfolgerung zu treffen sie können

das teilweise schon sie können planen äh

sie werden menschlicher werden nächstes

Jahr

ähm wird

ai suche killen letztes Jahr war ich mir

relativ sicher dass das nicht tut ich

glaube aber schon äh dass es

wahrscheinlicher wird oder ich habe im

Podcast gesagt dass Microsoft unbedingt

noch mal ein Angriff auf suche nehmen

muss allein Umag die LinkedIn Daten

besser verwerten zu können wenn wenn

Microsoft wüsste was die Leute die es

auf LinkedIn ansprechen kann suchen

könnten sie mir so viel sales agents

wenn sie wüssen ich habe nach cm

Software gesucht letzte Woche wäre das

so wertvoll für Microsoft dass sie es

eigentlich machen müssen ich bin mir

relativ sicher dass Google wenn sie

durch den Spion gucken

das Sehen und ein oder es sind 200

Milliarden Businessmodell search am Ende

auch selbst wenn ich nur 5% davon habe

sind das 10 Milliarden und wir haben

gerade gelernt Milliarden sind für

Microsoft 150 Milliarden Firmenbewertung

die sie h zuulegen

können morgen hat openi ein Event

angekündigt wo niemand weiß worum es

geht aber sie haben auch die Subdomain

search.jgbt freigeschaltet die ist zwar

noch not found aber wenn es sie nicht

geben würde würde die Fehlermeldung

anders aussehen es könnte gut sein dass

damit sozusagen noch mal eine search

Möglichkeit angeekündigt wird morgen und

das letzte oder vorletzte was ich noch

sagen möchte ist es gibt eine

riesengefahr die ich sehe dass das

gleiche passiert was wir in der Online

Werbung gesehen haben nämlich dass ein

großer Teil der Wertschöpfung aller

Industrien durch wenige Konzerne

abgeschöpft wird und dieses Geld in

Europa nicht mal mehr versteuert wird

sondern direkt in die USA wandert das

wird für unsere Staatsfinanzierung ein

riesen Problem es ist für die unsere

Wertschöpfung sowieso ein Problem das

ist mit Onlinewerbung genauso passiert

jeder von euch zahlt irgendwo 3 bis 5 %

Google Steuern teilweise deutlich mehr

das geht in die USA es wird hier kaum

noch versteuert und das gleiche wird mit

AI passieren wir werden alle ai

einsetzen die wird bei großen

techkonzernen sitzen das wird unsere

Unternehmen produktiver machen aber

dafür werden wir Geld zahlen und diese

wertschäpfung landet in den USA wenn wir

nicht eigene souveräne europäische

deutsche Modelle äh bauen und deswegen

ist das Thema ähm so wichtig ich

versuche mal positiv zu enden das ist

deswegen kann das noch nicht das Ende

sein aber letztes Jahr habe ich gesagt

wir haben in Deutschland unheimlich viel

Entwickler und mehr braucht man

eigentlich nicht um gute ai zu bauen

gute Entwickler und Entwicklerin

natürlich und wir haben nicht nur viele

davon sondern nach dem ai Index von

Stanford schließen diese sogar relativ

gut ab die sind relativ gut auf ai

eingestellt das drittbeste Land der Welt

in im ai Skillset also wenn jemand sagt

er ist Entwickler oder Entwicklerin dann

ist er wenn er aus Deutschland kommt

eigentlich besonders gut für AI

qualifiziert und ich hoffe dass viele

dieser Entwickler uns ein souveränes

Modell bauen für die Zukunft und ich

danke euch für die drei extraameten und

die Aufmerksamkeit ihr könnt unter dem

Link die Folien und ein Video später

runterladen ich freue mich wenn ihr mir

auf LinkedIn folgt News abonniert oder

unseren Podcast zuhörst vielen Dank für

die

[Applaus]

Aufmerksamkeit

Philip Philip Klöckner der absolute

Wahnsinn du danke ich habe die ganze

Zeit immer versucht zu hören wann atmet

Philip denn

eigentlich jetzt du hast jetzt einfach

mal ganz kurz 45 Minuten durchgeredet

hat die Zeit den dies Jahr gereicht oder

willst du wieder kommen ein bisschen

mehr ne noch mehr Brau ich nicht ich

mach Biss komak noch näch

malner Wahnsinn