Im Demo funktioniert es, in der Produktion wird es teuer
Der Prototyp beeindruckt. Die token sind unsichtbar. Fehler bleiben selten. Dann kommt der Produktionsbetrieb, und die Rechnung ändert ihren Charakter. Klarna hat das 2025 gelernt.
Artikel
Wo KI nichts bringt, und wo der Markt etwas anderes behauptet
Oft reicht ein Regex, eine Geschäftsregel oder eine Sortierung. Ein Überblick über Fälle, in denen der Markt Ihnen verkauft, was Sie nicht brauchen.
Build / Buy / API: Die Entscheidung, die niemand richtig stellt
Drei Strategien mit radikal unterschiedlichen Risiko-, Kosten- und Souveränitätsprofilen. Der Souveränitätsaspekt verändert oft die Entscheidung.
Die 3 Fragen vor jedem KI-Einsatz
Nicht jede KI-Entscheidung verdient ein 6-Monate-Projekt. Drei Fragen filtern relevante Anwendungsfälle in unter 30 Minuten.
Der wahre Preis eines KI-Projekts: Was im Angebot fehlt
Das Integrationsangebot zeigt nur die Oberfläche. Darunter: Token-Kosten, Infrastruktur, Datenvorbereitung, Prompt-Wartung, menschliche Überprüfung. Die echte TCO ist oft das 3- bis 5-Fache.
Der KI-Angebotsdschungel: Pitches lesen, ohne sich blenden zu lassen
Die meisten KI-Angebote sind API-Wrapper mit einem ChatGPT-Logo. Eine Anleitung, um einen KI-Pitch ohne blinde Begeisterung zu lesen.
Ihre Daten und Ihr Betriebsgeheimnis in der KI: Was bleibt, was geht
Wenn Sie eine KI-API nutzen, wohin gehen Ihre Daten? Was sagt die DSGVO? Was die KI-Verordnung ändert.
Der Hype-Zyklus: dieselbe Kurve bei jeder Technologie
KI folgt demselben Zyklus wie Dotcoms, 3D-Druck und Blockchain. Die Gartner-Kurve ist vorhersagbar. Zu wissen, wo man sich auf dieser Kurve befindet, ist die erste Kompetenz einer Führungskraft gegenüber einer neuen Technologie.
Halluzination und falsches Vertrauen: kein Bug, eine zu managende Eigenschaft
Ein LLM äußert eine Wahrheit und eine Erfindung mit derselben Zuversicht. Das ist kein Fehler, den die nächste Version beheben wird. Es ist eine strukturelle Folge der prädiktionsbasierten Funktionsweise.
Jenseits der LLMs: KI, die Sie bereits nutzen, ohne es zu wissen
Computer Vision, Empfehlungssysteme, Betrugserkennung, Predictive Maintenance: KI begann nicht mit ChatGPT. Sie läuft seit Jahren in der Infrastruktur, die Sie täglich nutzen.
Open Source vs. proprietär: Kontrolle, Abhängigkeit und der echte Kompromiss
Llama vs. GPT, Mistral vs. Claude, Open Weights vs. API: Die Unterscheidung ist nicht ideologisch, sie ist strategisch. Was Sie in jedem Fall tatsächlich kontrollieren.
Das 'Reasoning' der Modelle: was es tut, was es nicht tut
o1, o3, DeepSeek-R1, Gemini Thinking: eine neue Generation von Modellen verkauft ihre Fähigkeit zu denken. Die Benchmarks verbessern sich wirklich. Aber es Reasoning zu nennen, ist ein Wort, das mehr verkauft als es beschreibt.
KI on-Premise betreiben: On-Premise, OSS, GPU und APU
Sie brauchen kein Rechenzentrum, um ein lokales LLM zu betreiben. Ein Server mit einer Consumer-GPU oder sogar ein Mac M-series kann Modelle von 7 bis 70 Milliarden Parametern hosten.
Ein LLM ohne eine einzige Gleichung
Token, Kontext, Temperatur, Halluzination by Design: verstehen, wie ein großes Sprachmodell ohne ein einziges mathematisches Symbol funktioniert. Um zu entscheiden, was man ihm anvertrauen kann und was nicht.
KI wurde nicht 2022 geboren: von Algorithmen zum Machine Learning
ChatGPT hat KI im November 2022 auf die Karte gebracht. Aber die Grundlagen sind 70 Jahre alt. Die Genealogie zu verstehen bedeutet zu verstehen, warum ein Modell eine Basis braucht, um zu lernen.
In KI steckt Intelligenz. Vor allem aber das Künstliche.
Man verkauft Ihnen Intelligenz. Was Sie mieten, ist eine Maschine, die das nächste Wort vorhersagt. Dieses grundlegende Missverständnis verzerrt jeden Ihrer KI-Entscheide.