Ein rechter Load für den Kopf
Das Programm war dicht. Meiner Meinung nach zu dicht. Vier Vorträge am Stück pro Block waren ein rechter Load. Da hätte ich mir etwas mehr Abwechslung und vor allem mehr Zeit für Networking gewünscht. Denn genau in den Pausen entstehen oft die wertvollsten Gespräche.
Die Frage, die sich mir beim Blick in die Runde stellte, war offensichtlich. Ist bei dieser Zielgruppe im Bereich Leadership schon wirklich durchgedrungen, dass KI alles verändern wird? Ein Blick auf die gezeigte "Firstmark 2025 MAD Landscape" (Machine Learning, AI, Data) machte die schiere Komplexität des Ökosystems deutlich. Zahlreiche Speaker haben hier gute Aufklärungsarbeit geleistet. Es braucht aber wohl noch viel mehr, damit das wirklich in den Teppichetagen ankommt.
Meine persönlich, grösste Frage: Was ist eigentlich ein Agent?
Ein zentrales Thema war Agentic AI. Hier habe ich eine persönliche Diskrepanz festgestellt. In den Diskussionen mit den Teilnehmenden, darunter auch einige swissAI Members, ist aufgefallen, dass der Begriff "autonom" schwer zu definieren ist.
Die einfachste Erklärung für einen AI Agent, die präsentiert wurde, lautete: LLM plus Orchestrierung (Anweisung) plus Tools.
IBM lieferte hierzu ein konkretes Beispiel mit ihren "Councils" für regulatorische Reports. Der Prozess ist strikt getaktet:
- Dokumente werden hochgeladen
- Ein Prozess startet und erstellt einen Entwurf
- Ein "Council Review" durch Legal Agents (spezifische Prompts) prüft den Inhalt
- Der finale Review erfolgt durch den Menschen
Das Ergebnis ist eine Einsparung von 70 Prozent. Ist das autonom? Nein. Ist es nützlich? Absolut. Auch Frederico Patota von Google bezeichnete ein Gemini Gem als Agenten, obwohl hier keine autonome Handlung stattfindet.
Ich persönlich orientiere mich da lieber an der Definition von Dario Amodei, dem CEO von Anthropic. Für mich trifft ein Agent autonome Entscheidungen. Ist die blosse Wahl einer Software, die man zur Auswahl stellt, schon autonom? Wohl kaum. Deep Research Aufgaben von KI Systemen klassieren wir hingegen alle als agentisch. Das ist eine Frage, die wir in der Branche noch klären müssen.
Daten, Führung und der Chief Question Officer
Trotz der Begriffsverwirrung gab es starke Inhalte. Ein Satz ist mir besonders geblieben. KI scheitert an Daten und Führung, nicht an Algorithmen.
Marc Holitscher von Microsoft brachte es auf den Punkt: Es braucht eine bessere Arbeitserfahrung für Mitarbeitende, relevanten Wert für Kunden und man muss Prozesse neu denken, um Innovation zu skalieren. Er brachte sogar einen neuen Titel ins Spiel: den CQO – Chief Question Officer. Die Fähigkeit, die richtigen Fragen zu stellen, wird zur Kernkompetenz.
Die Firma Bossard zeigte einen sehr pragmatischen Ansatz, wie man das kulturell angeht.
- Verantwortliche definieren
- Einen "KI-Kaffi" organisieren, um Hürden abzubauen
- Ein Extended Team festlegen
- Einen Ethik-Rat bilden
- Experimentieren ("We experiment") als Prinzip verankern
IBM unterschied zudem strategisch zwischen zwei Integrationsarten. Links die unternehmensweite, breite Integration. Rechts die spezifischen Use Cases. Beides hat seine Berechtigung, muss aber unterschiedlich geführt werden.
Prafull Sharma von PwC Schweiz lieferte dazu die nackten Zahlen. 54 % der CEOs sind besorgt wegen der Geschwindigkeit der Entwicklung. Aber nur 5 % glauben, dass man einen ROI überhaupt messen kann. Gleichzeitig erwarten 42 % der Schweizer CEOs, dass Junior-Anstellungen beeinflusst werden. Das ist ein gewaltiges Spannungsfeld.
Die Sinngesellschaft
Der wohl eindrücklichste Part kam von Richard David Precht. Er war gewohnt wortgewandt, direkt und witzig. Seine These regt zum Nachdenken an. Wir verwandeln uns von einer Arbeitsgesellschaft zu einer Sinngesellschaft. Geistige Routinearbeit wird abnehmen. Das ist eigentlich ein Menschheitstraum. Nur sind wir darauf überhaupt nicht vorbereitet.
Precht warnte vor dem Technofeudalismus, bei dem Tech Giganten die Rolle von Feudalherren einnehmen. Und er erinnerte uns an etwas Wichtiges. Eine KI kann Emotionalität faken, aber sie wird nie fühlen. Wenn der Mensch sich langweilt, entsteht Fantasie. Eine KI kennt keine Langeweile. Wenn das Wissen der Welt allgemein verfügbar wird, müssen Schulen für Persönlichkeitsentwicklung umgebaut werden.
Mein Fazit
Technologie war noch nie neutral, wie Cornelia Diethelm sagte. In meinen Augen liegt das daran, dass es keine wirkliche gemeinnützige Forschung gibt, die sich gegen kommerzielle Interessen durchsetzt. Vielleicht könnte ein Open-Source-Modell wie Apertus diese Neutralität bieten.
Wer KI richtig nutzt, wird besser. Wer sie ignoriert oder falsch nutzt, verliert den Anschluss. Oder hart gesagt: Die Dummen werden dümmer, wie es Prafull Sharma gesagt hat.
Ich nehme vom heutigen Tag vor allem einen Gedanken mit, dank Richard David Precht. Lasst uns wieder netter zu uns selber sein. Sonst wird ChatGPT irgendwann das Einzige sein, das so höflich und verständnisvoll mit uns umgeht, wie wir es uns wünschen.
Dieser Text wurde aus den Zusammenfassungen von Instagram-Stories, handschriftlichen Notizen, Fotos und Live-News-Berichterstattung mit KI erstellt und von mir persönlich redigiert. Dies hat ermöglicht, dass der Beitrag noch am selben Tag live gehen konnte.
