Lasse: Nach diesem brutalen Cliffhanger herzlich willkommen zurück zu Almost Intelligent, dem Podcast zu natürlicher und künstlicher Intelligenz. Ich bin Lasse und bei mir ist heute wieder und wir sprechen weiter über Souveränität, deshalb will ich gar nicht groß eine Einleitung machen. Wir haben beim letzten Mal gestartet, heute kommt der zweite Teil. André, leg los! André: André. Genau, ich finde auch deine Einführung schön. Das heißt, wir können zwischen künstlicher und natürlicher Intelligenz noch mal hin und her schauen. Künstliche Intelligenz ist das, worüber wir am Ende gesprochen haben, souveräne KI. Was gibt es da eigentlich für Möglichkeiten, das aufzubauen? Und die natürliche Intelligenz und wir sind dann eben dabei, müssen entscheiden, was davon wir wirklich nutzen, welche Daten wir vielleicht auch freigeben. Und ich muss ja auch, wir haben ja schon drüber gesprochen, wir nutzen natürlich auch die Tools, die uns die amerikanischen Systeme geben. benutze auch ⁓ chinesische Modelle und so weiter. heißt, man muss natürlich darüber nachdenken, einfach nur, was bedeutet das? Ich will einmal kurz sagen, was es für Infrastrukturmöglichkeiten gibt. Das machen wir vielleicht ganz kurz, einfach nur damit ihr die Worte schon mal gehört habt. GAIA-X ist so ein Ding, das schon so häufig totgesagt wurde, glaube ich, solange es es gibt, weil die meisten Leute, glaube ich, auch nicht hundertprozentig verstehen, was es bedeutet. Erstmal vor und weg ist es keine Cloud. Es ist nicht ein AWS, ist nicht ein Google, auf den man rechnen kann, sondern es geht darum, europäische Initiative zu haben. Das heißt, haben uns hingesetzt und quasi ein Regelwerk aufgebaut. Wie können wir Dateninfrastruktur so aufbauen, dass sie verteilt funktioniert? Man spricht sehr häufig da auch schon von föderierter Dateninfrastruktur. Föderales System kennen wir, nämlich verteilte Macht. Und darum geht es hier auch. Das heißt, wir haben ein System, das verschiedene Anbieter in einer vertrauenswürdigen Umgebung vernetzt. Also könnte man sich jetzt vorstellen, wenn Nehmen wir jetzt noch mal die großen Google, Amazon, Microsoft hätten sich jetzt verknüpft und würden sagen, okay, wir lassen euch alles verschlüsselt zur Verfügung stellen und so weiter. Dann hätte man so eine Allianz geschmiedet. Und jetzt nehmen wir nicht die großen Amerikaner, von denen wir letztes Mal gesprochen haben, dass es nicht besonders sicher ist, sondern wir gucken jetzt mal auf zum Beispiel europäische Anbieter, die sagen, wir wollen, dass unsere Systeme miteinander sprechen können. Das kann von Haushaltselektronik sein, das können Autos sein, die miteinander reden, das kann natürlich alles mögliche sein. Wir kümmern uns mal ⁓ Datenräume heute, ⁓ Datensouveränität und ⁓ KI. Insofern, da redet man hauptsächlich dann von Rechenzentrum und wie können die überhaupt miteinander reden. es wäre natürlich schön, wenn ich eben nicht sagen würde, ich muss mich auf genau einen Anbieter festlegen, sondern ich habe eben die Möglichkeit schnell zu wechseln. Da geht es auch wieder darum, viel Kontrolle zu haben über das, wo meine Daten liegen und wo meine Services dann auch nachher liegen. Dafür hat sich eine Association, eine Non-Profit-Organisation gegründet, die IDSA, die International Data Space Association, die Datensouveränität aufbaut. Das heißt, die sagen im Prinzip, was für Standards gibt es? Lasse: Die rein europäisch oder weltweit? André: Nee, die ist weltweit unterwegs. Das ist ja auch tatsächlich so, wenn ich jetzt gucke, wie sieht die Open Source Community zum Beispiel, da sprechen wir nachher nochmal kurz drüber aus, die ist natürlich weltweit verteilt und das ist auch völlig in Ordnung. Ehrlich gesagt... Lasse: Wenn du so weitermachst, wird's ein Dreiteiler. André: Ja, da ich ein bisschen auf die Tube drücken. Aber da steht zum Beispiel drin, wie baue ich auf, dass Datenaustausch funktioniert, wie kann ich souverän, also was heißt Datensouveränität, ich kann festlegen, wer darf meine Daten benutzen, wer muss zum Beispiel auch bezahlen für meine Daten, was kriege ich dafür. Welche Lizenzmodelle habe ich hinter den Daten? Das steckt da alles drin und wie das Ganze dann gebaut werden kann. Die haben dann eben auch gesagt, wie sieht so ein Connector aus, der IDS-Connector. IDSA hatten wir eben, IDS-Connector. Wie kann ich also zentrale technische Komponenten miteinander verknüpfen? Da gehe ich jetzt auch nicht tiefer drauf ein. Können wir nochmal drüber sprechen, wenn wir wirklich nochmal über Datenräume irgendwann sprechen wollen. Das wichtige, glaube ich, was da noch in der Infrastruktur fehlt, ist so ähnlich, wir hatten mal über Agenten gesprochen, da haben wir gesagt, es gibt diese MCP-Layer und diese A2A-Layer, mit denen sich die Sachen unterhalten. So ähnlich sollte das eben auch bei diesen Datenräumen sein. Das heißt, man muss nicht nur sagen, wofür darf mein Daten benutzt werden, sondern auch, wie gehe ich überhaupt mit den Daten Und egal ob die verschlüsselt oder nicht, brauche ich halt einen gemeinsamen Header und das nennt man häufig Self Description oder Selbst Beschreibung, wo eben drin steht, was kann ich überhaupt mit den Systemen machen, warum ist das wichtig? Wir gehen wieder zur Kontrolle zurück, wenn ich schnell wechseln möchte. Du hast ja jetzt beim letzten Mal über deutsche Anbieter gesprochen. Jetzt sagen wir einfach mal, ich wollte von dem einen zu dem anderen wechseln. Da muss ich ja wissen, wie diese einzelnen Services funktionieren und dafür ist es halt besonders wichtig, dass das sehr, sehr transparent ist und das mag für viele Menschen erstmal merkwürdig klingen. ⁓ Sicherheit und Kontrolle zu erlangen muss ich Transparenz haben. Habe ich nicht viel mehr Kontrolle, wenn ich alles verschlüsselt und hinter hohen Zäunen habe und so dass niemand weiß was ich mache. Und tatsächlich ist es relativ eindeutig. Alle Studien sagen, je transparenter das System ist, je offener das System ist, desto besser kann ich es kontrollieren und desto besser kann ich es auch gegen Feinde sichern, gegen potenziell feindliche Angriffe. Und damit habe ich im Prinzip diesen Technologiestack aufgebaut, in dem ich da sicherlich unterwegs sein kann. Lasse: Das hatten wir schon beim letzten Mal. Was meinst du mit Stack? André: Ach so, Technologiestack, das heißt ich habe ja von meiner Infrastruktur, das heißt ich habe irgendwo CPUs, ich RAM, ich habe... eine Art und Weise Computer-Bausteine. wirklich die Hardware, die muss ich natürlich auch. Da drauf läuft Software, ⁓ diese Hardware anzusteuern. sagen Firmware dazu, die Sachen, die wirklich sehr hardwarenah sind, Mikrocontroller steuern, die Grafikkarte steuern. All das gibt es einmal proprietär. Da sind dann Treiber, die ich mir irgendwo im Internet runterladen kann oder es gibt die Open Source und dann weiß ich, okay, wenn ich die Hardware benutze, weiß ich auch tatsächlich, was da drin steckt. Lasse: Computerbausteine André: Dann der nächste Layer, brauche ein Betriebssystem, das heißt darauf muss irgendwie das ganze laufen, da drauf läuft dann Software. Jetzt haben wir, ich weiß nicht ob ihr das alle mitgekriegt habt, aber letztes Jahr gab es so einen großen Cloudflare-Outage, wo auf einmal die Hälfte des Internets nicht mehr funktionierte. Das ist so Infrastruktur, von der wir halt abhängig sind. Und das alles zusammengebaut, würde ich sagen, ist dann der Stack, der das ausmacht. Die ganzen Entwickler sprechen dann auch immer von ihrem Technologie-Stack, dass sie dann sagen, Lasse: Großer Spaß! André: Welche Programmiersprache benutze ich jetzt, ⁓ was aufzubauen? All das steckt da drinne. Das also im Prinzip das ganze Haus. Ich brauche halt ganz viele Gewerke, ⁓ das zusammenzubauen und so ist es hier bei unserer IT-Infrastruktur auch. sehr schön. ⁓ Genau, dann würde ich jetzt tatsächlich einmal schon mal abbiegen in Richtung, was gibt es denn so für Möglichkeiten, das Ganze dann auch wirklich sicher zu machen. Also ich habe jetzt einmal gesagt, Transparenz ist wichtig, ⁓ es sicher zu machen, aber natürlich, Transparenz kann auch sein, ich schiebe einfach alle meine Daten öffentlich ins Internet, dann habe ich nicht unbedingt eine hohe Sicherheit. Du hast mich mehrfach... Anfang des Jahres bei LinkedIn darauf aufmerksam gemacht, dass ich mal erklären muss, was föderiertes Lernen eigentlich ist. Insofern mache ich das hier auch noch mal. Föderiertes Lernen, hatten eben über föderierte verteilte Systeme und föderiertes Lernen ist eine Möglichkeit KI-Modelle zu trainieren, ohne die tatsächlichen Inhalte zu transportieren. Wie funktioniert das, wenn ich jetzt zum Beispiel, mein Lieblingsbeispiel ist die Tastatur am Handy. Ich weiß nicht ob du swipes oder tippst, aber du kannst halt auf der Tastatur... Genau, kannst du zum Beispiel so swipen, das heißt ich ziehe meinen Finger da drüber und jetzt ist es so, dass fast alle Menschen die Tasten nicht perfekt treffen. Lasse: Meistens. André: Und dann muss das System halt lernen, wenn ich jetzt Lasse schreibe, wie bewege ich denn dann meinen Finger da drüber und dann ist es zum Beispiel so, dass L selten erreicht wird, sondern dass die meisten bei K aufhören zu swipen. Und das muss natürlich so ein System lernen, sonst wird er immer Kasse schreiben, obwohl ich Lasse meine. Und das ist halt nicht sinnvoll. Und damit er das lernen kann, lernt er jetzt aber nicht das Wort Lasse, sondern er lernt gewisse Muster. Also wenn ich in Richtung L fahre, dann macht er das. und nur der Teil wird dann föderiert der Teil, diese Muster, diese Systeme, wie man darauf zugreift, die werden dann wieder ins Internet gegeben, damit wird trainiert und damit habe ich niemals wirklich den Eingabe der Tastatur ins Internet gestellt. Lasse: Also... Also es wird nicht quasi Lasse, sondern wenn vereinfacht L, realistischer wahrscheinlich für L, A oder sowas, ich da habe ich diese Wischbewegung und nicht diese Wischbewegung. Okay. André: Genau. Ja. Genau. Also tatsächlich, je nachdem wie ich Zusammenhänge baue, meistens ist es dann so, dass ich Silben oder kurze Absätze oder Folgen von Buchstaben in dem Fall zusammensetze, die kann ich dann eben abspeichern, kann damit auch das System insgesamt verbessern und dann kriege ich damit ein viel, besseres Ergebnis. Natürlich wäre es für das Gesamtsystem schöner, wenn ich alle Lasse: Ja. Ja. André: Keyboard-Eingaben hätte und alles damit teilen würde. Das ist allerdings nicht besonders sicher, denn falls ihr schon mal ein Passwort eingegeben habt mit eurer Tastatur, wollt ihr vielleicht auch nicht unbedingt, dass dieses Passwort direkt ins Internet gesprembt Tatsächlich, auch aufpassen, gerade beim Smartphone, was ihr für ein die Kino-App benutzt. Die nativen, also auf Android die Google-Variante, auf Apple die Apple-Variante, die sind eigentlich ganz okay. Die benutzen alle dieses föderierte Lernen. Es gab mal einen Leak bei den chinesischen Anbietern, chinesische Handyanbieter, die ihr eigenes Keyboard davor gesetzt haben und dann einfach jeden Tastendruck Internet gestreamt haben. Genau, also so viel zum föderierten Lernen, das kann man jetzt natürlich mal übertragen. Das kann man genauso in einem Krankenhaus, in einem mittelständlichen produzierenden Unternehmen machen, dass man eben einfach nicht alles gibt, sondern eben vorher Pakete schneidet und nur diese Modellupdates und nicht die Rohdaten eben streamt. Dann haben wir... gehe mal tief rein jetzt von dem was wir vielleicht alle schon mal gemacht haben auf der Tastatur geschrieben hin zu wirklich Confidential Computing. Also während die, das ist das was Confer benutzt, hatten wir darüber gesprochen, KI, die im Prinzip Ende zu Ende verschlüsselt werden möchte. ⁓ Lasse: Confer ist das von Signal, André: Genau, also von dem Signalgründer. Ich glaube die Firmen haben nicht unbedingt was miteinander zu tun, außer dass der Moxie beide gegründet hat, aber grundsätzlich genau. Da ist es so... Lasse: Ja, ja, ja. André: Ich habe im Prinzip eine Umgebung gebaut, die meine Daten verarbeiten kann, ohne dass sie die entschlüsselt. Das heißt, ich arbeite mit verschlüsselten Daten auf meinem Computer. Confidential Computing, also verschlüsseltes oder sicheres Computing. Dafür brauche ich sogenannte Trusted Execution Environments, also Umgebungen, in denen ich vertrauenswürdig ausführen kann. Im Prinzip heißt das, es wird erst genau dann entschlüsselt, wenn es quasi in die CPU geht und wenn es aus der CPU rauskommt, es wieder verschlüsselt. Und das ist natürlich ein spannender Aspekt, ist allerdings tatsächlich... schwierig und wird zwar angegeben, aber zum Beispiel Cloud Act hast du vorhin oder beim letzten Mal drüber gesprochen. Microsoft muss zum Beispiel Daten freigeben, Gerichte sie dazu zwingen und so Confidential Computing würde das halt verhindern erstmal. Deswegen ist es tatsächlich schwierig, sowas bei den großen Hyperscalern zu bekommen. ⁓ Noch interessanter ist dann so was wie homomorphic encryption. Das heißt wir verschlüsseln unsere Daten so, dass ich sie im Prinzip verarbeiten kann, ohne sie zu entschlüsseln. Also eben hatten wir das, wir sind in die CPU reingegangen, haben es da entschlüsselt, wieder verschlüsselt, sodass es niemals auf der Festplatte war. entschlüsselten Daten. Das ist natürlich schon mal ein Vorteil, aber ich habe es im Prinzip immer noch zwischendurch entschlüsselt und eine homomorfe Verschlüsselung würde dann bedeuten, ich habe meine Daten vorher so verändert, dass ich sie in der veränderten Variante ausrechnen kann. Ich mache mal ein Beispiel. Wir machen Rechenaufgaben mit unserem, das ist alles ein großer Taschenrechner und ich addiere einfach vorher immer eine Zahl drauf und lasse dann Additionsaufgaben. Ganz einfaches Beispiel, wir wollen ausrechnen plus und dann sagst du, du möchtest gerne 5 plus 5 ausrechnen und verschlüsselst die aber, indem du auf die eine 7 drauf addierst, vorher schon auf die andere 12. Lasse: Mhm. André: Das Beispiel ist bisschen blöd, weil es sehr einfach ist. Im Prinzip ist das so. Du veränderst die Zahlen vorher so. Und homomorph heißt, kannst es danach wieder zurückrechnen. Du kannst dann einfach 5 und 7 abziehen danach und kriegst dann ein anderes Ergebnis. Lasse: Aber nur für mein Verständnis. Ich verstehe für so was wie jetzt mathematische Aufgaben ja. Ich stelle mir das aber gerade bei den Anwendungsfällen generativer KI durchaus herausfordernd vor, weil wie wissen das System trainieren, wenn du... André: Ja. ist es auch. Lasse: Also da halte ich kognitive KI, also die KI, die ja eher wirklich so in Zusammenhängen geht und vielleicht auch manches mathematisch analysiert. Da halte ich das für eher anwendbar als jetzt in der klassischen Generativen, die viele ja nutzen, oder? André: Ja, ich würde sagen, wenn man genau unter die Haube guckt, ist auch bei generativer KI natürlich nachher nur 1 plus 1 ausrechnen. Weil ich meine, was kann ein Computer, der kann halt sehr sehr schnell sehr viele Zahlen addieren, in dem Fall sind es Matrix-Multiplikationen, die die Inferenz macht. Also im Prinzip könnte man das da auch machen. Meiner Erkenntnis nach gibt es aktuell keinen Anbieter, der sowas wie generative KI machen kann. Lasse: Ja. Mhm. Musste bauen. André: Das ist halt so, es ist super schwierig das zu machen. Ja, musstest du halt ein Netz aufbauen, das genau das so macht. Dann könnte man das sicherlich auch möglich machen. Denn, und da muss ich auch noch mal sagen, wir reden ja über natürliche und künstliche Intelligenz, generative KI denkt nicht wirklich nach. Wir sagen das immer so, aber da Prinzip auch sehr, große Zahlenmengen mit sehr, großen anderen Zahlenmengen multipliziert und nachher kommt eine Wahrscheinlichkeit raus. Und im Prinzip könntest du das da auch machen. Lasse: Ja. Ja, hatten wir schon mehrfach. André: ist das möglich. Praktisch ist es natürlich schwieriger, so etwas zu entwickeln. ⁓ Lasse: Ne, mein Problem ist eher, was ist das Lernende, wenn ich es nicht reingebe? ist ja, das finde ich das praktische Problem, wo ich sogar die, auch wenn ich es nicht gut finde, dass sie Datenschutz und Intellectual Property Verstöße haben. Rein rational kann ich nachvollziehen, dass für jemanden wie OpenAI es wichtig ist, möglichst viele Daten reinzuziehen und damit das eigene System zu verbessern. André: Ja, jetzt stell dir mal vor, du würdest es erst verschlüsseln, dann verarbeiten, dann rausgeben und dann wieder entschlüsseln. Das ist für das System fast egal. Du hättest trotzdem die Daten da drinnen, weil du ja ⁓ nur eine Vektor-basierte Darstellung in deinem System hast. Insofern ist es möglich, aber du kannst dann halt... Lasse: Mhm. Okay. Die Vektor-Datenbank würde es möglichen, auch mit anderen Daten gut in die Richtung zu gehen, auch wenn du den eigentlichen Datenkern so ähnlich wie ein Hashtag ich eine Handy-Nummer, also WhatsApp, habe ich mich gerade beruflich miteinander gesetzt, von den Nicht-Nutzern nicht mehr die Handy-Nummern, sondern hast du sie nur noch. Und damit kannst du es aber auch machen. André: Genau. Ja. Genau. Ja, absolut. Genau. Und diese Art Hash-System könntest du da auch machen. Das ist nicht hundertprozentig gut, aber würde funktionieren und könntest du gerade... Das wäre so die einfachste Variante von Homomorfer-Verschlüsselung. Die ist allerdings bei einem System, das so groß ist, wenn ich jetzt wirklich Milliarden von Parametern hätte, müsste mein Schlüssel ähnlich groß sein, damit es wirklich sicher ist, denn ansonsten kann ich es natürlich auch wieder zurückentschlüsseln mit genügend Rechenleistung. Insofern, da ist noch ein bisschen was zu tun und ich hoffe auch, dass da noch was passieren wird. Das ist aber... Lasse: Okay. Mh. André: ich auch steht in der Zukunft. ⁓ Lasse: Aber gerade mit Blick, ja gerade auch mit Diskussionen auf Quantencomputer ist das glaube ich auch ein Thema, wo wir mal schauen müssen, was sich technologisch noch tut. André: Genau. Genau. Ich noch zwei Begriffe, die dazugehören. Differential Privacy, wo wir im Prinzip, das ist das, was ich vorhin meinte, so eine Art Rauschen hinzufügen, was die statistische Nutzbarkeit einzelner verhindert. Das heißt, kannst, weil das Rauschen drauf ist, nicht zurückschließen, was du gesagt hast, aber im Prinzip, weil ich ja weiß, wie sich das Rauschen verhält, habe ich so eine Art zufälligen Schlüssel drauf und kann dann nachher aber trotzdem die eigentlichen Inhalte, die aus der Masse der Lasse: Mhm. André: kommen, wieder rausziehen. dann ist es natürlich so, dass ich auch einfach das System fluten kann mit synthetischen Daten. Man kann einfach zufallsgenerierte Daten rein geben, machen wir ja auch gerade, dadurch dass das Internet von generativer KI überflutet wird, kommen sehr sehr viele synthetische Daten dazu. Das heißt eventuell kann nachher auch der Computer nicht mehr unterscheiden, war das jetzt echt oder war das künstlich und damit kann ich auch so eine Art Security by obscurity, also ich habe einfach genügend Lasse: Hmhmhm. Mh. André: rein geschrieben, sodass ich dann die echten Daten gar nicht mehr wiederfinden kann. Das sind so Sicherheitsvarianten, die da drin vorkommen. Lasse: Okay jetzt... Du hast noch was, danach hab ich noch was, aber lass uns versuchen uns kurz zu halten. André: Ja. Du darfst anfangen. will das Thema noch kurz wechseln. Lasse: Was mehr, wir sind ja jetzt so langsam näher uns dem Ende des Thema Datensouveränität und KI. Was hältst du vor dem Hintergrund von einerseits der Variante jetzt KI-Systeme lokal zu hosten und damit ja quasi abzukoppeln von eventuellen heimfunkenden Systemen oder alternativ von den paar europäischen Anbietern, Stichwort Mistral, Alle auf Alpha weiß man nicht so richtig, ob sie jetzt wieder in die Richtung gehen werden. Für ein paar Anwendungen haben sie schon Sachen Black Forest Labs, also europäische Anbieter. Was hälst du von den beiden Sachen dabei? André: Also besser? gerade, ich glaube die Zukunft insgesamt wird es sein, dass wir wieder in Richtung kleine Modelle kommen, die sehr spezialisiert arbeiten können und dann idealerweise on the edge heißt das ja dann, also da wo die Daten tatsächlich anfallen, verarbeitet werden. Das ist in der Signalverarbeitung mittlerweile der Goldstandard, dass ich eben nicht alle Daten mitrauschen und so weiter übertrage, sondern dass ich die vorprozessiere und dann die Rohdaten gar nicht mehr brauche. Das ist auch Datensparsamkeit. Das kommen, das wird aber Lasse: Mhm. André: gerade für so was wie große generative Modelle noch eine Weile dauern bis das funktioniert. Es gibt jetzt so DIY-Systeme, wo du eine kleine Grafikkarte mit einem kleinen Arduino zusammenbaust und einen Raspberry Pi und dann hast du halt dein lokales LLM. Das ist aber natürlich nicht so performant, das kann ich im Internet suchen und so weiter. Das heißt, es wird immer beides geben und für das große Ding finde ich es total super, dass wir europäische Anbieter haben. Lasse: Mmh. André: Du bist ja gerade ein großer Mistral-Fan. Ich bin mittlerweile auch ein Mistral-Fan geworden und ich glaube, dass wir da auch hinkommen müssen, dass wir die deutschen Systeme mehr nutzen, dass wir die europäischen Systeme mehr nutzen, gerade auch Cloud-Infrastruktur. Wir haben jetzt einen finnischen Anbieter für Cloud-Infrastruktur, weil die einfach ganz, ganz tolle Möglichkeiten geben, günstig laufen zu lassen. Das heißt, da sind wir natürlich schon dran. Ich würde sagen ein punkt und dann ich mache es auch kurz den wir noch aufnehmen müssten wir auf jeden fall explainable AI das fehlt mir bei denen noch weil das hat natürlich auch die laufen sozusagen dem großen system hinterher was bedeutet explainable AI erklärbare KI bedeutet im prinzip dass ich nicht dieses große black box dinge habe so wie wir es jetzt haben wo wir gar nicht genau wissen also erstens welche daten wurden zum trainieren benutzt dann wissen wir nicht welche gewichte haben nachher die einzelnen parameter und da geht es dann natürlich darum Lasse: Erklär, auch wenn wir schon über der Zeit sind, Gewichte ist glaube ich vielen nicht klar. André: Nope. Ja, also im Prinzip, wenn ich mir das so vorstelle... eine matrix ich sage immer das ist matrix multiplication matrix sind halt ganz viele zeilen und spalten wo dann einzelne zahlen drin stehen und im prinzip zerlege ich meine eingabe in einen vector und diesen vector multiplizieren mit der matrix ist es ein bisschen technisch entschuldigt ich kann es nach irgendwann kann ich noch mal länger erklären und wenn ich das jetzt mache sind die gewichte dieser einträge in der großen matrix ist jetzt nicht so groß wie meine hand sondern die ist jetzt halt ein paar milliarden einträge groß und das macht das ganze natürlich interessant und mit diesen gewichten das heißt wie wahrscheinlich ist wenn ich jetzt hier eins habe dass nach der matrix multiplication eine fünf da steht ist immer eine zahl zwischen 0 und 1 und so viel stimmt das nicht was ich gesagt habe ist egal das ist dann halt diese wahrscheinlichkeiten dass das rauskommt stehen in dieser matrix und diese wahrscheinlichkeitswerte die da drin stehen das sind diese sogenannten gewichte genau und die werden vorher trainiert das ist halt das wichtige sorry was du gesagt Lasse: Und explainable. Ich hatte dich unterbrochen beim Thema explainable AI. André: Ja. Ja genau und im Prinzip nicht nur so eine Blackbox zu haben, einfach irgendwie einen Zufallsgestützten wehrt, der nachher dann eine Wahrscheinlichkeit rausgibt, sondern tatsächlich etwas. Warum hat die KI so entschieden? Da gibt es aktuell, es ist aktuell große Forschung und da müssen wir hinkommen, weil das natürlich auch, wir haben eben über Kontrolle gesprochen. Also ich muss wissen, was passiert, warum, damit ich die Kontrolle haben kann. Insofern ist das sicherlich ein ganz großes Thema und das andere ist, was ich auch noch mitbringen wollte, Data Trust, das heißt, dass ich ein treuhandes System für meine Daten habe. Da gibt es jetzt erste große Initiativen, wo zum Beispiel ich, wenn ich mir Werbung angucke, ich selber dafür auch entlohnt werde und einen Teil des Shares abkriege und im Prinzip ist das so eine Sache. Das kann ich aber, das sind meine Daten, die ich da hingebe. Ich habe mir irgendwas angeguckt und damit lernt jemand von meinen Daten und dann sage ich, okay treuhänderisch übergebe ich das an jemanden. Wenn ihr mal den Brave Leo zum Beispiel ausprobiert habt, Browser, dann ist das direkt eines der Kernpunkte. Das kann ich jetzt aber auch größer skalieren und mal sagen, ich habe eine Firma, ich produziere irgendwas und jetzt nehme ich die Daten, die meine CNC-Fräsen zum Beispiel benutzen und gebe die auch frei, verkaufe die, habe da ein treuhänderisches System dahinter, das mir das hat, bin ich wieder bei Datensouveränität und das brauchen wir natürlich, ⁓ gute KI-Anwendungen zu bauen. Deswegen ist Datensouveränität und souveräne KI für mich. sehr eng beieinander und idealerweise kommt es zum Schluss immer darauf an, dass ich die Sachen in der Hand habe und Kontrolle darüber habe und nicht einfach alles outsource und möglichst weit weggebe, damit ich mich nicht darum kümmern muss. KI wird nicht weggehen und insofern müssen wir uns leider damit beschäftigen, egal ob wir wollen oder nicht. Lasse: Ich weiß gar nicht ob so leider, weil es hat, wir ja gesagt, auch wenn es negative Seiten gibt, auch viel positive es gibt. Jetzt sind wir aber schon bei fast 25 Minuten etwas länger als sonst. Insofern, aber vielen Dank für die interessanten Punkte und ähm... André: Auf jeden Fall. ⁓ Vielen Dank für die rege Diskussion, die meine Zeit auch gesprengt hat. Ihr merkt auch, es ist ein Thema, das uns am Herzen liegt. Insofern sind wir da drin. Lasse: Ja, tut mir leid. Genau, und dann sagen wir jetzt erstmal Tschüss und bis zum nächsten Mal. André: Bis zum nächsten Mal!