Warum Deutschland kein eigenes KI-Modell hat – und was das für deine Zukunft bedeutet

Kapitel 01

Die große Warum-Frage: Strukturelle, politische und unternehmerische Gründe für das Fehlen eines deutschen KI-Modells

Deutschland ist eine Industrienation mit Weltruf. Autos bauen wir phänomenal. Maschinen, die andere Maschinen bauen? Absolute Weltklasse. Aufzüge, Brot und Philosophie? Ungeschlagen. Und trotzdem – wenn es um das Betriebssystem der nächsten Industrierevolution geht, also um grundlegende KI-Modelle, die Sprache verstehen, Bilder erzeugen, Code schreiben und Entscheidungen vorbereiten – schauen wir uns um wie ein Tourist in einem Fremdsprachenkurs. Verstehen vieles. Machen selbst: nichts.

Warum? Lass uns das auseinandernehmen. Und zwar ehrlich.

Das Risikokapital-Problem: Wir spielen auf Sicherheit, während andere pokern

OpenAI hat Milliarden verschlungen, bevor auch nur ein Cent Gewinn geflossen ist. Anthropic (die Firma hinter Claude) hat im Jahr 2023 allein mehrere Milliarden Dollar eingesammelt – mit der Aussicht auf noch mehr Verluste. Mistral aus Frankreich hat innerhalb weniger Monate Hunderte Millionen Euro erhalten. Das ist kein normales Investment. Das ist eine Art technologisches Glücksspiel mit staatlicher Rückendeckung und dem Hunger nach struktureller Macht.

In Deutschland funktioniert das Ökosystem anders. Deutsches Risikokapital ist, im internationalen Vergleich, konservativ bis zur Selbstkarikatur. Nicht weil die Investoren dumm wären – im Gegenteil. Aber die Strukturen fehlen: Weniger Mega-Fonds, weniger Risikobereitschaft für Pre-Revenue-Phasen über mehrere Jahre, und eine tiefe kulturelle Überzeugung, dass etwas profitabel sein sollte, bevor man ernsthaft investiert. Diese Mentalität ist für einen Mittelständler grandios. Für das Training eines Frontier-KI-Modells ist sie ein Todesurteil.

Das Regulierungs-Paradox: Wir schreiben Gesetze, während andere Modelle trainieren

Hier kommt ein Punkt, der einen etwas schizophren stimmt: Deutschland und die EU sind in Sachen KI-Regulierung Weltmarktführer. Der AI Act ist ein beeindruckendes Dokument. Er schützt Grundrechte, sorgt für Transparenz, definiert Risikostufen mit der Akribie eines deutschen Ingenieurs.

Und gleichzeitig: Während wir das Regelwerk für das Spiel geschrieben haben, spielen andere bereits in der Profi-Liga. Die EU-Regulierung ist so umfangreich, dass Start-ups in der Frühphase – wo Experimente, Fehler und schnelles Iterieren entscheidend sind – unter der Last der Compliance-Anforderungen zusammenbrechen, bevor sie irgendetwas Bedeutendes gebaut haben.

Das ist nicht gegen Regulierung als Prinzip gesagt. Es ist die Beobachtung, dass Regel-Setzen und Technologie-Bauen zwei verschiedene Fähigkeiten sind, und wir haben uns sehr konsequent für eine davon entschieden. Bravo, Europa. Wir sind Weltmeister im Schiedsrichten eines Spiels, das wir selbst kaum spielen.

Das institutionelle Silo-Problem: Exzellenz ohne Schnittstellen

Deutschland hat brillante KI-Forschung. Das DFKI in Saarbrücken, das Max-Planck-Institut für Intelligente Systeme in Tübingen, das Helmholtz-Zentrum, Dutzende Lehrstühle an TU München, KIT, TU Berlin – das ist alles wirklich gut. Wirklich.

Das Problem: Diese Exzellenz ist in Silos eingeschlossen. Universitäten publizieren. Fraunhofer-Institute beraten. Industrie adoptiert, wenn es sicher genug ist. Der Transfer von Grundlagenforschung zu skalierbaren, kommerziellen Produkten ist in Deutschland traditionell schleppend – und bei KI, wo dieser Transfer unglaublich schnell sein muss, ist "schleppend" ein tödliches Adjektiv.

Silicon Valley hat dieses Problem durch geographische Nähe, Netzwerkeffekte und eine Kultur des schnellen Scheiterns gelöst. In China hat der Staat dieses Problem schlicht befohlen zu lösen. In Deutschland diskutieren wir noch, ob der Datenschutzbeauftragte des Bundeslandes A konsultiert werden muss, bevor Forschungsdaten aus Hochschule B an Unternehmen C fließen dürfen.

Kapitel 02

Was die USA und China haben – was wir nicht haben

Lass uns fair sein und den Elefanten im Raum benennen. Nein, gleich zwei Elefanten. Einen mit Sternenbanner und einen mit rotem Stern. Beide riesig. Beide sehr gut ernährt.

Der amerikanische Trumpf: Risikokapital, Skalierungskultur und Geopolitik als Treibstoff

Amerika hat nicht einfach mehr Geld. Amerika hat eine Kultur des strukturierten Irrsinns. Man nimmt eine Idee, gießt Kapital drüber bis sie brennt, und schaut, ob das Licht der Welt erhellt oder die Garage abbrennt. Beides ist akzeptabel. Das Scheitern wird mythologisiert. Der Erfolg wird milliardenfach repliziert.

Dazu kommt: Die USA haben NVIDIA. NVIDIA ist für KI das, was Öl für den Verbrennungsmotor ist – es gibt kein funktionales Substitut, und die USA haben einen quasi-monopolistischen Zugriff darauf. Der US-Staat hat darüber hinaus aktiv verhindert, dass moderne NVIDIA-Chips nach China exportiert werden, was zeigt: Diese Regierung versteht, dass Halbleiter und KI keine Tech-Spielzeuge sind, sondern geopolitische Waffen.

Der chinesische Trumpf: Staatliche Willenskraft und Datenmacht

China macht es anders, aber mit ähnlichem Effekt. Der Staat entscheidet: KI ist strategische Priorität. Ergo: Geld fließt. Universitäten liefern. Unternehmen gehorchen (oder verschwinden leise von der Bildfläche, wie wir bei manchen Tech-CEOs gesehen haben). Das ist nicht schön. Es ist auch nicht demokratisch. Aber es ist effektiv.

Außerdem hat China etwas, das kaum ein anderes Land in diesem Ausmaß besitzt: Datenmacht durch Bevölkerungsgröße kombiniert mit staatlichem Zugriff auf diese Daten. 1,4 Milliarden Menschen, die täglich Milliarden Interaktionen erzeugen, mit deutlich weniger Datenschutzeinschränkungen. Für ein Unternehmen wie Baidu oder Tencent ist das ein Training-Paradies.

Was wir wirklich nicht haben: Die drei kritischen Fehlenden

Kapitel 03

Was wir haben, was die nicht haben

Jetzt mal kurz Pause mit dem Selbstgeißeln. Denn Deutschland und Europa sind nicht einfach nur das schlafende Schlusslicht. Wir haben echte Stärken – und die sind relevanter, als viele glauben. Nur nutzen wir sie noch nicht systematisch genug.

Vertrauen als Infrastruktur: Der unterschätzte Standortvorteil

Stell dir vor, du müsstest dem KI-System, das deine Krankenakte verwaltet, deinen Rechtsstreit analysiert oder dein Unternehmen berät, blind vertrauen. Würdest du das eher einem Anbieter aus San Francisco tun, der dem Patriot Act unterliegt? Oder einem, der unter EU-Recht operiert, von einer unabhängigen Aufsicht überwacht wird und dessen Datenspeicher nachweislich in Frankfurt steht?

Vertrauen ist kein weiches Marketingversprechen – es ist ein harter wirtschaftlicher Vorteil. Und nirgendwo auf der Welt ist das Misstrauen gegenüber Big Tech so groß und gleichzeitig so gut institutionell verankert wie in Europa. Das schafft eine echte Nachfrage nach europäischen KI-Alternativen, gerade in Branchen wie Gesundheit, Recht, Finanzen und öffentliche Verwaltung.

Industrielle Tiefe: Wir haben die perfekten Anwendungsfälle

Während amerikanische KI-Unternehmen Chatbots für Millennials und Werbetext-Generatoren bauen, hat Deutschland etwas, das global einzigartig ist: eine der komplexesten und digitalisiertesten Industrielandschaften der Welt, die nach KI-Lösungen schreit.

Präzisionsfertigung, Automobilengineering, Chemie, Logistik, Pharmakologie – das sind keine sexy Consumer-Apps. Aber das sind Milliarden-Märkte mit ernsthaftem Bedarf an KI-Modellen, die Maschinenanomalien erkennen, chemische Verbindungen optimieren oder komplexe Supply-Chains in Echtzeit managen. Für diese Probleme braucht man kein hübsches Interface. Man braucht Tiefe, Präzision und das Vertrauen der Industrie. Beides haben wir.

Regulierungskompetenz: Weltexport für den Standard von morgen

Der EU AI Act ist nicht nur ein Regelwerk. Er ist ein globaler Standard in der Entstehung. Genau wie die DSGVO: Anfangs belächelt, heute de facto Weltstandard für Datenschutz. Californische Tech-Firmen mussten ihre Prozesse anpassen. Nicht wir.

Das bedeutet: Wer heute KI baut, die von Anfang an EU-AI-Act-konform ist, hat einen strukturellen Exportvorteil in alle Märkte, die diesen Standard übernehmen werden – und das werden viele sein, weil Demokratien dazu neigen, sich gegenseitig anzupassen statt sich dem günstigsten Regelwerk anzugleichen.

Kapitel 04

Szenarien: Was passiert, wenn wir nichts tun?

Jetzt wird's unangenehm. Stell dir vor, wir bauen nie ein eigenes Modell. Wir konsumieren weiterhin. Wir integrieren fleißig APIs. Wir schreiben Wrapper. Was passiert dann – in zehn, zwanzig Jahren? Drei Szenarien, von freundlich bis apokalyptisch.

Das Good-Case-Szenario: Klingt gut, ist aber ein Wettschein

Lass uns das "es wird schon gut gehen"-Szenario ernst nehmen. Es stimmt: Bislang haben US-KI-Anbieter keine nennenswerten politischen Restriktionen gegenüber Europa gezeigt. Microsoft, Google, OpenAI – alle operieren hier, alle bauen Rechenzentren, alle wollen europäische Kunden.

Aber: Dieses Szenario setzt voraus, dass geopolitische Stabilität, freie Märkte und guter Wille dauerhaft existieren. Das ist kein Plan. Das ist Hoffnung. Und Hoffnung ist bekanntlich keine Strategie.

Das Neutral-Case-Szenario: Der schleichende Souveränitätsverlust

Das wahrscheinlichste Szenario ist nicht dramatisch. Es ist still. Wenn KI zur universellen Infrastruktur wird – so wie Strom, Internet, Mobilfunk – dann entscheidet, wer diese Infrastruktur kontrolliert, auch über gesellschaftliche Kernfragen: Wie werden Bewerbungen gefiltert? Wie werden Nachrichten kuratiert? Welche medizinischen Diagnosen werden vorgeschlagen? Welche Rechtsinformationen erscheinen?

Das ist keine Science-Fiction. Das passiert heute schon. Und wenn alle Antworten durch einen amerikanischen oder chinesischen Filter laufen, dann formt dieser Filter – subtil, nicht dramatisch, aber konstant – unsere Realität. Ohne böse Absicht. Einfach durch Weltanschauung, Trainingsdaten und kommerzielle Logik.

Das Worst-Case-Szenario: Wenn die Küche gefriert

Hier liegt das echte Risiko. Nicht in Sci-Fi-KI-Dystopien, sondern in nüchternem Geopolitik: Export-Kontrollen existieren bereits. Die USA haben NVIDIA-Chip-Exporte nach China massiv eingeschränkt. Was, wenn ein Handelskonflikt mit Europa dazu führt, dass bestimmte KI-Capabilities nicht mehr exportiert werden dürfen?

Was, wenn OpenAI – aus regulatorischen oder politischen Gründen – entscheidet, bestimmte Dienste in Europa einzustellen? Das ist nicht undenkbar. Apple hat Apps aus chinesischen App Stores entfernt. Google hat sich aus bestimmten Märkten zurückgezogen. Die Frage ist nicht ob, sondern wann das erste große KI-Unternehmen eine politisch motivierte Entscheidung trifft, die Europa betrifft.

Kapitel 05

Die Voraussetzungen: Was müsste passieren?

Genug gejammert. Was wäre eigentlich nötig, damit Deutschland oder die EU ein wirklich wettbewerbsfähiges Frontier-KI-Modell baut? Hier ist die unbequeme Antwort: Es ist möglich. Es ist aber verdammt anspruchsvoll, und es erfordert Dinge, die wir bislang nicht gewohnt sind zu tun.

Politisch: Vom Verwalten zum Gestalten

Erstens braucht es politischen Willen auf einer Ebene, die wir in Deutschland zuletzt beim Atomkraftwerk-Ausbau oder beim Autobahnbau gesehen haben – also selten, aber es geht. Ein KI-Modell auf Frontier-Niveau ist ein nationales Infrastrukturprojekt. Es muss so behandelt werden.

• Ein European AI Compute Act, der Rechenzentren mit garantierter öffentlicher Beteiligung aufbaut – vergleichbar mit dem US-CHIPS Act
• Steuerliche Sonderregelungen für KI-Forschung und -Entwicklung in der Frühphase (Verlustvorträge, F&E-Abzüge, Gründerprivilegien)
• Datenzugangspolitik: Öffentliche Daten (Behörden, Krankenkassen, Verkehrssysteme) als lizensierbare Trainingsressource – mit echtem Datenschutz, aber ohne totale Blockade
• Schnelle Visa-Programme für KI-Talente aus aller Welt – Europa verliert zu viele Spitzenforscher an US-Firmen, die dreimal mehr zahlen
• Ein "European AI Champion"-Programm analog zur Airbus-Story: Wenn wir gemeinsam Flugzeuge bauen können, können wir gemeinsam KI-Modelle bauen

Unternehmerisch: Vom Integrator zum Schöpfer

Das Unternehmer-Problem ist kulturell genauso wie strukturell. Deutsche Gründer bauen, was funktioniert. Das ist respektabel. Aber Frontier-KI ist zunächst nicht das, was funktioniert. Es ist das, was irgendwann, nach massivem Investment und echtem Scheitern-Können, funktionieren könnte.

Was bräuchte es?

• Große Industriekonzerne (Siemens, SAP, BMW, BASF) müssten aufhören, KI zu konsumieren, und anfangen, sie mitzuproduzieren – ähnlich wie sie einst eigene Forschungslabore aufgebaut haben
• Ein Mindset-Shift: KI-Talent mit US-Gehaltsniveau zu bezahlen, nicht mit deutschem Tarifvertrag-Niveau
• Gründerkultur, die "wir bauen was kaputt, lernen, und machen weiter" ernst meint – nicht als Slogan, sondern als Board-Level-Strategie
• Vertikale Spezialisierung: Nicht OpenAI kopieren, sondern das beste Industriemodell der Welt für Fertigungsoptimierung, Medizin oder Recht bauen

Kapitalseitig: Das Funding-Problem ernsthaft lösen

Hier ist eine radikale Idee: Was, wenn der europäische Staatsfonds, die EIB und große institutionelle Investoren gemeinsam einen 20-Milliarden-Euro-Fonds auflegen würden, ausschließlich für KI-Grundlagenmodelle? Das klingt nach viel. Es ist so viel wie die USA in einer einzigen Finanzierungsrunde in ein einziges Unternehmen stecken.

Kapital ist nicht das eigentliche Problem – Risikobereitschaft ist das Problem. Europas Kapitalmärkte haben Geld. Was fehlt, ist die Akzeptanz von langfristigem, binärem Risiko: entweder wird es zur bedeutenden Infrastruktur, oder das Geld ist weg. Das muss politisch und kulturell neu verhandelt werden.

Technisch: Die Infrastruktur-Souveränität

Kein eigenes KI-Modell ohne eigene Recheninfrastruktur. Das bedeutet konkret:

• Europäische Rechenzentren mit garantiert europäischer Rechts- und Datensouveränität – nicht AWS Europe, sondern echte europäische Cloud
• Zugang zu GPU-Clustern für europäische Forscher und Start-ups zu wettbewerbsfähigen Kosten (HPCQS geht in die richtige Richtung, reicht aber nicht)
• Langfristig: europäische KI-Chip-Strategie. TSMC-Werk in Dresden ist ein Anfang. Aber für eigene KI-Chips braucht es mehr als eine Fabrik – es braucht Chip-Design-Kompetenz
• Open-Source-Modelle als Brücke: Aleph Alpha, Mistral und andere europäische Modelle nutzen und weiterentwickeln, als Grundlage für souveräne Finetuning-Schichten

Kapitel 06

Was du tun kannst – als App-Entwickler, als Gründer, als Mensch

Jetzt kommt der Teil, der sich nicht nach großem Geopolitik-Referat anfühlt, sondern nach deinem Alltag. Denn egal ob du eine App baust, ein Unternehmen führst oder einfach KI konsumierst: Du hast mehr Einfluss als du denkst. Nicht weil ein Individuum die Welt rettet – sondern weil Aggregate aus Entscheidungen bestehen.

Als App-Entwickler: Souveräne Architektur-Entscheidungen treffen

Wenn du KI in deine Anwendung integrierst, triffst du politische Entscheidungen. Das klingt übertrieben, ist es aber nicht. Jede API-Abhängigkeit ist eine Abhängigkeit. Jede Abhängigkeit ist ein Risiko. Jedes Risiko sollte bewusst eingegangen werden.

• Nutze Abstraktionsschichten wie LangChain, LiteLLM oder eigene Adapter-Patterns, die es dir ermöglichen, das zugrundeliegende Modell zu wechseln – ohne deine gesamte Architektur umzuschreiben
• Experimentiere aktiv mit europäischen Modellen: Aleph Alpha Luminous (Deutschland), Mistral (Frankreich), Berlin-AI-Initiativen – auch wenn sie heute noch nicht GPT-5-Niveau haben, werden sie besser. Und dein Feedback zählt.
• Baue Monitoring und Transparenz ein: Welches Modell beantwortet welche Anfragen? Das hilft dir beim Wechsel und gibt dir Daten über Qualitätsunterschiede
• Melde dich in Open-Source-Projekten zu Wort: Hugging Face, EleutherAI, LAION – europäische Beteiligung an globalen Open-Source-KI-Projekten ist eine Form der Souveränität
• Denke bei Datenschutz und DSGVO-Compliance nicht als Last, sondern als Feature: Das ist dein Wettbewerbsvorteil gegenüber US-Konkurrenten in sensiblen Märkten

Als Gründer oder Entscheider: Die Nachfrage lenken

Märkte folgen Nachfrage. Wenn europäische Unternehmen ausschließlich OpenAI-APIs nutzen, signalisiert das: Es gibt keinen Markt für europäische Alternativen. Wenn europäische Unternehmen bewusst 20% ihres KI-Budgets für europäische Anbieter reservieren – auch wenn die noch nicht gleichwertig sind – entsteht ein Markt. Märkte erzeugen Investment. Investment erzeugt Modelle.

Das klingt wie Idealismus. Ist es aber nicht: Es ist strategisches Beschaffungsmanagement. Du diversifizierst deinen Technologie-Stack genauso wie du einen Lieferanten diversifizierst. Weil Abhängigkeit teuer werden kann.

Als Mensch und Bürger: Das Narrativ mitgestalten

KI-Souveränität ist kein Technikerthema. Es ist ein gesellschaftliches Thema, und es wird in Parlamenten, Zeitungsartikeln, Schulen und Abendgesprächen verhandelt. Jeder, der versteht, was hier auf dem Spiel steht, hat eine kleine Pflicht, dieses Verständnis weiterzugeben.

• Sprich mit deinen Abgeordneten – klingt naiv, wirkt aber. Besonders auf Bundesebene ist das Thema KI-Souveränität noch nicht tief genug in allen Köpfen
• Unterstütze Journalisten und Publikationen, die über KI-Geopolitik informieren – dieses Wissen gehört in die Breite
• Nutze Bildungsangebote: Die Bundesregierung, Fraunhofer, TU München und andere bieten KI-Weiterbildungen an. Ein digital-kompetentes Land baut bessere Lösungen
• Sei kritischer Konsument: Welche Daten gibst du an welche KI-Systeme? Nutzt du die Möglichkeit, datenschutzfreundlichere Alternativen zu wählen?

Kapitel 07

Die Mistral-Lektion: Was Europa richtig machen kann

Bevor wir in vollständigen Pessimismus verfallen: Es gibt einen Beweis, dass es möglich ist. Er heißt Mistral und kommt aus Paris. Gegründet 2023 von ehemaligen DeepMind- und Meta-Forschern, innerhalb weniger Monate auf Milliardenbewertung, mit Modellen die technisch auf Weltklasseniveau konkurrieren. Und: europäisch, regulierungskonform, Open-Source-freundlich.

Was die Mistral-Geschichte uns lehrt

Talent ist da. Die Gründer von Mistral haben in US-Firmen gearbeitet. Sie hätten dort bleiben können. Sie haben sich entschieden, in Europa zu gründen – weil es Kapital, Nachfrage und eine Marktlücke gab. Das ist kein Einzelfall: Es gibt eine Generation europäischer KI-Forscher, die das Potenzial hätte, hier zu bauen – wenn die Bedingungen stimmen.

Spezialisierung schlägt Masse. Mistral kämpft nicht Kopf-an-Kopf mit GPT-5 im Generalisten-Markt. Sie bauen effiziente, schlanke Modelle, die bestimmte Aufgaben exzellent erledigen – und sind dabei Pioniere bei Open-Source-KI. Das ist der richtige Ansatz für Europa: nicht Kopieren, sondern Differenzieren.

Aleph Alpha und das Spezialisten-Modell

Aleph Alpha aus Heidelberg hat einen anderen Weg gewählt: Fokus auf souveräne, vertrauenswürdige KI für Behörden, Verteidigung und kritische Infrastruktur. Weniger sexy als ein viraler Chatbot. Aber möglicherweise nachhaltiger – weil der Markt real und die Nachfrage strukturell ist.

Das zeigt das Muster, das Deutschland verfolgen könnte: Nicht das allgemeinste Modell der Welt bauen, sondern das vertrauenswürdigste, sicherste, regulierungskonformste Modell für spezifische Hochwertsektoren. Medizin. Recht. Industrie. Behörden. Das ist keine Nische. Das ist ein Riesenmarkt.

Die Airbus-Analogie: Wir haben es schon einmal gemacht

In den 1970ern war amerikanische Luftfahrt so dominant, dass kein europäisches Unternehmen allein gegen Boeing hätte bestehen können. Die Antwort war Airbus: Ein politisches Konstrukt, das ökonomische Vernunft mit strategischer Notwendigkeit verheiratete. Heute ist Airbus der einzige globale Konkurrent zu Boeing. Es hat 50 Jahre gedauert. Es war teuer. Es hat funktioniert.

Ein europäisches KI-Konsortium à la Airbus ist nicht undenkbar. Es erfordert denselben Willen: Nationale Eitelkeiten überwinden, langfristig denken, staatlich unterfüttern wo der Markt es nicht schafft. Ob dieser Wille existiert, ist die offene Frage. Die technische Möglichkeit existiert.

Kapitel 08

Das Fazit: Kühlschrank oder Herd?

Wir sind wieder in der Küche. Erinnerst du dich an den Meisterkoch vom Anfang? Hier ist die unbequeme Wahrheit: Wir sind gut darin, Zutaten zu kaufen, Rezepte zu lesen, Gerichte zu kombinieren und Gäste zu begeistern. Was wir noch nicht getan haben, ist: einen eigenen Herd bauen.

Das ist keine Katastrophe. Es ist eine Entscheidung – bewusst oder unbewusst getroffen. Und Entscheidungen können geändert werden.

Die drei ehrlichsten Sätze dieses Artikels

Erstens: Deutschland wird wahrscheinlich in den nächsten fünf Jahren kein GPT-Äquivalent produzieren. Das ist realistisch, nicht defätistisch.

Zweitens: Das muss es auch nicht. Was es braucht, sind ein oder zwei erstklassige, hochspezialisierte europäische Modelle in Kernbereichen – plus die Infrastruktur, um darauf aufzubauen. Das ist erreichbar.

Drittens: Nichts davon passiert von allein. Es passiert, wenn genug Menschen – Forscher, Gründer, Investoren, Politiker, App-Entwickler, Bürger – entscheiden, dass digitale Souveränität kein Luxus ist, sondern Grundvoraussetzung für Selbstbestimmung im 21. Jahrhundert.

Die eine Frage, die du dir stellen solltest

Nicht: "Baut Deutschland bald ein GPT-5-Killer?" Das ist die falsche Frage.

Sondern: In welcher Welt möchtest du leben, wenn KI tatsächlich zur Infrastruktur geworden ist – und wer soll dann den Herd kontrollieren?

Die Antwort auf diese Frage bestimmt, was du als nächstes tust. Als Entwickler. Als Unternehmer. Als Wähler. Als Mensch.