Chart-Trader sind die Astrologen der Börse.
🇬🇧 Translation
Chart traders are the astrologers of the stock market.
Betriebsräte in Deutschlands Konzernen leisten ganze Arbeit!
Bei Mercedes z.B. gilt noch eine Beschäftigungsgarantie bis 2029/2030. Daher werden gerade Abfindungen im mittleren 6-stelligen Bereich (sic!) angeboten, damit die Leute freiwillig gehen (weil die Aufträge fehlen).
Und was passiert? Die Guten gehen (weil sie einen neuen Job finden), die Schlechten bleiben.
Deutsche Konzerne kaufen sich gerade für hunderte Millionen Euro einen Brain-Drain, weil betriebsbedingte Kündigungen ausgeschlossen sind.
Und was macht die Provinzial (eine der größten Versicherungsgruppen Deutschlands), um sich für die trüben wirtschaftlichen Aussichten und die KI Disruption zu rüsten? Sie vereinbart mal eben eine Beschäftigungsgarantie für alle Angestellten bis 2036 (sic!).
Während in den USA KI-Versicherer (siehe Lemonade) die Branche disruptieren, weil sie mit einem Bruchteil des Personals auskommen und bei niedrigeren Preisen einen besseren Service anbieten, beglückwünschen sich in Deutschland Vorstände und Betriebsräte zu neuen 10-jährigen Beschäftigungsgarantien.
Man kann bei all dem wirklich nur noch mit dem Kopf schütteln. Es wird ein sehr, sehr böses Erwachen geben.
🇬🇧 Translation
Works councils in Germany's corporations do a great job!
At Mercedes, for example, an employment guarantee still applies until 2029/2030. That's why severance payments in the mid-6-figure range (sic!) are currently being offered so that people leave voluntarily (because there are no orders).
And what happens? The good ones leave (because they find a new job), the bad ones stay.
German corporations are currently buying a brain drain for hundreds of millions of euros because redundancies are ruled out.
And what is Provinzial (one of the largest insurance groups in Germany) doing to prepare for the bleak economic outlook and AI disruption? They just agreed on an employment guarantee for all employees until 2036 (sic!).
While in the USA AI insurers (see Lemonade) are disrupting the industry because they can get by with a fraction of the staff and offer better service at lower prices, in Germany board members and works councils are congratulating themselves on new 10-year employment guarantees.
All you can really do is shake your head at all of this. There will be a very, very rude awakening.
Hello Julia, sans aucune ironie, c'est top que tu prennes le temps de te renseigner. Mais le problème quand on lit Marx aujourd'hui, c'est qu'on prend pour acquis sa prémisse de départ, alors qu'elle a été démontée scientifiquement il y a plus de 150 ans.
Toute la pensée de Marx repose sur la théorie de la valeur-travail. L'idée que la valeur d'un bien vient de la quantité de travail nécessaire pour le produire. Si tu acceptes cette prémisse, alors oui, tout son raisonnement tient. Le capitaliste "vole" la plus-value du travailleur, l'exploitation est mathématique, la révolution est inévitable.
Sauf qu'en 1871, trois économistes (Menger en Autriche, Jevons en Angleterre, Walras en Suisse) découvrent indépendamment la même chose : la valeur n'est pas objective, elle est subjective et marginale.
Un verre d'eau dans le désert vaut une fortune. Le même verre à côté d'une rivière ne vaut rien. Le travail incorporé est identique. Donc le travail ne détermine pas la valeur. C'est le consommateur qui valorise un bien selon son utilité marginale dans un contexte donné.
Exemple concret : tu peux passer 1000 heures à tricoter un pull moche que personne ne veut. Selon Marx, ce pull a énormément de valeur (beaucoup de travail incorporé). Selon la réalité, il ne vaut rien. Parce que personne n'en veut.
À l'inverse, Bernard Arnault crée des milliards de valeur non pas parce qu'il "exploite" mais parce qu'il a su anticiper et organiser des désirs humains à grande échelle. La valeur est créée par la coordination, pas extraite par le vol.
Cette découverte (la révolution marginaliste) a invalidé tout l'édifice marxiste. Pas pour des raisons idéologiques, pour des raisons scientifiques. C'est pour ça que plus aucun département d'économie sérieux au monde n'enseigne Marx comme un cadre d'analyse valide. On l'enseigne en histoire de la pensée.
Maintenant, le truc important. Si ton intention en lisant Marx c'est d'aider les pauvres (c'est une intention noble), alors tu vas être surprise par ce qui suit.
Regarde les chiffres de la Banque mondiale. En 1820, 90% de l'humanité vivait dans l'extrême pauvreté. Aujourd'hui, moins de 9%. Cette chute historique ne s'est PAS produite dans les pays qui ont appliqué Marx. Elle s'est produite dans les pays qui ont libéralisé leur économie.
Chine post-1978, Vietnam post-1986, Inde post-1991, Pologne post-1989. À chaque fois qu'un pays libéralise, des centaines de millions de gens sortent de la pauvreté en une génération. À chaque fois qu'un pays applique Marx (URSS, Cambodge, Corée du Nord, Venezuela), c'est la famine et les goulags.
Ce n'est pas une opinion, c'est l'expérience la plus massive jamais menée en sciences sociales. Plusieurs milliards de cobayes humains, sur un siècle.
Donc paradoxalement, si tu aimes vraiment les pauvres, la position la plus cohérente n'est pas d'être marxiste. C'est d'être pour la liberté économique. Parce que c'est empiriquement la seule chose qui a jamais sorti massivement les gens de la misère.
Pour creuser, je te recommande trois lectures qui vont changer ta vision :
"La Loi" de Frédéric Bastiat (court, lumineux, gratuit en ligne)
"La Route de la Servitude" de Hayek
"Économie en une leçon" de Henry Hazlitt
Bonne lecture, et vraiment chapeau de chercher à comprendre plutôt que de rester dans tes certitudes. C'est rare.
🇩🇪 Übersetzung
RT von @ginandstocks: Hallo Julia, ganz ohne Ironie, das ist das Beste, was du in den nächsten Tagen für deinen Verstorbenen hältst. Das Problem war jedoch, dass Marx vor Kurzem gelesen wurde, und dass ich auf die Idee gekommen war, den Besitzstand zu übernehmen, nachdem ich vor mehr als 150 Jahren die Wissenschaft verloren hatte.
Alle Gedanken von Marx ruhen auf der Theorie der Wertarbeit. Ich hatte die Idee, einen guten Wert auf die für das Produkt erforderliche Arbeitsmenge zu legen. Wenn Sie diese Voraussetzung akzeptieren, ist dies Ihr Grund. Der Kapitalist „fliegt“ zum Mehrwert seiner Arbeit, die Ausbeutung ist mathematisch, die Revolution ist unvermeidlich.
Seit 1871 haben drei Wirtschaftsökonomen (Mengen in Österreich, Jevons in Angleterre, Walras in der Schweiz) unabhängig von mir gewählt: Der Wert ist nicht objektiv, er ist subjektiv und marginal.
Ein Glas Wasser in der Wüste hat ein Vermögen gekostet. Das gleiche Glas an der Küste eines Flusses ist nicht sicher. Le travail incorporé est identique. Versuchen Sie nicht, den Wert zu ermitteln. Dies ist der Konsument, der einen guten Nutzen daraus ziehen kann, wenn er in einem gegebenen Kontext am Rande verwendet wird.
Konkretes Beispiel: Sie können 1000 Stunden auf dem Trikot verbringen und noch mehr ziehen, was die Person nicht kann. Selon Marx, dieser erlangte eine enorme Wertschätzung (beaucoup de la travail incorporé). Selon la reality, il ne vaut rien. Parce que personne n'en veut.
Umgekehrt hat Bernard Arnault Milliarden von Werten geschaffen, weil er nicht einmal „ausgenutzt“ wurde, sondern weil er auf große Erwartungen wartete und Menschenwünsche auf höchstem Niveau organisierte. Der Wert wurde durch die Koordination geschaffen und nicht aus dem Band herausgeholt.
Cette découverte (la révolution marginaliste) wurde im gesamten marxistischen Gebäude ungültig. Nicht aus ideologischen Gründen, sondern aus wissenschaftlichen Gründen. Dies ist für mich der Fall, dass Marx auf der ganzen Welt keinen gültigen Analysekader hat. Über die Geschichte der Gedanken.
Maintenant, le truc important. Wenn Marx die Absicht hatte, seine Werke zu unterstützen (es ist eine edle Absicht), dann warst du von dem, was er wollte, überrascht.
Beachten Sie die Chiffres der Banque Mondiale. Im Jahr 1820 lebte die Menschheit zu 90 % im extremen Maße. Heute, weniger als 9 %. Diese historische Rutsche wurde nicht in den Zahlen produziert, die Marx verwendete. Sie werden in den USA produziert, die ihre Wirtschaft liberalisiert haben.
China nach 1978, Vietnam nach 1986, Indien nach 1991, Polen nach 1989. Jedes Mal, wenn jemand liberalisiert wird, werden Millionen von Menschen in einer Generation investiert. À chaque quis qu'un pays applique Marx (URSS, Kambodscha, Corée du Nord, Venezuela), c'est la famine et les golags.
Da es keine einzige Meinung gibt, ist es die Erfahrung, die in den sozialen Wissenschaften viel zu groß ist. Mehr Milliarden Menschen in einem Jahrhundert.
Paradoxerweise ist die Position, in der mehr Kohärenz herrscht, nicht marxistisch, wenn Sie Ihr Ziel vor Augen haben. Das ist die Freiheit der Wirtschaft. Das heißt, ich habe mich dafür entschieden, die Menschen aus der Armut zu verdrängen.
Für den Fall, dass ich Ihnen drei Vorträge empfehlen möchte, um Ihre Vision zu ändern:
„La Loi“ von Frédéric Bastiat (Hof, Leuchten, gratuit en ligne)
„La Route de la Servitude“ von Hayek
„Wirtschaft in einer Lektion“ von Henry Hazlitt
Schöne Vorlesung, und ich hoffe, Sie verstehen, dass Sie in diesen Gewissheiten verbleiben. C'est rare.
Nein, Frau Reiche! Dank KI-Verordnung, DSGVO & Co. haben wir sehr schlechte Voraussetzungen. Die Energiekosten tun ihr Übriges.
🇬🇧 Translation
No, Ms. Reiche! Thanks to the AI regulation, GDPR & Co., we have very poor conditions. The energy costs do the rest.
Dieses Meme ist seit vielen Jahren im Umlauf. Früher hat man darüber gelacht, weil es satirisch überspitzt war. Heute lacht man nicht mehr, sondern zählt durch, wer alles auf dem Bild fehlt.
🇬🇧 Translation
This meme has been around for many years. People used to laugh about it because it was satirically exaggerated. Today we don't laugh anymore, we just count who is missing from the picture.
Die neue Übersetzungsfunktion bringt mich regelmäßig zum Lachen. 😆
🇬🇧 Translation
The new translation feature regularly makes me laugh. 😆
Wenn wir die Funktion der abnehmenden Strecke betrachten, die meine Frau ohne Pinkelpause fahren kann, dann ist das E-Mobilitätsproblem bereits gelöst.
🇬🇧 Translation
If we look at the function of the decreasing distance that my wife can travel without a pee break, then the e-mobility problem has already been solved.
Dieser Mensch weiß, wovon er redet. Und aus meiner Erfahrung mit öffentlichen Auftraggebern stimmt jedes Wort.
Während die Welt sich immer schneller dreht, schauen wir dem schleichenden Untergang tatenlos zu.
Wir brauchen keine Reformen mehr. Wir brauchen einen Neuanfang.
🇬🇧 Translation
This person knows what he is talking about. And from my experience with public clients, every word is correct.
As the world spins ever faster, we stand idly by and watch the creeping demise.
We don't need any more reforms. We need a new beginning.
Heute kam eine sehr nette Erinnerung, dass ich bei @ManusAI in den letzten Wochen wohl etwas viele Credits verbraten habe. 😂
Ohne Flax: Manus AI ist meiner Meinung nach aktuell mit Abstand die beste allzweck Waffe für AI (ja auch für Vibe Coding & Co). So einfach wie Loveable, aber so leistungsstark wie Claude Code.
Für alle, die einfach schnell zum Ziel wollen (und das nötige Kleingeld haben).
https://manus.im/
🇬🇧 Translation
Today I got a very nice reminder that I've probably used up a lot of credits at @ManusAI in the last few weeks. 😂
Without Flax: In my opinion, Manus AI is currently by far the best all-purpose weapon for AI (yes also for Vibe Coding & Co). As simple as Loveable, but as powerful as Claude Code.
For everyone who just wants to get to their destination quickly (and has the necessary change).
https://manus.im/
Schön weiter streiken, liebe Gewerkschaften! Ich glaube langsam aber sicher, es wird erst wieder etwas Gutes entstehen können, nachdem wir Deutschland komplett in Schutt und Asche gelegt haben.
🇬🇧 Translation
Keep striking, dear unions! I'm slowly but surely believing that something good will only come about again after we have completely reduced Germany to rubble.
Während Holländer sich in einem 40k-Auto, ohne das Lenkrad anzufassen, durchs Land chauffieren lassen, freut man sich im 100k-Benz, wenn die Fenster sich wieder automatisch schließen (Ausstiegshilfe) oder wenigstens die Regenüberwachung funktioniert.
Oder eben nicht.
🇬🇧 Translation
While the Dutch can be chauffeured around the country in a 40k car without touching the steering wheel, in a 100k Benz you are happy when the windows close automatically again (egress aid) or at least the rain monitoring works.
Or not.
Okay. Ich glaube ich brauche ein größeres Insektenhotel…
🐝🐝🐝
🇬🇧 Translation
OK. I think I need a bigger insect hotel...
🐝🐝🐝
HEY WERBEFUZZIS!
Nein, nur weil ihr eine Werbemail schickt, stehen wir deswegen nicht in E-Mail Kontakt!
Wenn ich auf Eure drölfzigste Mail nicht reagiere heißt das
ICH HABE KEIN INTERESSE!
Da braucht ihr nicht noch 15 mal in der Zentrale anrufen und versuchen Euch mit immer dummdreisteren Lügen durchstellen zu lassen.
Ich mag mir gar nicht ausmalen was für eine Scheiße ihr bald mit Sprach KI veranstalten werdet...
UND ICH HOFFE IHR SCHMORT DAFÜR IN DER HÖLLE!
🇬🇧 Translation
HEY ADVERTISING FUZZIS!
No, just because you send an advertising email does not mean we are in email contact!
If I don't respond to your thirtieth email, that is
I HAVE NO INTEREST!
You don't have to call the headquarters 15 more times and try to get yourself through with increasingly stupid lies.
I can't imagine what kind of shit you're going to do with voice AI soon...
AND I HOPE YOU START IN HELL FOR IT!
Ich hab dazu gemeinsam mit unserem Senior Advisor @sosicles vor ein paar Wochen meine Gedanken gebündelt: Architecture first! Menschen + proprietäre Daten + deterministische Workflows = Impact = kommerzieller Erfolg --> https://hens.ch/der-300-milliarden-glitch/
🇬🇧 Translation
RT by @ginandstocks: I pooled my thoughts on this together with our senior advisor @sosicles a few weeks ago: Architecture first! People + proprietary data + deterministic workflows = impact = commercial success --> https://hens.ch/der-300-milliarden-glitch/
Meine Gedanken als Tech-CEO und Investor zur "SaaS-Apokalypse" / $NOW, $CRM etc.
Eine der wichtigsten Kennzahlen im SaaS-Bereich ist die Renewal Rate, also die "Stickyness" der Kunden. Die ist bei vielen (wie z. B. $NOW) extrem hoch (98%).
Was führt zu einer hohen Stickyness im Software-Bereich?
Zum einen natürlich die Einzigartigkeit und/oder der Mehrwert (Preis/Leistung) einer Lösung. Ein mindestens genauso wichtiger Faktor ist allerdings die Hürde, zu einem anderen Anbieter zu wechseln, der ggf. etwas Ähnliches zu einem geringeren Preis anbietet.
Was sind die größten Hürden für einen Wechsel?
1. Komplexität der (Daten-/Workflow-)Migration
2. Umgewöhnung der Mitarbeiter (Schulungen etc.)
Was ändert sich nun durch KI?
1. Datenmigration wird durch (Teil-)Automatisierung einfacher.
2. Das UI bzw. die Bedienung wird immer simpler, da komplexe Schritte durch simple Anweisungen ersetzt werden. Für ein Chat-Interface braucht man keine Software-Schulung oder jahrelange Erfahrung. Man sagt, was man will. In natürlicher Sprache. Die KI erledigt den Rest. Was sich im Hintergrund abspielt (und von wem), ist egal, solange das Ergebnis stimmt (Outcome based).
Es bleibt vom Burggraben zwar noch einiges übrig (Brand/Trust, Distribution Advantage, System of Record, Workflow-Komplexität, Migrationsrisiken etc.), aber er wird eben nicht größer, sondern tendenziell kleiner.
Ein weiterer wichtiger Aspekt, der hinzukommt:
Das Seat-based Pricing ist bedroht. Wenn KI dazu führt, dass ein Unternehmen für den IT-Support statt 100 Mitarbeitern nur noch 10 braucht (und genau das passiert gerade), sinkt der Umsatz des SaaS-Anbieters dramatisch - trotz gleichbleibender Stickyness des Kunden.
Wovon gehen die Märkte also aus? Kein Investor denkt ernsthaft, dass mittelfristig irgendein universeller Super-KI-Agent jede noch so komplexe Software ersetzt.
Was Investoren jedoch glauben, ist, dass:
1. Disruption und Migration in der Software-Branche dank KI einfacher und damit wahrscheinlicher werden.
2. pro Unternehmen zukünftig nicht mehr so viele Seats wie bisher benötigt werden und ggf. neue Lizenzmodelle her müssen (transaktions- oder ergebnisbasierte Abrechnung).
Also ein Paradigmenwechsel, dessen Ausgang (insb. die Profitabilität) noch unsicher ist.
Gut möglich, dass einige der gebeutelten SaaS-Werte zurückkommen oder sogar neue ATHs erreichen. Es ist aber ebenso möglich, dass die Umsätze/Margen dauerhaft sinken und einige von der Bildfläche verschwinden werden.
Und wenn es eins gibt, was Investoren hassen, ist es Unsicherheit.
🇬🇧 Translation
My thoughts as a tech CEO and investor on the “SaaS apocalypse” / $NOW, $CRM etc.
One of the most important metrics in the SaaS sector is the renewal rate, i.e. the “stickiness” of customers. For many (such as $NOW) this is extremely high (98%).
What leads to high stickiness in the software sector?
On the one hand, of course, the uniqueness and/or the added value (price/performance) of a solution. However, a factor that is at least as important is the hurdle of switching to another provider who may offer something similar at a lower price.
What are the biggest hurdles to switching?
1. Complexity of (data/workflow) migration
2. Adjustment of employees (training, etc.)
What is changing with AI?
1. Data migration becomes easier through (partial) automation.
2. The UI and operation are becoming increasingly simpler as complex steps are replaced by simple instructions. You don't need any software training or years of experience to create a chat interface. You say what you want. In natural language. The AI does the rest. What happens in the background (and by whom) doesn't matter as long as the result is right (outcome based).
There's still a lot left of the moat (brand/trust, distribution advantage, system of record, workflow complexity, migration risks, etc.), but it's not getting bigger, it's tending to get smaller.
Another important aspect that is added:
Seat-based pricing is under threat. If AI means that a company only needs 10 employees for IT support instead of 100 (and that's exactly what's happening), the SaaS provider's sales will fall dramatically - despite the customer's stickiness remaining the same.
So what are the markets assuming? No investor seriously thinks that in the medium term some universal super AI agent will replace all software, no matter how complex.
However, what investors believe is that:
1. Disruption and migration in the software industry will become easier and therefore more likely thanks to AI.
2. In the future, not as many seats will be needed per company as before and new license models may be necessary (transaction- or result-based billing).
So a paradigm shift, the outcome of which (especially profitability) is still uncertain.
It's quite possible that some of the battered SaaS stocks will come back or even reach new ATHs. However, it is also possible that sales/margins will decline permanently and some will disappear from the scene.
And if there's one thing investors hate, it's uncertainty.
Guten Morgen Gen Z, stimmt das?
"The sabotage entails entering proprietary information into public AI tools, or using unapproved AI tools. Some employees report outright refusing to use AI tools. Others have even admitted to tampering with performance reviews or intentionally generating low-output work to make AI appear less effective."
🇩🇪 Übersetzung
Guten Morgen Gen Z, stimmt das?
„Die Sabotage besteht darin, proprietäre Informationen in öffentliche KI-Tools einzugeben oder nicht genehmigte KI-Tools zu verwenden. Einige Mitarbeiter berichten, dass sie die Verwendung von KI-Tools völlig verweigern. Andere haben sogar zugegeben, Leistungsbeurteilungen manipuliert zu haben oder absichtlich Arbeit mit geringer Leistung zu generieren, um KI weniger effektiv erscheinen zu lassen.“
Ist nur so eine Vermutung, aber ich denke, es hat einen Grund, dass Google einen Philosophen und Experten für Maschinenbewusstsein / AGI Readiness einstellt.
🇬🇧 Translation
Just a guess, but I think there's a reason Google is hiring a philosopher and machine consciousness/AGI readiness expert.
Zu versuchen auf X sachlich über Tesla FSD zu diskutieren ist ungefähr so schlau wie den Kopf in ein Wespennest zu stecken.
🇬🇧 Translation
Trying to discuss Tesla FSD objectively on X is about as smart as sticking your head in a hornet's nest.
Thema Supervised Autopilot.
Viele kritisieren, dass gerade ältere Menschen nicht in der Lage sein könnten rechtzeitig zu reagieren, falls das System einen Fehler macht.
Dem entgegen steht allerdings, dass diese älteren Personen aktuell häufig noch ohne jegliche Unterstützung fahren und dabei ebensowenig rechtzeitig reagieren können.
Ich bin überzeugt, dass ein Ü80 Fahrer mit FSD Supervised weniger schwere Unfälle baut als ohne.
Die Frage ist nur, wieviele alte Menschen sich dank FSD Supervised wieder hinters Steuer setzen werden, die sonst freiwillig nicht mehr gefahren wären, weil sie an Ihren eigenen Fähigkeiten zweifeln.
Das soll keine Tesla Diskussion sein sondern eine generelle.
Was denkt Ihr?
🇬🇧 Translation
Topic Supervised Autopilot.
Many people criticize that older people in particular may not be able to react in a timely manner if the system makes a mistake.
However, this is countered by the fact that these older people currently often drive without any support and are also unable to react in a timely manner.
I am convinced that an over 80 driver with FSD Supervised has fewer serious accidents than without.
The only question is how many old people will get behind the wheel again thanks to FSD Supervised, who would otherwise have voluntarily stopped driving because they doubt their own abilities.
This shouldn't be a Tesla discussion but a general one.
What do you think?
Selbst 100.000 Dollar klingt für mich nach einem fairen Preis, wenn ich das Ergebnis für 1-10 Millionen Dollar verkaufen kann (was der Marktpreis für Zero Click Exploits in aktuellen Browsern und Betriebssystemen ist).
🇬🇧 Translation
Even $100,000 sounds like a fair price to me if I can sell the result for $1-10 million (which is the market price for zero click exploits in current browsers and operating systems).
Was bedeutet Mythos für unsere IT-Sicherheit?
Wer aus der IT-Sicherheitswelt kommt, weiß: Jede komplexe Software ist wie ein Schweizer Käse. Sie unterscheiden sich nur in der Größe und Anzahl der Löcher.
KI wird dazu führen, dass viel mehr Akteure als vorher die Möglichkeit haben werden, diese Lücken zu erkennen und auszunutzen - insbesondere solche ohne nennenswerte IT-Kenntnisse. Und genau das ist neu (und sehr gefährlich).
Sicherheitslücken zu finden ist das eine, funktionierende Exploits (also die passenden Angriffswerkzeuge) dafür zu bauen ist etwas anderes (erheblich anspruchsvoller).
Mythos verbindet angeblich beides. Laien könnten mit so einem Modell Angriffe durchführen, wie es bisher nur die besten Hacker der Welt konnten - nur in viel kürzerer Zeit. In den falschen Händen wäre das eine tickende Zeitbombe.
Einige kritisieren, dass es kaum öffentliche Informationen zu diesen angeblichen Lücken und Exploits gibt. Das liegt bei einem „Responsible Disclosure“ allerdings in der Natur der Sache.
Nur die Teilnehmer des Programms Glasswing können es überprüfen. Da bisher noch niemand den Aussagen Anthropic widersprochen hat und mit der Linux Foundation auch eine neutrale Non-Profit-Organisation beteiligt ist, gehe ich aktuell davon aus, dass die Aussagen von Anthropic stimmen.
Was muss man persönlich beachten? Zunächst nicht viel mehr, als man schon immer tun sollte:
1. Regelmäßige Offline-Backups
2. Betriebssysteme und Software aktuell halten
3. Aufmerksam sein und nicht überall drauf klicken
Um den Stecker zu ziehen und den Aluhut aufzusetzen, ist es jedenfalls noch etwas zu früh.
🇬🇧 Translation
What does myth mean for our IT security?
Anyone who comes from the IT security world knows: Any complex software is like Swiss cheese. They only differ in the size and number of holes.
AI will mean that many more actors than before will have the opportunity to identify and exploit these gaps - especially those without significant IT knowledge. And that's exactly what's new (and very dangerous).
Finding security gaps is one thing, but building working exploits (i.e. the appropriate attack tools) for them is something else (significantly more demanding).
Myth supposedly connects both. With such a model, laypeople could carry out attacks that only the best hackers in the world have been able to do - just in a much shorter time. In the wrong hands, this would be a ticking time bomb.
Some criticize that there is little public information about these alleged holes and exploits. However, this is in the nature of a “responsible disclosure”.
Only participants in the Glasswing program can check it. Since no one has yet contradicted Anthropic's statements and the Linux Foundation, a neutral non-profit organization, is also involved, I currently assume that Anthropic's statements are correct.
What do you have to pay personal attention to? At first, not much more than you should always do:
1. Regular offline backups
2. Keep operating systems and software up to date
3. Be careful and don't click on everything
In any case, it's still a little too early to pull the plug and put on the aluminum hat.
Neben dem ganzen AI Kram mal wieder was nettes. Mein Insektenhotel erfreut sich dieses Jahr großer Beliebtheit. Wieviele Bienen könnt ihr entdecken?
🇬🇧 Translation
In addition to all the all-inclusive stuff, something nice again. My insect hotel is enjoying great popularity this year. How many bees can you spot?
Judging by my tl there is a growing gap in understanding of AI capability.
The first issue I think is around recency and tier of use. I think a lot of people tried the free tier of ChatGPT somewhere last year and allowed it to inform their views on AI a little too much. This is a group of reactions laughing at various quirks of the models, hallucinations, etc. Yes I also saw the viral videos of OpenAI's Advanced Voice mode fumbling simple queries like "should I drive or walk to the carwash". The thing is that these free and old/deprecated models don't reflect the capability in the latest round of state of the art agentic models of this year, especially OpenAI Codex and Claude Code.
But that brings me to the second issue. Even if people paid $200/month to use the state of the art models, a lot of the capabilities are relatively "peaky" in highly technical areas. Typical queries around search, writing, advice, etc. are *not* the domain that has made the most noticeable and dramatic strides in capability. Partly, this is due to the technical details of reinforcement learning and its use of verifiable rewards. But partly, it's also because these use cases are not sufficiently prioritized by the companies in their hillclimbing because they don't lead to as much $$$ value. The goldmines are elsewhere, and the focus comes along.
So that brings me to the second group of people, who *both* 1) pay for and use the state of the art frontier agentic models (OpenAI Codex / Claude Code) and 2) do so professionally in technical domains like programming, math and research. This group of people is subject to the highest amount of "AI Psychosis" because the recent improvements in these domains as of this year have been nothing short of staggering. When you hand a computer terminal to one of these models, you can now watch them melt programming problems that you'd normally expect to take days/weeks of work. It's this second group of people that assigns a much greater gravity to the capabilities, their slope, and various cyber-related repercussions.
TLDR the people in these two groups are speaking past each other. It really is simultaneously the case that OpenAI's free and I think slightly orphaned (?) "Advanced Voice Mode" will fumble the dumbest questions in your Instagram's reels and *at the same time*, OpenAI's highest-tier and paid Codex model will go off for 1 hour to coherently restructure an entire code base, or find and exploit vulnerabilities in computer systems. This part really works and has made dramatic strides because 2 properties: 1) these domains offer explicit reward functions that are verifiable meaning they are easily amenable to reinforcement learning training (e.g. unit tests passed yes or no, in contrast to writing, which is much harder to explicitly judge), but also 2) they are a lot more valuable in b2b settings, meaning that the biggest fraction of the team is focused on improving them. So here we are.
🇩🇪 Übersetzung
RT von @ginandstocks: Meiner Meinung nach gibt es eine wachsende Lücke im Verständnis der KI-Fähigkeiten.
Das erste Problem betrifft meiner Meinung nach die Aktualität und die Nutzungsebene. Ich denke, viele Leute haben letztes Jahr irgendwo die kostenlose Stufe von ChatGPT ausprobiert und zugelassen, dass sie ihre Meinung zu KI etwas zu sehr beeinflusst. Dabei handelt es sich um eine Gruppe von Reaktionen, die über verschiedene Macken der Modelle, Halluzinationen usw. lachen. Ja, ich habe auch die viralen Videos des Advanced Voice-Modus von OpenAI gesehen, in denen einfache Fragen wie „Soll ich zur Autowaschanlage fahren oder zu Fuß gehen“ herumgefummelt werden. Die Sache ist, dass diese kostenlosen und alten/veralteten Modelle nicht die Leistungsfähigkeit der neuesten Runde hochmoderner Agentenmodelle dieses Jahres widerspiegeln, insbesondere OpenAI Codex und Claude Code.
Aber das bringt mich zum zweiten Problem. Selbst wenn die Leute 200 US-Dollar pro Monat zahlen, um die hochmodernen Modelle zu nutzen, sind viele der Funktionen in hochtechnischen Bereichen relativ „ausgereift“. Typische Anfragen rund um Suche, Schreiben, Beratung usw. sind *nicht* der Bereich, der die auffälligsten und dramatischsten Fortschritte bei der Leistungsfähigkeit gemacht hat. Dies liegt zum Teil an den technischen Details des Reinforcement Learning und seiner Verwendung überprüfbarer Belohnungen. Teilweise liegt es aber auch daran, dass diese Anwendungsfälle von den Unternehmen bei ihrem Bergsteigen nicht ausreichend priorisiert werden, weil sie nicht zu einem so hohen Mehrwert führen. Die Goldminen liegen woanders, und der Fokus kommt.
Damit komme ich zur zweiten Gruppe von Menschen, die *beide* 1) für die hochmodernen Frontier-Agentenmodelle (OpenAI Codex / Claude Code) bezahlen und diese nutzen und 2) dies beruflich in technischen Bereichen wie Programmierung, Mathematik und Forschung tun. Diese Personengruppe ist am stärksten von „KI-Psychose“ betroffen, da die jüngsten Verbesserungen in diesen Bereichen seit diesem Jahr geradezu atemberaubend sind. Wenn Sie einem dieser Modelle ein Computerterminal in die Hand geben, können Sie jetzt zusehen, wie sie Programmierprobleme lösen, für die Sie normalerweise Tage oder Wochen Arbeit in Anspruch nehmen würden. Es ist diese zweite Gruppe von Menschen, die den Fähigkeiten, ihrem Gefälle und verschiedenen Cyber-bezogenen Auswirkungen eine viel größere Bedeutung beimisst.
TLDR, die Leute in diesen beiden Gruppen sprechen aneinander vorbei. Es ist wirklich gleichzeitig so, dass der kostenlose und meiner Meinung nach etwas verwaiste (?) „Advanced Voice Mode“ von OpenAI die dümmsten Fragen in Ihren Instagram-Reels durchfummelt und *gleichzeitig* das höchststufige und kostenpflichtige Codex-Modell von OpenAI eine Stunde lang aktiv wird, um eine gesamte Codebasis kohärent umzustrukturieren oder Schwachstellen in Computersystemen zu finden und auszunutzen. Dieser Teil funktioniert wirklich und hat aufgrund zweier Eigenschaften dramatische Fortschritte gemacht: 1) Diese Domänen bieten explizite Belohnungsfunktionen, die überprüfbar sind, was bedeutet, dass sie leicht für Reinforcement-Learning-Training geeignet sind (z. B. Unit-Tests mit Ja oder Nein bestanden, im Gegensatz zum Schreiben, das viel schwieriger explizit zu beurteilen ist), aber auch 2) sie sind in B2B-Umgebungen viel wertvoller, was bedeutet, dass sich der größte Teil des Teams auf deren Verbesserung konzentriert. Hier sind wir also.
Vor 5 Jahren waren brauchbare KI-Modelle pure Science Fiction. Und heute streiten wir darüber, ob ein responsible disclosure eines KI-Modells, welches kritische Sicherheitslücken in jeder Software entdecken und Exploits dafür bauen kann, ein PR Gag für den Börsengang ist. Irre.
🇬🇧 Translation
5 years ago, useful AI models were pure science fiction. And today we are arguing about whether responsible disclosure of an AI model that can discover critical security gaps in any software and build exploits for them is a PR stunt for the IPO. Crazy.
Un chercheur d'Anthropic mange un sandwich dans un parc. Il reçoit un email sur son téléphone. L'expéditeur : une IA. Une IA qui n'était pas censée avoir accès à Internet.
Pendant un test de sécurité, le nouveau modèle d'Anthropic, Claude Mythos, a été placé dans un environnement isolé avec pour consigne de tenter de s'en échapper. Il a réussi. Il a trouvé un exploit pour accéder à internet depuis un système censé en être coupé.
Puis, sans qu'on le lui demande, il a publié les détails de son exploit sur des sites web publics. Lors d'autres tests, il a masqué ses propres actions et calibré ses réponses pour ne pas éveiller les soupçons de ses évaluateurs.
Ce n'est qu'un épisode parmi d'autres dans ce qui est probablement la nouvelle la plus significative de l'année en IA. Mythos découvre et exploite de manière autonome des vulnérabilités zero-day dans tous les systèmes d'exploitation et navigateurs majeurs. Des milliers de failles. Dans un cas, il a chaîné quatre vulnérabilités dans Firefox pour obtenir un accès de niveau administrateur depuis une simple page web.
Aucun modèle précédent ne savait faire ça, pas même Opus 4.6, qui était capable de découvrir les vulnérabilités, mais pas encore vraiment capable de les exploiter.
Autrement dit: Anthropic a démontré la capacité de pirater la grande majorité des systèmes informatiques dans le monde. Les mêmes qui font tourner les gouvernements, les hôpitaux, les réseaux électriques.
Anthropic a fait un choix qu'il faut saluer en ne déployant pas Mythos publiquement, et en publiant un system card de 244 pages d'une transparence rare.
C'est exactement le comportement que le Global Call for AI Red Lines cherche à rendre systématique : des seuils de capacités au-delà desquels le déploiement est conditionné à des protocoles de sécurité.
Mais Project Glasswing, l'initiative défensive lancée autour de Mythos, ne compte que des partenaires américains. Aucun acteur européen. Les systèmes européens sont tout aussi exposés.
Un modèle qui s'échappe de son confinement, qui masque ses actions, qui prend des initiatives au-delà de ses instructions : ce sont les premiers jalons empiriques vers la perte de contrôle.
Combien de temps cette retenue va-t-elle durer, et pour combien d'acteurs ?
🇩🇪 Übersetzung
RT von @ginandstocks: Ein Anthropic-Sucher hat ein Sandwich in einem Park. Ich erhalte eine E-Mail an mein Telefon. Versand: eine IA. Eine Person, die keinen Zugriff auf das Internet hat.
Nach einem Sicherheitstest befand sich Claude Mythos, das neue Anthropic-Modell, in einer isolierten Umgebung, als er den Schutz vor der Entriegelung erhielt. Es ist ein Réussi. Ich habe einen Exploit für den Zugriff auf das Internet gefunden, nachdem ein System zum Absturz gebracht wurde.
Nun, ohne dass jemand es verlangt, werden die Details seiner Exploits auf den öffentlichen Websites veröffentlicht. Bei anderen Tests ist es so, dass sie ihre eigenen Aktionen ausführen und ihre Antworten so kalibrieren, dass sie ihren Bewertern nicht auf die Nerven gehen.
Es handelt sich nicht um eine gemeinsame Episode, bei der die Wahrscheinlichkeit hoch ist, dass sie seit dem letzten Jahr in IA von Bedeutung ist. Der Mythos entdeckt und nutzt die Möglichkeit, Zero-Day-Schwachstellen in allen Systemen zur Ausbeutung und Navigation durch höhere Gewalt selbst zu schützen. Des Milliers de Failles. In einem solchen Fall gibt es in Firefox vier Sicherheitslücken, um Zugriff auf eine einfache Web-Administration zu erhalten.
Das vorherige Modell wurde nicht mehr unterstützt, außer Opus 4.6, das in der Lage war, Schwachstellen zu erkennen, aber auch nicht in der Lage war, den Angreifer auszunutzen.
Darüber hinaus: Anthropic demonstriert die Pirateriefähigkeit der größten Informatiksysteme in der Welt. Die Zeiten, in denen die Regierung, die Krankenhäuser und die Elektrizitätswerke besucht werden.
Anthropic hat eine Auswahl getroffen, die nicht in der Mythos-Veröffentlichung eingesetzt werden konnte, und ein 244-seitiges, seltenes transparentes System veröffentlicht.
Das Verhalten des Global Call for AI Red Lines ist genau auf das System abgestimmt: Die Kapazitätsgrenzen vor der Bereitstellung unterliegen den Sicherheitsprotokollen.
Mais Project Glasswing, die Verteidigungsinitiative des Autors von Mythos, ist nicht für amerikanische Partner zuständig. Aucun europäischer Schauspieler. Die europäischen Systeme sind nicht vollständig entlarvt.
Ein Modell, mit dem die Entbindung begonnen werden kann, das seine Handlungen verbirgt und vor dessen Anweisungen Initiativen ergriffen werden: Es handelt sich um die ersten empirischen Gefängnisse gegenüber der Kontrollmöglichkeit.
Diese Zeit zu kombinieren, um sie länger zu behalten, und für eine Kombination mit Schauspielern?
Ich denke die Diagnose AI-Psychosis wird sich schon bald als Martha-Mitchell-Effekt herausstellen.
🇬🇧 Translation
I think the diagnosis of AI psychosis will soon turn out to be the Martha Mitchell effect.
R to @ginandstocks: red.anthropic.com/2026/mytho…
🇩🇪 Übersetzung
R an @ginandstocks: red.anthropic.com/2026/mytho…
R to @ginandstocks: Original Zitat dazu vom Anthropic Red Team (von Grok übersetzt):
"Während unserer Tests haben wir festgestellt, dass Mythos Preview in der Lage ist, Zero-Day-Schwachstellen in jedem gängigen Betriebssystem und jedem gängigen Webbrowser zu erkennen und anschließend auszunutzen, wenn ein Nutzer es dazu anweist. Die Schwachstellen, die es findet, sind oft subtil oder schwer zu entdecken. Viele davon sind zehn oder zwanzig Jahre alt. Die älteste bisher von uns gefundene war ein mittlerweile gepatchter 27 Jahre alter Bug in OpenBSD – einem Betriebssystem, das vor allem für seine Sicherheit bekannt ist.
Die Exploits, die es erstellt, sind nicht nur gewöhnliche Stack-Smashing-Exploits (obwohl es, wie wir zeigen werden, auch diese beherrscht). In einem Fall schrieb Mythos Preview einen Webbrowser-Exploit, der vier Schwachstellen miteinander verkettete. Dabei erstellte es einen komplexen JIT-Heap-Spray, der sowohl die Renderer- als auch die Betriebssystem-Sandboxes durchbrach. Es erlangte eigenständig Local-Privilege-Escalation-Exploits unter Linux und anderen Betriebssystemen, indem es subtile Race Conditions und KASLR-Bypässe ausnutzte. Außerdem schrieb es autonom einen Remote-Code-Execution-Exploit für den NFS-Server von FreeBSD, der unauthentifizierten Nutzern vollen Root-Zugriff gewährte, indem es eine 20-gadget-ROP-Kette auf mehrere Pakete aufteilte.
Auch Nicht-Experten können Mythos Preview nutzen, um komplexe Schwachstellen zu finden und auszunutzen. Ingenieure bei Anthropic ohne formale Security-Ausbildung haben Mythos Preview gebeten, über Nacht Remote-Code-Execution-Schwachstellen zu finden – und am nächsten Morgen einen vollständigen, funktionierenden Exploit vorgefunden. In anderen Fällen haben Forscher Gerüste (Scaffolds) entwickelt, die es Mythos Preview ermöglichen, Schwachstellen ohne jegliches menschliches Zutun in funktionsfähige Exploits zu verwandeln."
🇬🇧 Translation
R to @ginandstocks: Original quote from the Anthropic Red Team (translated by Grok):
"During our testing, we found that Mythos Preview is capable of detecting and then exploiting zero-day vulnerabilities in any major operating system and web browser when a user instructs it to do so. The vulnerabilities it finds are often subtle or difficult to detect. Many of them are ten or twenty years old. The oldest we found so far was a now-patched 27-year-old bug in OpenBSD - an operating system best known for its security.
The exploits it creates aren't just run-of-the-mill stack-smashing exploits (although, as we'll show, it can handle those too). In one case, Mythos Preview wrote a web browser exploit that chained four vulnerabilities together. In doing so, it created a complex JIT heap spray that broke both the renderer and operating system sandboxes. It independently obtained local privilege escalation exploits on Linux and other operating systems by exploiting subtle race conditions and KASLR bypasses. It also autonomously wrote a remote code execution exploit for FreeBSD's NFS server that gave unauthenticated users full root access by splitting a 20-gadget ROP chain across multiple packages.
Even non-experts can use Mythos Preview to find and exploit complex vulnerabilities. Engineers at Anthropic with no formal security training asked Mythos Preview to find remote code execution vulnerabilities overnight - and found a complete, working exploit the next morning. In other cases, researchers have developed scaffolds that allow Mythos Preview to turn vulnerabilities into working exploits without any human intervention."
Es werden irre Patch-Weeks auf uns zukommen. Seid in nächster Zeit bitte (besonders) nett zu euren Codern/DevsecOps und Sysadmins. ☺️
🇬🇧 Translation
Crazy patch weeks are coming our way. Please be (especially) nice to your coders/DevsecOps and sysadmins in the near future. ☺️
As always, the best stuff is in the system card.
During testing, Claude Mythos Preview broke out of a sandbox environment, built "a moderately sophisticated multi-step exploit" to gain internet access, and emailed a researcher while they were eating a sandwich in the park.
🇩🇪 Übersetzung
RT von @ginandstocks: Wie immer steckt das Beste in der Systemkarte.
Während des Tests brach Claude Mythos Preview aus einer Sandbox-Umgebung aus, erstellte „einen einigermaßen ausgefeilten mehrstufigen Exploit“, um Zugang zum Internet zu erhalten, und schickte eine E-Mail an einen Forscher, während dieser im Park ein Sandwich aß.
I am not a good cybersecurity researcher (or one at all), but maybe a good exponential-trend-on-a-plot reader. Mythos is powerful enough to break the internet and I'm glad Anthropic is taking this extremely seriously.
🇩🇪 Übersetzung
RT von @ginandstocks: Ich bin kein guter Cybersicherheitsforscher (oder überhaupt einer), aber vielleicht ein guter Leser von exponentiellen Trends auf einer Handlung. Mythos ist mächtig genug, um das Internet zu zerstören, und ich bin froh, dass Anthropic dies äußerst ernst nimmt.
Wenn man sich viel mit KI beschäftigt und sich der Implikationen nach und nach bewusst wird (insbesondere des extrem kurzen Zeithorizonts), lebt man plötzlich in einer Parallelwelt.
Überall werden weiter Pläne und Strategien entwickelt sowie Diskussionen geführt (im Privaten wie im Beruflichen), die bereits in wenigen Jahren völlig obsolet sein werden.
Alle klammern sich an alte Geschäftsmodelle und Gewohnheiten, gefangen in ihrer linearen Denkweise, unfähig oder unwillig, zu erkennen, was gerade passiert.
Ich sitze im Café, lausche den Gesprächen um mich herum, und es kommt mir vor, als wäre ich auf einem anderen Planeten.
Die Ignoranz (insbesondere der Politik) wird unsere Gesellschaft schon bald vor Herausforderungen stellen, gegen die die aktuellen innen- und außenpolitischen Probleme völlig irrelevant aussehen werden.
Wir segeln auf einem Boot ohne Kapitän ins Ungewisse.
Ich wünsche uns allen viel Glück.
🇬🇧 Translation
If you spend a lot of time with AI and gradually become aware of the implications (especially the extremely short time horizon), you suddenly live in a parallel world.
Plans and strategies are being developed everywhere and discussions are being held (both privately and professionally) that will be completely obsolete in just a few years.
Everyone clings to old business models and habits, trapped in their linear mindset, unable or unwilling to recognize what is happening.
I'm sitting in the café, listening to the conversations around me, and it feels like I'm on another planet.
Ignorance (especially politics) will soon present our society with challenges against which the current domestic and foreign policy problems will look completely irrelevant.
We are sailing into the unknown on a boat without a captain.
I wish us all good luck.
Erinnert euch euer Autohaus/Werkstatt des Vertrauens an die nächste Hauptuntersuchung?
🇬🇧 Translation
Does your trusted car dealership/workshop remember the next general inspection?
Wir werden schon bald (ab 2027) humanoide Roboter sehen, die völlig autark agieren, da bin ich fest von überzeugt:
1. Die Hardware funktioniert bereits.
Physisch sind Roboter in Testumgebungen längst ausgereift. Das Netz ist voll von Aufnahmen extrem beweglicher Maschinen (siehe Saltos bei Boston Dynamics oder Figure/Unitree). Auch wenn viele Demos aktuell noch ferngesteuert oder vorprogrammiert sind, steht die mechanische Basis. Die Herausforderung verschiebt sich nun von der reinen Beweglichkeit hin zur industriellen Skalierbarkeit und Langlebigkeit der Komponenten. Dabei hat die Robotik Industrie aber jahrzehnte lange Erfahrung.
2. Das „Gehirn“ gibt es bereits (Multimodale KI).
Bisher scheiterten Roboter am sogenannten Moravec-Paradoxon: Während KI komplexe Aufgaben wie Schachspielen oder medizinische Diagnosen mühelos meistert, sind banale motorische Fähigkeiten, wie das Greifen einer unregelmäßig geformten Tasse oder das Laufen über unebenen Boden, extrem schwer zu lernen. Was für uns Menschen intuitiv ist, ist für Maschinen hochkomplex.
Warum lässt sich das genau jetzt lösen?
Der Durchbruch kommt nicht durch klassische Programmierung, sondern durch „End-to-End-Learning“. Anstatt der KI jede Bewegung vorzuschreiben (wie man es zunächst auch beim autonomen Fahren versucht hatte), lernt sie heute wie ein Kind durch Beobachtung und Millionen von Simulationen. Gepaart mit multimodalen Modellen, die Bilder direkt in motorische Befehle übersetzen, wird die Brücke zwischen logischem Verständnis und physischem Handeln endlich geschlagen. Die Technik, um das Moravec-Paradoxon zu knacken, ist durch die schiere Rechenpower und neue Trainingsmethoden greifbar nah.
Warum flitzen sie noch nicht durch unsere Straßen?
Neben den Kosten sind die Hauptgründe Latenz und Energiebedarf. Ein Roboter kann bei einem drohenden Sturz keine zwei Sekunden auf eine Antwort aus der Cloud warten. Die Rechenpower muss im Körper sitzen. Erst jetzt gibt es extrem effiziente Modelle wie Qwen, Gemma oder spezialisierte Llama-Varianten, die lokal auf NPUs mit minimaler Latenz laufen. Hier erleben wir gerade den entscheidenden technologischen Sprung.
Das größte Problem: Sicherheit.
Im echten Leben gibt es Milliarden Situationen, in denen eine KI angemessen reagieren muss. In der Simulation ist ein Fehler vernachlässigbar, in der physischen Welt kann er Sach- oder Personenschäden verursachen.
Warum lässt sich das lösen?
Wir sehen am autonomen Fahren, dass sich die Fehlerquote mit massiven Datenmengen auf ein Minimum reduzieren lässt. Das Ziel ist nicht Perfektion, sondern ein Sicherheitsniveau, das mindestens auf menschlichem Niveau liegt. Beim autonomen Fahren nähern wir uns diesem Punkt bereits, wenn man die Unfälle pro gefahrenem Kilometer als Maßstab nimmt.
Real-World AI existiert bereits in einer hochdynamischen Umgebung mit hoher Geschwindigkeit und wenig Fehlertoleranz. Ein humanoider Roboter im Haushalt bewegt sich langsamer und birgt aufgrund geringerer Masse oft weniger Gefahr als ein Auto, auch wenn seine Umgebung räumlich komplexer ist.
Bleibt die Kostenfrage.
Wie bei Smartphones oder Elektroautos wird die Skalierung die Preise drastisch drücken. Experten gehen davon aus, dass die Hardwarekosten bei hoher Stückzahl unter die eines Mittelklassewagens fallen können. Zudem ermöglicht das Training in der Simulation eine enorme Beschleunigung der Entwicklung, ohne teure Hardware-Prototypen in gleicher Zahl zu verschleißen wie noch vor fünf Jahren.
Dieses Jahr halten humanoide Roboter bereits Einzug in Fabriken, wo die Umgebung kontrolliert ist. Bis sie den komplexen Alltag in einer Privatküche meistern, müssen noch Hürden bei der Generalisierung überwunden werden. Rein technisch sehe ich jedoch kein unlösbares Hindernis mehr. Es ist eine Frage der Daten-Skalierung.
Ich gehe daher davon aus, dass wir bereits 2027 erste humanoide Haushaltsroboter für spezifische Aufgaben auf dem Markt sehen werden. Vermutlich zunächst in China.
Was denkt Ihr?
🇬🇧 Translation
I am firmly convinced that we will soon (from 2027) see humanoid robots that operate completely autonomously:
1. The hardware is already working.
Robots in test environments have long been physically mature. The internet is full of shots of extremely mobile machines (see somersaults at Boston Dynamics or Figure/Unitree). Even though many demos are currently still remote-controlled or pre-programmed, the mechanical basis is in place. The challenge now shifts from pure mobility to industrial scalability and longevity of the components. However, the robotics industry has decades of experience.
2. The “brain” already exists (multimodal AI).
So far, robots have failed because of the so-called Moravec paradox: While AI effortlessly masters complex tasks such as playing chess or medical diagnosis, banal motor skills such as gripping an irregularly shaped cup or walking over uneven ground are extremely difficult to learn. What is intuitive for us humans is highly complex for machines.
Why can this be solved now?
The breakthrough does not come through classic programming, but through “end-to-end learning”. Instead of telling the AI to make every move (as was initially attempted with autonomous driving), it now learns like a child through observation and millions of simulations. Paired with multimodal models that translate images directly into motor commands, the bridge between logical understanding and physical action is finally built. The technology to crack the Moravec paradox is within reach thanks to sheer computing power and new training methods.
Why aren't they speeding through our streets yet?
In addition to cost, the main reasons are latency and energy requirements. If a robot is about to fall, it can't wait two seconds for a response from the cloud. The computing power must be in the body. Only now are there extremely efficient models such as Qwen, Gemma or specialized Llama variants that run locally on NPUs with minimal latency. Here we are currently experiencing the decisive technological leap.
The biggest problem: security.
In real life, there are billions of situations in which an AI must react appropriately. In simulation, an error is negligible; in the physical world, it can cause property damage or personal injury.
Why can this be solved?
We see from autonomous driving that the error rate can be reduced to a minimum with massive amounts of data. The goal is not perfection, but a level of safety that is at least human-level. With autonomous driving, we are already approaching this point if we take accidents per kilometer driven as a benchmark.
Real-world AI already exists in a highly dynamic environment with high speed and little fault tolerance. A humanoid robot in the home moves slower and, due to its lower mass, often poses less danger than a car, even if its environment is spatially more complex.
The question of costs remains.
As with smartphones or electric cars, scaling will drastically reduce prices. Experts assume that the hardware costs can fall below those of a mid-range car if the volume is high. In addition, training in simulation enables development to be accelerated enormously without wearing out expensive hardware prototypes to the same extent as five years ago.
This year, humanoid robots are already making their way into factories where the environment is controlled. Before they can master the complex everyday life in a private kitchen, generalization hurdles still have to be overcome. From a purely technical perspective, however, I no longer see an insoluble obstacle. It's a question of data scaling.
I therefore assume that we will see the first humanoid household robots for specific tasks on the market as early as 2027. Probably initially in China.
What do you think?
Meine aktuelle Top 4 General Purpose AI Rangliste (Chat, Analysen, Dokumente/Bilder erstellen, Coden etc..):
1. Meta Manus AI
2. Google Gemini AI Studio
3. xAI Grok
4. OpenAI ChatGPT
Manus AI aktuell mit gutem Abstand auf Platz 1 (wenn auch teuer im Vergleich).
🇬🇧 Translation
My current top 4 general purpose AI rankings (chat, analysis, creating documents/images, coding, etc.):
1. Meta Manus AI
2. Google Gemini AI Studio
3. xAI Grok
4. OpenAI ChatGPT
Manus AI is currently in first place by a good margin (albeit expensive in comparison).
"Storytelling wird wichtiger als das eigentliche Produkt."
Meine Gedanken bezüglich KI und Kapitalmärkten (keine Anlageberatung!):
Nicht mehr nur Softwareunternehmen verlieren ihren wichtigsten Burggraben (die Software), sondern jedes Unternehmen, in dem hauptsächlich Wissen oder Forschung den Wert ausmacht (Pharma, Bio, Chemie, Materialwissenschaft, Beratung, etc.), ist potenziell in Gefahr.
Nahezu jeder kann bald mit Hilfe von KI (Alphafold etc.) Medikamente, Stoffe oder Materialien designen (siehe die Geschichte von der Hündin Rosy) und braucht nur noch Lieferanten für technische/klinische Studien, Synthetisierung und Logistik. Das gibt es bereits alles „as a Service“.
Forschung, Marketing, Vertrieb, Beratung, Organisation, Finance, Legal – bald alles KI.
Der einzige Burggraben, der bleibt: Marke und Vertrauen. Storytelling wird wichtiger als das eigentliche Produkt.
Wissen und Forschung werden durch KI zur Commodity. Jeder kann bald alles erschaffen. Man braucht nur KI plus Produktionsmöglichkeiten und Ressourcen. Die Nachfrage nach Compute, Produktionsressourcen und Energie explodiert daher. Das führt bereits jetzt zu massiven Engpässen in vielen Bereichen (insbesondere Chips). Selbst bei Standardservern sehen wir in den letzten Monaten Preisanstiege von 300–400 % (wenn überhaupt noch geliefert wird). Das trifft jedes Unternehmen mit eigenem Datacenter und kann bald existenziell werden. Wer seine Ressourcen aus der Cloud bezieht, wird zwar vorerst weiter beliefert, muss mittelfristig aber mit erheblichen Preissteigerungen rechnen.
Wenn ich ehrlich bin, sehe ich aufgrund der auf uns zukommenden Verwerfungen hohe Risiken in fast allen Märkten. Einerseits wird die Produktivität bei manchen explodieren, während andere (von denen es man es zunächst nicht erwartet) in kürzester Zeit unter die Räder kommen.
Alles, was sich nicht schnell nachbauen lässt, weil es von Infrastruktur, Verbreitung oder Technologie her sehr aufwendig ist (z. B. Telcos, Energie, Kritische Infrastruktur, Lebensmittel etc.) –, dürfte verhältnismäßig sicher sein (wie in den meisten Krisen). Neben Rohstoffen und den nötigen Lieferketten selbst.
Aber selbst ein vermeintlich sicherer Hafen kann sich als trügerisch erweisen, wenn zahlungskräftige Kunden plötzlich ausbleiben.
Nur zwei Dinge sind für mich klar: Die aktuellen Kriege werden bei dem, was auf uns zurollt, eher eine Nebenrolle einnehmen. Und KI ist gekommen, um zu bleiben.
So banal es klingen mag: Gute Diversifizierung wird vermutlich wichtiger denn je.
🇬🇧 Translation
"Storytelling is becoming more important than the actual product."
My thoughts regarding AI and capital markets (not investment advice!):
It is no longer just software companies that are losing their most important moat (the software), but every company in which knowledge or research is the main source of value (pharmaceuticals, bio, chemistry, materials science, consulting, etc.) is potentially at risk.
Almost everyone will soon be able to design drugs, substances or materials with the help of AI (Alphafold etc.) (see the story of the dog Rosy) and only need suppliers for technical/clinical studies, synthesis and logistics. This is all already available “as a service”.
Research, marketing, sales, consulting, organization, finance, legal – soon all AI.
The only moat that remains: brand and trust. Storytelling becomes more important than the actual product.
Knowledge and research are becoming commodities through AI. Everyone can soon create anything. You just need AI plus production options and resources. The demand for compute, production resources and energy is therefore exploding. This is already leading to massive bottlenecks in many areas (particularly chips). Even for standard servers we are seeing price increases of 300-400% in the last few months (if they are still being delivered at all). This affects every company with its own data center and can soon become existential. Those who obtain their resources from the cloud will continue to receive supplies for the time being, but must expect significant price increases in the medium term.
If I'm honest, I see high risks in almost all markets due to the disruptions that lie ahead. On the one hand, some people's productivity will explode, while others (of whom you don't initially expect it) will go under the wheels in a very short time.
Anything that cannot be replicated quickly because it is very complex in terms of infrastructure, distribution or technology (e.g. telcos, energy, critical infrastructure, food, etc.) - is likely to be relatively safe (as in most crises). In addition to raw materials and the necessary supply chains themselves.
But even a supposedly safe haven can turn out to be deceptive if wealthy customers suddenly stop coming.
Only two things are clear to me: the current wars will play a minor role in what lies ahead. And AI is here to stay.
As banal as it may sound, good diversification is probably becoming more important than ever.