KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten

Marc Benesch
  • 0.0 (0)
  • Technology
  • Updated Weekly

"KI - kurz und informativ" erklärt Künstliche Intelligenz verständlich, kompakt und ohne Fachchinesisch. In weniger als 5 Minuten erfahrt ihr als Entscheider in Wirtschaft und Verwaltung, worum es eigentlich wirklich geht - ohne Hype von den Grundlagen, über Anwendungen im Unternehmen bis hin zu den neusten Entwicklungen. Was ist ein Large Language Model (LLM)? Was sind neuronale Netze? Welche Datenschutzanforderungen muss ich beachten? EU AI Act? Wie bereite ich meine Daten auf? All das und vieles mehr sind Themen unserer Podcast-Reihe. Viel Spaß beim Zuhören!

  1. 4d ago

    Musterland für digitale Souveränität im KI-Zeitalter? - Interview mit MV-Wirtschaftsminister Dr. Wolfgang Blank

    Mehr als die Steckdose der Republik: KI-Rechenzentren, grüner Strom und Gesundheitsdaten. Kann ein kleines Bundesland zum Vorbild für digitale Souveränität werden? Interview mit Minister Dr. Wolfgang Blank. Es geht um die entscheidende Frage: Wer behält im KI-Stack die Wertschöpfung? Mecklenburg-Vorpommern hat vieles, was KI-Infrastruktur braucht: grünen Strom im Überfluss, mittlerweile die niedrigsten Netzentgelte Deutschlands, grosse Flächen und mit dem Seekabel C-Lion1 in Rostock eine leistungsstarke Datenanbindung nach Nordeuropa. Laut Bitkom-Studie 2025 punktet das Land vor allem bei Stromnetz und Fläche. Bei der installierten Rechenleistung ist es allerdings noch Schlusslicht. Wir sprechen darüber, warum MV nicht nur Energie liefern, sondern auch digitale Dienstleistungen und ein wirtschaftliches Ökosystem ansiedeln will und damit im „Five Layer Cake" von der Energie- bis zur Anwendungsebene aufsteigen möchte. Ausserdem schauen wir uns die SHIP-Studie mit ihren einzigartigen Gesundheitsdatensätzen an, sprechen über den Digital Health Hub bis zur Frage, wie sich damit Startups anlocken lassen. Und warum echte Innovation nicht nur Technologie bedeutet, sondern auch neue Prozesse und Arbeitsweisen.

  2. Jul 30

    Open-Weight-Modelle: So installiert ihr ein LLM auf eurem eigenen PC

    Kimi K3 von Moonshot AI ist gerade in aller Munde. Ein Open-Weight-Modell mit 2,8 Billionen Parametern, das mit den besten Modellen aus den USA mithalten will. Aber wie installiert man eigentlich ein solches Modell selbst? In dieser Folge nehmen wir Kimi K3 als Aufhänger, um den kompletten Prozess zu erklären: Was unterscheidet ein Open-Weight-Modell von proprietären Systemen wie ChatGPT oder Claude? Warum könnt ihr Kimi K3 selbst trotz Quantisierung nicht auf eurem Laptop laufen lassen und welche kleineren, alltagstauglichen Modelle funktionieren stattdessen? Ich erkläre euch Hugging Face als zentrale Anlaufstelle für Open-Weight-Modelle, erkläre die wichtigsten Dateiformate GGUF und Safetensors, und stellen die drei populärsten Tools für den lokalen Betrieb vor: Ollama, LM Studio und Open WebUI. Diese Folge baut auf unseren vorherigen Episoden zu Quantisierung und Speicherarten (VRAM, RAM, Unified Memory) auf und liefert den praktischen Einstieg zum Selbermachen. Themen: Kimi K3, Moonshot AI, Open-Weight-Modelle, Hugging Face, GGUF, Ollama, LM Studio, lokale LLMs, KI selbst hosten Links: - Erklärung GGUF: https://huggingface.co/docs/hub/gguf - Erklärung Safe Tensors: https://huggingface.co/docs/safetensors/index - Kimi K3 auf Hugging Face: https://huggingface.co/moonshotai/Kimi-K3 - Open WebUI: https://docs.openwebui.com/ - Ollama: https://ollama.com/ - LM Studio: https://lmstudio.ai/

  3. Jul 23

    Cloud vs. On-Premise - Wohin mit KI-Modellen?

    Sollte euer Unternehmen KI-Modelle selbst hosten oder aus der Cloud mieten. Und was hat der US Cloud Act damit zu tun? In dieser Folge von "KI kurz und informativ" schliessen wir unsere Mini-Serie zu Hardware und Hosting von KI-Modellen ab. Wir vergleichen On-Premise-Betrieb und Cloud-Computing anhand der vier klassischen Abwägungspunkte: Kosten, Kontrolle, Skalierung und Beschaffung. Ausserdem schauen wir uns an, warum ein Serverstandort in Frankfurt oder Amsterdam allein noch keine Garantie für europäisches Recht ist und was der US CLOUD Act damit zu tun hat. Neben den vier genannten Kriterien ist Datensouveränität ebenso eine zentrale Grösse, die sich schwer in Geld bemessen lässt. Diese Folge baut auf unseren letzten beiden Episoden zu Quantisierung und Speicherarten (VRAM, RAM, Unified Memory). Quellen: - Microsoft kann keine Datensouveränität garantieren: https://www.forbes.com/sites/emmawoollacott/2025/07/22/microsoft-cant-keep-eu-data-safe-from-us-authorities/ - US Cloud Act: https://www.digital-chiefs.de/eu-tech-sovereignty-paket-cloud-souveraenitaet-vorstand-cloud-act-dach/ - Hyperscaler Marktanteile: https://www.itreseller.ch/Artikel/104615/Hyperscaler-Kapazitaet_hat_sich_mehr_als_vervierfacht.html (ältere Zahlen aus Jan. 2026)

  4. Jul 16

    Speicher für KI-Modelle - RAM, VRAM, Unified Memory einfach erklärt

    Speicher ist nicht gleich Speicher. Wie viel Arbeitsspeicher braucht ein LLM wirklich? Warum reicht es nicht aus, einfach mehr "Speicher zu kaufen"? In dieser Folge von "KI kurz und informativ" schauen wir uns die drei physischen Speicherebenen im PC oder Server an: VRAM (Grafikkarte), RAM (Arbeitsspeicher) und Massenspeicher (SSD/HDD). Ausserdem erklären wir, was Apple mit seinen M-Chips und dem sog. "Unified Memory" anders macht als klassiche Windows-PCs mit dedizierter Grafikkarte, warum die aktuellen RAM-Preissteigerungen direkt mit dem KI-Boom zusammenhängen, und wieso Kontextlänge (KV-Cache) und Nutzerzahl (Concurrency) den Speicherbedarf in der Praxis zusätzlich in die Höhe treiben. Diese Folge baut auf unserer letzten Episode zu Quantisierung auf und bereitet den Boden für die nächste Folge: Cloud vs. On-Premise-Hosting von KI-Modellen aus Business-Sicht. Quellen: Apple M7 im Tapeout: https://www.heise.de/news/M-Chips-M7-mit-bis-zu-1-5-TByte-und-warum-Apple-den-M6-ueberspringt-11362052.html

  5. Jul 9

    So läuft KI auf deinem PC - Quantisierung von LLMs erklärt

    Large Language Models (LLMs) wie GPT auf dem eigenen PC oder Smartphone laufen lassen? Ja, das geht! Quantisierung ist eine Schlüsseltechnik, mit der das funktioniert. Damit können riesige KI-Modelle drastisch verkleinern lassen, ohne dabei komplett auf Qualität zu verzichten. Du erfährst in der Folge: Warum LLMs so viel Speicherplatz brauchen (und was FP32, FP16 und INT8 damit zu tun haben).Wie Quantisierung den Speicherbedarf eines Modellsreduziert. Was die Vor- und Nachteile sind und wie du dank Quantisierung, ein LLM theoretisch lokal auf deinem PC, Mac oder Home-Server betreiben könntest.

  6. Jul 2

    KI-Wissen im Unternehmen aufbauen

    „Wissen ins Unternehmen bringen" ist schon die falsche Formulierung, denn Wissen ist kein Paket, das man einkauft und ins Regal stellt. In dieser Folge geht es darum, wie ihr KI-Kompetenz wirklich intern aufbaut. Wir schauen uns die drei üblichen Wege an: Einkauf, Lernplattformen und die isolierte KI-Abteilung und warum sie für sich genommen selten reichen. Wir schauen uns Ansatz gezielt an, erötern die Vor- und Nachteile und ich erkläre, was ich in der letzten Folge mit dem Sprichwort über den Fisch meinte. ("Gib einem Mann einen Fisch und er ernährt sich einen Tag. Zeig dem Mann wie man fischt und er ernährt sich sein Leben lang.") Das heisst, dass ihr euch die Frage jedes Mal stellen solltet, wenn ihr externe Hilfe zu Rate zieht: Verkauft mir jemand gerade einen Fisch oder zeigt er mir das Fischen? Quellen: https://www.datacamp.com/blog/the-state-of-data-and-ai-literacy-in-2026-definitions-statistics-and-the-ai-skills-gap Links: Folge über KI-Jobrollen: https://open.spotify.com/episode/1f4cAqCJhRU1eT8CYxZ5cS?si=RkAdQfwZTdeTZxbASfaSEg Letzte Folge über KI-Einführung im Unternehmen: https://open.spotify.com/episode/2ZAWIVLmuE0podQArCKwAo?si=mQpXtTAaShizR887T5n9hQ

  7. Jun 24

    Wie führt man KI im Unternehmen ein? - Leitplanken & Analyse bestehender Ansätze

    Wie führt man KI im Unternehmen ein? Schaut man sich erst alle Use Cases an? Setzt man zuerst eine Governance auf oder kauft man Copilot-Lizenzen? Wir analysieren heute, was bestehende Ansätze gut und nicht so gut machen, wie in der Vergangenheit transformative Technologien eingeführt wurden und schliessen daraus unsere Erkenntnisse. Nach einer etwas längeren Herleitung bekommt ihr sieben Leitplanken zur Einführung von KI in Unternehmen. Das Ergebnis dürfte den ein oder anderen überraschen. Schreibt gerne in die Kommentare, was eure Meinung dazu ist. Ich freue mich immer über eure Ansichten! Ausgewählte Quellen: https://www.weforum.org/stories/2019/04/the-latest-technology-isnt-enough-you-need-the-business-model-to-go-with-it/ https://writer.com/blog/enterprise-ai-adoption-2026/ https://bsykes.substack.com/p/the-state-of-ai-adoption-in-the-enterprise

  8. Jun 11

    Wie lernen neuronale Netze? - Backpropagation, Loss und Perzeptron erklärt

    Wie lernt ein neuronales Netz eigentlich aus seinen Fehlern? In dieser Folge von „KI – kurz und informativ" schauen wir uns das Perzeptron an, das erste und einfachste neuronale Netz der Welt. Wir erklären, was eine Loss Function (Verlustfunktion) ist, wie Backpropagation funktioniert und warum moderne KI-Modelle Milliarden von Parametern haben. Wie immer an einem einfachen Beispiel erklärt, diesmal anhand vom Dart-Spielen. Wenn ihr diese Folge inkl. dem ersten Teil zu neuronalen Netzen verstanden habt, seid ihr sehr gut aufgestellt, was die Grundlagen von Deep Learning angeht. Teil 1: Einführung in Neuronale Netze: https://open.spotify.com/episode/0olv9oEjTD0MtPIue4BRtv?si=HYZatk6lSJGQ0NghUga8zA

See All (50)

About

"KI - kurz und informativ" erklärt Künstliche Intelligenz verständlich, kompakt und ohne Fachchinesisch. In weniger als 5 Minuten erfahrt ihr als Entscheider in Wirtschaft und Verwaltung, worum es eigentlich wirklich geht - ohne Hype von den Grundlagen, über Anwendungen im Unternehmen bis hin zu den neusten Entwicklungen. Was ist ein Large Language Model (LLM)? Was sind neuronale Netze? Welche Datenschutzanforderungen muss ich beachten? EU AI Act? Wie bereite ich meine Daten auf? All das und vieles mehr sind Themen unserer Podcast-Reihe. Viel Spaß beim Zuhören!

Information

You Might Also Like