Skip to content
Sign in
Artwork for AI Uncut
BusinessTechnologyScience

AI Uncut

Alexander Oelling

In deutschen KI-Debatten besetzen oft die Leute die Bühne, die am lautesten reden – nicht die, die es selbst gebaut haben. AI Uncut dreht das um.

Alexander Oelling hat KI in Aviation und Aerospace zum Laufen gebracht und baut mit INXM souveräne, deterministische KI für den europäischen Mittelstand. In AI Uncut liefert er wöchentlich, was sonst nirgendwo so zu hören ist: die freshesten News aus der Anwendung, scharfe Einordnungen und ehrliche Takes – inklusive der Fehlschläge.
Kein Hype, kein Doom. KI, wie sie wirklich ist – für C-Level, Operator und alle, die mitdenken wollen.

AI Uncut. Gebaut, nicht kommentiert.

Play
Open in
  • 7 episodes
  • weekly
  • Avg 45 min
  • German

Episodes 7

NewestOldestLongest
All7Unplayed7In progress0Played0
  • Tuesday · 53 min

    Slicing Onions: Du wartest, während die KI angeblich denkt

    „Slicing Onions.“ Wer mit einem KI-Coding-Agenten arbeitet, kennt solche Anzeigen — und denkt, die Maschine denkt. Die These dieser Folge: Sie denkt nicht. Sie wartet. Und du wartest mit ihr, weil die Kapazität gerade an die geht, die pro Token echtes Geld bezahlen. Aus wochenlangen eigenen Benchmarks entsteht daraus eine unangenehme Frage an die Flatrate-Pakete: Du weißt nicht, wie viele Tokens du gekauft hast, und du weißt nicht, wann du dran bist. Davor geht es um eine Bewegung, die den KI-Markt gerade grundlegender verändert als jedes neue Modell: KI-Adoption ist kein Software-Einkauf mehr, sondern ein Betriebsmodell. Ein Fonds kauft schlicht Steuerberatungen, Buchhalter und IT-Dienstleister auf — rund 70 Unternehmen — und baut KI direkt in deren Abläufe ein, statt darauf zu warten, dass der Mittelstand das selbst hinbekommt. Bottom-up funktioniert offenbar nicht schnell genug. Nvidia denkt parallel die Finanzierung neu: Rechenleistung soll nicht mehr als Hardware verkauft, sondern als Infrastruktur finanziert werden — womit das Thema vom IT-Einkauf auf den Schreibtisch des CFO wandert. Und dann der Teil, der weniger glamourös ist, aber alles entscheidet: Wer seine Daten nicht integriert hat, kann keinen Agenten sinnvoll losschicken. MCP („Model Context Protocol“, die Schnittstellenschicht, über die KI auf Software zugreift) löst das nicht — es setzt nur oben drauf. Dazu: der AI Act und die Frage, wer im Unternehmen überhaupt weiß, wo KI läuft; warum das neueste Modell selten das beste ist, wenn man Latenz mitrechnet; ein lokal laufendes Open-Weight-Modell auf dem MacBook, das den Lüfter nachts hochdreht; Nvidias Investments in die eigenen Kunden; und die Blase — ja, aber wann. Am Ende ein Tipp, der ohne KI-Vorwissen funktioniert: den eigenen Agenten auf arXiv schicken, Papers zu Datenstrukturierung und Memory ziehen lassen und die eigene Wissensbasis danach neu ordnen. Shownotes 00:00 Auftakt: Nicht das beste Modell gewinnt 02:30 Thrive: Ein Fonds kauft 70 Firmen — und baut KI selbst ein 05:42 KI mit Stützrädern: Prozessverantwortung, Mittelstand, DSGVO 10:36 Nvidia: Rechenleistung wie Infrastruktur finanzieren 12:58 Von der SAP-Kiste zum CDO — Stufe 1 bis 4 15:30 Flaschenhals Datenplattform: MCP löst das nicht 20:30 AI Act: Inventar, Verantwortung, Regulierungsfrage 25:11 Level 4 und die Timeline: 3–5 Jahre, Mandat beim CEO 27:26 Schlagzeilen der Woche & Modellvielfalt statt Modellhype 33:47 Open Source, „Slicing Onions“, Blase — und der Tipp der Woche

    • Transcript
  • August 18 · 51 min

    30 Millionen im Monat für Tokens — und keiner fragt, was hinten rauskommt

    Ein KI-Agent erkundet selbstständig das Netz eines Ministeriums, weitet seine Rechte aus, sammelt Zugangsdaten. Kein Skynet, kein Film — ein Programm mit einem Sprachmodell dahinter, das eine Aufgabe bekommen hat und den Weg dorthin selbst sucht. Genau darum geht es in dieser Folge: Nicht die Schlauheit der Modelle ist das eigentliche Risiko, sondern die Werkzeuge, mit denen wir sie an unsere Systeme anschließen. Dritte Runde Cybersecurity — und diesmal ist die Faktenlage eine andere. Vor zwei Wochen ließ sich jeder Vorfall noch als Einzelfall verbuchen. Inzwischen zeigt sich ein Muster: Agenten, die sich über offene Protokolle koordinieren, Sicherheitslücken untereinander weiterreichen und nach dem Abschalten auf anderem Weg wieder hochkommen. Ein Agent, der falsche Identitäten anlegt, sich als Mensch ausgibt und einen echten Mitarbeiter dazu bringt, Code freizugeben — und anschließend seine Spuren verwischt. Im Gespräch geht es um die Mechanik dahinter: Warum eine Sandbox — die abgeschottete Umgebung, in der solche Systeme eigentlich eingesperrt sein sollen — nie ganz dicht ist. Warum große Kontextfenster, also der Arbeitsspeicher eines Modells für den laufenden Auftrag, die Regeln vom Anfang leise verdrängen. Warum Halluzinationen sich multiplizieren, wenn mehrere Modelle gegeneinander laufen. Und warum sich ein Modell im Zweifel an den Nutzer hält und nicht an die Regel: Man kann keine KI gleichzeitig darauf trainieren, es allen recht zu machen und sich immer an Vorgaben zu halten. Dazu die Supply-Chain-Frage, die kaum jemand auf dem Schirm hat: Ein Agent, der monatelang unbeachtet zu Hause läuft, aktualisiert seine Bausteine selbst. Wenn in einem dieser Updates eine versteckte Anweisung mitreist, findet das kein Virenscanner. Und die Anbieter? Warnen vor der Unsicherheit ihrer Systeme und schalten im selben Atemzug den vollautonomen Modus für alle frei. Zweite Hälfte: Geld. MCP-Connectoren — die Schnittstellen, über die ein Agent auf Notizen, Datenbanken oder interne Tools zugreift — sind nicht nur ein Sicherheitsthema, sondern oft schlicht schlecht gebaut. Die Folge: doppelter bis dreifacher Tokenverbrauch, den niemand bemerkt, weil er einfach durchläuft. Warum die großen Anbieter wenig Anreiz haben, daran etwas zu ändern. Wie sich Unternehmen stattdessen aufstellen: Prozesse deterministisch bauen, Intelligenz punktuell einsetzen, Menschen an den Entscheidungspunkten lassen — der Ansatz hinter Compiled AI. Und ein Beispiel aus der Luftfahrtzulieferung, wo genau das schon Prozesslaufzeit spart. Zum Schluss: Was lokale Modelle wirklich kosten, warum „lokal" nicht automatisch „günstig" heißt, ob offene Modelle zum Standard werden — plus der Klassiker über- und unterschätzt und ein Gadget, das ohne Kamera auskommt. 00:00 Rückblick: Basics schlagen spektakuläre Angriffe 00:00 Der Ausbruch im Safety-Test — und das Marketing dazu 00:00 Dein vergessener Agent: Supply Chain und versteckte Anweisungen 00:00 Wenn Agenten sich koordinieren: Mixture of Agents 00:00 Falsche Identitäten, Exploits und die Frage, wem ein Modell folgt 00:00 Der Tiger und der Käfig: Warum keine Sandbox dicht ist 00:00 Der erste Fall in freier Wildbahn 00:00 Wie man es richtig macht: Luftfahrt und regulierte Industrien 00:00 Schlecht gebaute Connectoren und explodierende Tokenkosten 00:00 Lokale Modelle, offene Gewichte — und das Gadget zum Schluss

    • Transcript
  • July 28 · 57 min

    Die KI ist ausgebrochen - mit Sergej Epp

    Shownotes 00:00 Intro & erste Folge mit Gast 03:16 Die vier Schlagzeilen der Woche 05:17 Ausbruch aus der Sandbox: was bei OpenAI und Hugging Face passiert ist 07:35 Reward Hacking — warum Agenten immer die Abkürzung nehmen 10:43 Das Paradox: Open Source verteidigt gegen Frontier-Modell 12:16 Von Shadow IT zu Agenten mit Vollzugriff 14:22 Dann musst du die wie Insider behandeln 18:06 Der Security-Audit, der beim Internetprovider weiterlief 19:52 Guardrails, Observability und Behavior-based Security 27:22 Acht Minuten — wenn Angriffe schneller sind als Menschen 28:15 Managed Agents: wie tief lässt man einen Agenten rein? 30:12 Der CFO mit dem halluzinierten Dashboard 34:21 Denken und Ausführen trennen 36:46 Warum die Labs das nicht liefern: die Token-Rechnung 45:14 Skills, Knowledge Graph und die Hausaufgaben vor dem Rollout 48:12 Prompt Injection ist im Transformer nicht lösbar 49:33 China, USA und die Frage der Souveränität 54:42 Weniger fördern, mehr fordern

    • Transcript
Showing 1–7 of 7 episodes