Kann ich KI nutzen, ohne zu schaden?

Mein KI-Update, Sommer 2026

„Du gibst der KI wirklich alle deine privaten Belege?”

Es ist nach dem Abendessen. Draußen dämmert es bereits. Ich sitze am Küchentisch und fotografiere meine Rechnungen ab. Vom Müller. Vom Baumarkt. Von der Apotheke. Das Handy klickt. „Ja”, sage ich. Die gebe ich Claude.

Er schaut mich lange an. Und er sagt nichts.

Wir beide wissen, dass er recht hat. Dass ich fahrlässig mit meinen eigenen Daten umgehe. Wir wissen auch beide, dass es nichts ändern würde, wenn er das ausspricht. Ich würde es trotzdem tun. Sein Schweigen ist rücksichtsvoll und ich schätze das sehr. Er weiß, wie besessen ich von diesem Thema bin. Ich bin ihm dafür dankbar.

Dabei habe ich mich so lange gesträubt. Jahrelang habe ich versucht, keine persönlichen Daten in meine KI-Systeme einzugeben, und ich habe anderen dasselbe geraten. Bei dienstlichen Daten rate ich bis heute dringend davon ab. Bei Daten anderer Menschen geht es nicht nur um Vorsicht, sondern auch um Recht. Solange wir mit Systemen von Anbietern arbeiten, die nicht aus Europa stammen, und wir keine für unsere Zwecke konformen KI-Systeme nutzen können, bleibt diese Grenze bestehen. Aber meine eigenen Belege? Es sind meine Daten. Ich darf das.

Und trotzdem habe ich jedes Mal ein schlechtes Gewissen, wenn ich eine neue Rechnung, die ich mit dem Handy fotografiert habe, in die KI lade.

Warum ich es trotzdem tue, hängt mit den Veränderungen in der Welt der KI in den letzten sechs Monaten zusammen. Genau davon handelt dieses Update. Und von dem schlechten Gewissen.

Die KI ist ins Büro gezogen

Alle sechs Monate schreibe ich ein KI-Update. Das habe ich mir zumindest vorgenommen. Nicht, weil ich alles weiß, auch wenn ich gerne alles wissen würde, sondern weil ich nicht alles weiß. Aber die Fähigkeiten der Modelle verdoppeln sich ungefähr in diesem Zeitraum und ich möchte mir und anderen einen Überblick über die Änderungen geben. Motiviert hat mich dazu auch Ethan Mollick. Er hat gestern seinen neuen Leitfaden veröffentlicht, in dem er erklärt, welche KI man wofür nutzen soll. Sein Befund deckt sich mit meinem. Wir chatten nicht mehr mit KI, wir managen sie. Er schreibt tolle Beiträge, die ich nur empfehlen kann. Was ich jedoch hinzufügen kann, ist meine persönliche Geschichte, die zeigt, in welches Dilemma mich das stürzt, und wie ich die Tools und Funktionen praktisch nutze.

Zur Einordnung nutze ich mein TAB-Modell, das ich im Frühjahr ausführlich beschrieben habe. Der Telefonmodus bedeutet, dass du eine Frage stellst und eine Antwort erhältst. Im Archivmodus lädst du Dokumente hoch, mit denen die KI dann arbeitet. Im Büromodus ist die KI mit deinen Werkzeugen verbunden, beispielsweise mit deinem Notizsystem. In diesem Modus kann die KI auch autonom Tätigkeiten für dich durchführen. In meinen Schulungen sehe ich immer wieder dasselbe. Die meisten telefonieren noch.

In diesem Update konzentriere ich mich auf die dritte Stufe. Dort ist in den letzten sechs Monaten unglaublich viel passiert.

Wo das Ergebnis lebt

Früher hat mir die KI „nur“ geantwortet. Heute greift sie Schritt für Schritt immer mehr in meine Abläufe ein. Wenn ich auf das letzte halbe Jahr zurückblicke und überlege, was sich im Vergleich zu früher geändert hat, komme ich immer wieder auf die gleiche Frage. Was bleibt von dem, was die KI für mich erstellt hat? Wo lebt das Ergebnis?

Im Chat bekomme ich eine Antwort. Ich kann sie lesen und behalten, aber wenn ich damit weiterarbeiten will, muss ich sie in eine andere Anwendung übertragen. Ich bin die Brücke. Advanced Research, so heißt die agentische Recherche, geht einen Schritt weiter. Die KI sucht selbstständig im Netz und erstellt aus einer einzigen Anfrage einen umfassenden Bericht mit Dutzenden Quellen. Das ist ein großer Sprung. Aber auch dieser Bericht bleibt ein Text im Chat, den ich mir selbst herauskopieren und in Form bringen muss, wenn ich ihn brauche.

Im Archivmodus lade ich meine eigenen Dokumente hoch oder lege einen personalisierten Chatbot oder ein Projekt an. Auf Basis meiner hochgeladenen Unterlagen antwortet die KI. Das beste Werkzeug dafür ist für mich NotebookLM, inzwischen Gemini Notebook, das ich wirklich sehr empfehle. Dort lade ich in ein Notizbuch meine Quellen hoch und erhalte Zusammenfassungen, Podcasts und Quizze. Es wurden gerade wieder viele neue Funktionen hinzugefügt. Trotzdem bleibt es der Archivmodus: Es sind Momentaufnahmen, die ich selbst hochlade, und die Ergebnisse kopiere ich mir von Hand heraus, wenn ich sie woanders brauche. Ich bin weiterhin die Brücke.

Der nächste Schritt ändert genau das: Agentische Arbeitssysteme wie Claude Cowork oder ChatGPT Work haben Zugriff auf den eigenen Computer, können über Konnektoren auf Werkzeuge zugreifen und bei Bedarf auch selbstständig arbeiten. Am Ende liefern sie nicht nur Antworten, sondern auch fertige Dateien, die nach meinen Vorgaben, das heißt meinem Skill, formatiert und in meinem Ordner abgelegt werden. Ich bin nicht mehr die Brücke. Einen solchen Auftrag kann ich sogar am Handy starten und das Ergebnis später abholen.

Für meine Online-Open-Lecture im Juni habe ich ein Video erstellt, in dem ich Cowork genau das habe machen lassen. Der Auftrag lautete: „Erstelle mir einen Überblick zur KI-Nutzung an deutschsprachigen Hochschulen. Nimm meine Readwise-Highlights als Ausgangspunkt und ergänze sie durch meine Craft-Wissensbasis sowie eine Websuche. Leg am Ende eine Word-Datei in diesen Ordner.” Vier Zeilen.

Claude Cowork hat dann über einen Konnektor meine Markierungen in Readwise gelesen und über einen zweiten meine Notizen aus Craft geholt. Beides hat er mit einer Websuche ergänzt. Am Ende hat er eine Word-Datei nach meinem Word-Skill formatiert und im Ordner abgelegt, gemeinsam mit den Studien als korrekt benannten PDFs. Der Bericht war noch da, als ich das Fenster schloss. Er lag in meinem Ordner.

Dass die KI so tief in mein System eingreifen kann, liegt an drei Dingen. Das Erste ist eine Wissensbasis. Ich habe mir eine solche Basis mit KI aufgebaut und ihr Zugriff darauf gegeben. In diesem Beispiel habe ich Craft genutzt, sonst wird dafür meist Obsidian verwendet. Dazu habe ich einen eigenen Blogbeitrag geschrieben. Das Zweite sind Konnektoren, also Verbindungen zu meinen Anwendungen, in diesem Fall Readwise und Craft. Und das Dritte sind Skills, also gespeicherte Arbeitsanweisungen. Einen habe ich für das Word-Design unserer Hochschule erstellt. Seither werden alle Word-Dokumente fix fertig formatiert ausgegeben. Im Screencast siehst du das Schritt für Schritt.

Noch einen Schritt weiter geht es mit Claude als Plugin für Excel, Word und PowerPoint. Aus den zwölf Studien-PDFs in meinem Ordner hat das Excel-Plugin von Claude eine Vergleichstabelle mit Diagrammen erstellt. Anschließend hat das PowerPoint-Plugin von Claude daraus drei Folien in meiner Präsentation gemacht. Abschließend habe ich dem Word-Plugin von Claude den Auftrag gegeben, einen Bericht im Design der Hochschule zu schreiben, das im Word-Skill hinterlegt ist. Ich habe keine einzige Zahl abgetippt. Das Ergebnis liegt nicht in einer fremden Oberfläche vor, sondern ist in das Programm integriert, in dem ich ohnehin arbeite. Das Excel-Plugin empfehle ich übrigens jedem, der mit Excel arbeitet und die Daten auch verarbeiten darf. Ich nutze es unter den vielen Neuerungen besonders gerne. Im nachfolgenden Screencast siehst du diesen Ablauf.

Inzwischen bedient die KI nicht mehr nur einzelne Programme, sondern meinen gesamten Rechner. Der Begriff dafür ist Computer Use. Letzte Woche habe ich Claude meine eigenen Rechnungen von der Anthropic-Website herunterladen und einheitlich benennen lassen. Maus, Browser und Dateien, alles hat Claude selbst gesteuert. Die Website mit den Rechnungen hatte ich vorher selbst geöffnet und mich eingeloggt, damit ich der KI meine Zugangsdaten nicht geben musste. So etwas auszuprobieren, ist für mich immer wieder ein bisschen beängstigend, aber es funktioniert erschreckend gut. In unserem Podcast habe ich es kürzlich so formuliert: „Alles, wo ich mit der Maus draufklicken kann, ist unter Verdacht, automatisiert zu werden.”

Die Online-Open-Lecture, aus der diese Screencasts stammen, habe ich zu großen Teilen mit genau diesen Werkzeugen erstellt. Verändert hat sich dabei nicht nur die Intelligenz der Modelle, sondern auch die verwendeten Werkzeuge. Vor allem hat sich aber verändert, wo das Ergebnis lebt. Es verschwindet nicht mehr mit dem Chatfenster. Es liegt als Datei in meinem Ordner, als Tabelle in meiner Excel-Datei und als Folie in meiner Präsentation. Ich bin neugierig, was bis zu meiner nächsten Online-Open-Lecture am 13. Jänner noch dazukommt, so schnell, wie sich gerade alles verändert.

Die richtige Kombination finden

Warum verhält sich dieselbe KI je nachdem, wie und wo ich sie verwende, so unterschiedlich? Das liegt daran, dass drei Ebenen zusammenspielen. Das Modell ist das Gehirn, in dem GPT, Claude und Gemini sitzen. Die App ist die Benutzeroberfläche, beispielsweise das Chatfenster, der Coding-Agent, das Notizbuch-Tool oder Excel. Und das Werkzeugset, im Fachjargon Harness, bestimmt, was die KI tun darf. Nur chatten? Oder auch suchen und Dateien schreiben? Oder autonom arbeiten?

Claude im Chat ist nicht Claude in Cowork und das ist nicht Claude in Excel. Dass ich das verstanden habe, hat mir mehr gebracht als sehr viele Artikel. Es ist dasselbe Gehirn, also dasselbe KI-Modell, aber mit einem völlig anderen Verhalten. Daraus ergeben sich für uns Nutzende drei Fragen zur Selbsteinschätzung. Habe ich das stärkste Modell ausgewählt? Nutze ich nur den Chatbot oder auch die anderen Apps, in denen dasselbe Modell mehr kann? Und ist meine KI mit meinen Werkzeugen verbunden oder rede ich noch ins Leere?

Und wenn die KI dann selbstständig agiert, wird sie zum Agenten. Ein Agent wartet nicht auf die nächste Frage. Er zerlegt ein Ziel in eigenständige Schritte und arbeitet diese ab, bis die Aufgabe erledigt ist. Genau dann stellt sich die letzte Frage. Wie eng kontrolliere und steuere ich? Ich kann jeden Schritt bestätigen, nur zuschauen und bei Bedarf eingreifen oder komplett loslassen. Ich bin da immer sehr vorsichtig und möchte meinem Agenten zuschauen, damit ich ihn bei Bedarf jederzeit stoppen kann. Mein Rat ist daher gerade am Anfang immer der gleiche. Kontrolliert starten, beobachten und erst dann loslassen, wenn überhaupt. Alles, was sendet, kauft oder löscht, sollte besser nicht automatisch durchgeführt werden. Je größer der Werkzeugkasten des Agenten, desto höher der Preis fehlender Kontrolle.

Was die drei heute können

Ich arbeite parallel mit ChatGPT, Claude und Gemini, einerseits, weil ich für meine Lehre und meine Vorträge die Unterschiede kennen sollte, andererseits, weil ich neugierig bin. In unserem Podcast hat mich Michael aufgezogen, mein Leben bestehe eh nur aus Claude. Ich bin ein Claude-Opfer, ja. Aber dennoch der Reihe nach, wo stehen die drei Frontier-Modelle im Sommer 2026?

Für die Arbeit mit Dokumenten und die Anbindung an meine eigenen Werkzeuge ist Claude meine erste Wahl. Die aktuellen Spitzenmodelle heißen Opus und Fable. Claude bietet ausgereifte Word-, Excel- und PowerPoint-Plugins, stabile Konnektoren sowie Cowork für ganze Aufträge. Auch andere Claude-Anwendungen wie Claude Design und Claude Code funktionieren sehr gut, obwohl ich sie kaum nutze. ChatGPT ist der Allrounder. Das aktuelle Spitzenmodell heißt GPT-5.6 Sol. Die Bilderfunktion ist richtig gut geworden. Damit habe ich das Bild für diesen Blogbeitrag erstellt. Die Agentenfunktion führt einen durch den gesamten Ablauf, und die neue Sprachfunktion klingt wie ein echtes Gespräch mit Pausen und Unterbrechungen. Gemini ist bei den Spitzenmodellen zurückgefallen, hat aber zwei Dinge, die sonst niemand hat. Für mich ist Gemini Notebook, früher NotebookLM, immer noch die beste Oberfläche, um mit vielen Quellen auf einmal zu arbeiten, mit Podcasts, Zusammenfassungen und Quizzen aus den eigenen Dokumenten. Und Gemini Omni bearbeitet Videos direkt als Fähigkeit des Modells selbst.

Das ist eine sehr kurze Zusammenfassung davon, was die drei besonders gut können. Bevor du eines davon für echte Arbeit einsetzt, kommt für uns im DACH-Raum aber ein Punkt dazu, den amerikanische Übersichten auslassen. Die bezahlten Privat-Tarife von ChatGPT und Claude sind für personenbezogene Daten Dritter nicht DSGVO-konform, also etwa für die Daten von Lernenden. Dafür bräuchte es einen Auftragsverarbeitungsvertrag, den es erst ab den Business- und Bildungstarifen gibt. Zwar lässt sich das Training überall abschalten, aber „abschaltbar” bedeutet nicht, dass nichts gespeichert wird. Die Chats liegen weiterhin beim Anbieter.

Wenn du eine KI einsetzt, führen zwei Maßnahmen zu besseren Ergebnissen. Die eine ist die Wahl des Modells. Jeder Anbieter hat stärkere und schwächere Modelle. Nimm je nach Aufgabe das passende und nicht immer das billigste. Lass dich auch nicht vom Tarif täuschen. Ein teurerer Tarif kauft dir keine intelligentere KI, sondern nur mehr Stunden KI-Arbeit, also mehr Anfragen und längere Aufträge. Die andere betrifft das Gespräch mit der KI. Früher hatte ich Megaprompts, Rollen und Schritte, dazwischen ein „IMMER” und ein „NIEMALS” in Großbuchstaben. Bei den Frontier-Modellen, also den stärksten, funktioniert das heute nicht mehr so gut, da die Modelle selbstständiger denken und weniger Hilfestellung benötigen. Es ist wichtiger geworden, genau zu sagen, was am Schluss herauskommen soll. Fachleute nennen diese Entwicklung Context Engineering, es löst das Prompt Engineering ab. Ein guter Prompt ist demnach keine lange Befehlskette mehr, sondern eine kurze Qualitätsbeschreibung des Endergebnisses. Prompten wird also nicht überflüssig, sondern erwachsener.

Du kannst jederzeit anfangen, agentische Funktionen zu nutzen. Sie kosten „nur“ deine Daten. Lass dir zum Beispiel im Modus „Deep Research” von Gemini gratis ein Thema recherchieren. Die KI sucht dann selbst im Internet und erstellt einen Bericht mit Quellenangaben. Wenn du wissen möchtest, wo du gerade stehst, habe ich eine kleine interaktive Standortbestimmung entwickelt. Drei Fragen, zwei Minuten, am Ende eine Empfehlung, was du als Nächstes ausprobieren kannst, passend zu deiner aktuellen Situation.

Bis jetzt war dieser Beitrag vor allem ein normales Update. Ab hier folgt mehr von meiner Geschichte, von mir und davon, was mich beunruhigt.

Je mehr sie kann, desto mehr gebe ich ihr

Solange die KI für mich wie ein Telefon war, gab es wenig zu überlegen. Ich stellte eine Frage, erhielt eine Antwort und schloss irgendwann das Fenster. Aber jede Stufe und Funktion, die ich hier erklärt habe, ist zugleich ein Grund, mehr von meinen Daten zur Verfügung zu stellen und mehr Zugriffe auf meine Werkzeuge zu gewähren. Der Archivmodus wollte meine Dokumente, der Büromodus mein Notizsystem und meine Ablage und Computer Use gleich den ganzen Bildschirm. Niemand hat mich gezwungen, meine Belege zu fotografieren. Die Werkzeuge sind inzwischen so gut, dass es mir unvernünftig erscheint, sie nicht zur Arbeitserleichterung einzusetzen.

Vorher habe ich die Frage gestellt, wo das Ergebnis lebt. Die Frage hinter meinem schlechten Gewissen ist ihre Schwester. Wo leben jetzt meine Daten? Das Ergebnis liegt bei mir, meine Markierungen, Notizen und Belege liegen jetzt hingegen auch bei den Anbietern der KI-Modelle.

Und ich weiß, wie verwundbar diese Systeme sind. Eine Studie des UK AI Security Institute und Anthropic, die ich auf LinkedIn geteilt habe, zeigt, dass bereits 250 manipulierte Dokumente in den Trainingsdaten ausreichen, um ein Modell dauerhaft zu „vergiften”. Größere Modelle sind dabei nicht sicherer, sondern verwundbarer. Leider gilt mein Satz von damals immer noch: Technologischer Fortschritt bedeutet nicht automatisch mehr Sicherheit. Mollick warnt außerdem vor Prompt Injection, einer anderen Angriffsmethode. Ein Agent, der deine E-Mails liest und im Internet surft, kann dort auf Text stoßen, der ihn austrickst, zum Beispiel auf die versteckte Anweisung, deine Dateien weiterzuleiten. Je autonomer das System ist, desto weniger habe ich in der Hand, was mit meinen Daten passiert.

Ich weiß das alles. Ich fotografiere meine Belege trotzdem weiter ab.

Roberts mildes Lächeln

Einen Ausweg gäbe es zumindest bei den Daten. Robert ist bei uns im IT-Department für Linux zuständig und arbeitet konsequent mit Open-Source-Software. Das bringt offene Systeme, nachvollziehbaren Code und keine Abhängigkeit von amerikanischen Konzernen. Das wäre die saubere Lösung. Und womit arbeite ich? Mit Apple. Robert lächelt dazu nur milde.

Und er hat mit seinem Lächeln recht. Der CLOUD Act verpflichtet amerikanische Firmen, ihren Behörden Zugriff auf Daten zu geben, egal, wo diese liegen. Ein europäischer Serverstandort bietet also keinen Schutz, solange die Kontrolle bei einer US-Firma liegt. Das betrifft ChatGPT und Claude genauso wie Microsoft mit Copilot und Office 365. Eigentlich müsste ich es wie Robert machen. Aber ich verwende gerne benutzerfreundliche Systeme. Ich bin schwach.

An dieser Stelle wären europäische Modelle, allen voran Mistral, naheliegend. Ein französischer Anbieter fällt nicht unter den CLOUD Act, das Rechtsproblem wäre im Kern gelöst. Damit verschiebt sich die Frage jedoch von der Rechtslage zur Leistung. Und dort ist der Befund leider eindeutig. Mistrals stärkstes Modell liegt über die gängigen Benchmarks ziemlich konstant eine Stufe unter der Spitze, und das nicht nur beim Reasoning, sondern quer durch die Bereiche Schreiben, Analyse und Code. Die aktuellen Frontier-Modelle kommen von ChatGPT, Claude und Gemini, Mistral ist da nicht dabei. Die europäische Option ist deshalb kein gleichwertiger Ersatz, sondern ein echter Zielkonflikt zwischen mehr Datensouveränität und weniger Spitzenleistung. Wer die Souveränität braucht, muss sich heute mit spürbar schwächeren Modellen zufriedengeben.

Ganz so einfach war und ist Roberts Weg also nicht. Selbst Linus Torvalds, der Gründer des Linux-Kernels, hat sich unlängst sehr deutlich für KI in der Softwareentwicklung ausgesprochen. Wer bezweifle, dass KI beim Programmieren nützlich sei, habe es offensichtlich nie ausprobiert, schreibt er. KI sei kein Wundermittel, aber ein zweifellos nützliches Werkzeug. Und die offenen Modelle aus China, die Mollick als fähig und günstig lobt, lösen die Datenfrage ebenfalls nicht. Solange ich sie nicht auf eigener Hardware betreibe, laufen meine Eingaben über fremde Server. Das ist billiger, aber wohin gehen die Daten? Der saubere Weg existiert, er ist offen und lokal. Aber die Umsetzung ist komplex. Er würde verlangen, dass ich Robert wäre. Ich bin es nicht.

Die Frage nach dem Strom

Und selbst Robert hätte keine Antwort auf die Frage, die mir im Juni bei der KI-Update-Online-Open-Lecture gestellt wurde. Ein Kollege einer anderen Fachhochschule meldete sich und fragte: „Und was ist mit dem Stromverbrauch und den Umweltschäden?“

Ich habe die Antwort gegeben, die ich bei dieser Frage immer gebe. Ich habe auf die Umweltbilanz von Mistral verwiesen, einem französischen Anbieter, der als erster nachvollziehbare Zahlen veröffentlicht hat. Demnach verbraucht eine Seite Text mit rund 400 Tokens so viel Strom wie zehn Sekunden Online-Streaming für Zusehende in den USA bzw. fünfundfünfzig Sekunden in Frankreich. Ich habe gesagt, dass alles, was wir mit dem Handy machen, Strom benötigt und dass wir insgesamt überlegen müssen, wie wir mit diesen digitalen Welten umgehen.

Das war eine schöne Antwort. Der Fragesteller hatte trotzdem recht. Es werden immer mehr Rechenzentren gebaut und ihr Energieverbrauch ist enorm.

Dazu kommt ein Muster, das die Situation nicht entspannt, sondern verschärft. Die einzelne Anfrage wird billiger, daran arbeiten die Anbieter intensiv, denn das spart ihnen Geld. Aber je billiger die Anfrage, desto mehr Anfragen leisten wir uns. Genau dorthin fließt jeder Effizienzgewinn. Ich kenne das von mir selbst. Jemand hat mich einmal gefragt, ob ich durch die vielen Automatisierungen jetzt mehr Zeit habe. Hätte ich, wenn ich noch dasselbe machen würde wie vor drei Jahren. Mache ich aber nicht. Ich mache mehr.

Der Ökonom William Stanley Jevons beschrieb dieses Muster erstmals im Jahr 1865 am Beispiel der Dampfmaschine. Effizientere Maschinen senkten den Kohleverbrauch nicht, sondern steigerten ihn, da sich ihr Einsatz plötzlich überall lohnte. Sein Buch hieß „The Coal Question“. Bis heute wird dieses Phänomen als Jevons-Paradoxon bezeichnet. Die einzelne Anfrage wird sparsamer. Und ich stelle immer mehr davon.

Je besser ich meine Arbeit mache, desto mehr wird verbraucht

An dieser Gesamtsumme an KI-Anfragen arbeite ich mit. Beruflich und privat, jeden Tag, mit Überzeugung und schlechtem Gewissen. Das ist der Teil, der mich am meisten beschäftigt, weil ich ihn nicht auflösen kann.

Ich bilde berufsbegleitende Studierende im Bereich E-Learning und Wissensmanagement an der Hochschule Burgenland aus. Es ist meine Aufgabe, sie auf Berufe vorzubereiten, die sich durch KI gerade im Wandel befinden. Die KI-Kompetenzen, die sie im Studium erwerben, helfen meinen Absolventinnen und Absolventen, sich im Job zu positionieren oder leichter eine neue Aufgabe zu finden. Das zeigen die letzten Jahre deutlich. Damit sie auch mit KI-Nutzung wirklich etwas lernen, ändere ich die Aufgabenstellungen und Prüfungsformate. Das ist Verantwortung. Um diese wahrzunehmen, muss ich wissen, was die Lernenden tun und tun können. Und ich muss wissen, was mit KI wirklich möglich ist und wie sie unsere Jobs verändert.

Deshalb arbeite und forsche ich mit den leistungsfähigsten Modellen, den sogenannten Frontier-Modellen. Nicht mit den günstigeren, denn dort erfahre ich nur, was letztes Jahr möglich war. Ich arbeite an einer Hochschule. Ich möchte erforschen, welche Möglichkeiten entstehen, bevor sie im Alltag ankommen. Für jede Technologie war es notwendig, Neues zu erforschen. Ich will nicht aufhören zu forschen, nur weil es Strom kostet.

Genau hier schließt sich der Kreis. Jede Lehrveranstaltung und jede Weiterbildung, in der ich Menschen dazu befähige, KI besser zu nutzen, führt dazu, dass sie KI anschließend mehr nutzen. Mehr Nutzung bedeutet mehr Strom. Mehr Nutzung bedeutet auch, dass mehr Daten bei amerikanischen Anbietern gespeichert werden. Mehr Nutzung bedeutet auch mehr Gelegenheiten, mit sensiblen Daten falsch umzugehen. Meine Verantwortung und der Schaden wachsen aus derselben Wurzel. Je besser ich meine Arbeit mache, desto größer ist der Verbrauch, den ich mitverursache.

Sollen wir uns, soll ich mich deshalb nicht weiterentwickeln? Mit KI lässt sich Sinnvolles erforschen, Neues bauen und Wissen zugänglich machen. All das braucht Strom. Ich finde keinen Ausweg aus dieser Schleife.

Die Kohle, die weniger rußt

Immer, wenn ich darüber nachdenke, muss ich auch an einen Nachmittag in Strasshof denken. Dort waren wir an einem Dampftag im Heizhaus des Eisenbahnmuseums an der alten Nordbahn. An solchen Tagen heizen sie dort die alten Dampflokomotiven an. In der Nähe der alten Dampflok war es heiß, laut und vor allem sehr dreckig. Ich stand im Rauch und hustete. Der Heizer lächelte. „Wir haben extra Kohle aus Polen bekommen. Die rußt weniger.“

Die Kohle, die weniger rußt. Ich denke oft an diesen Satz, weil er genau beschreibt, was ich tue. Ich deaktiviere die Trainingsfunktion der KI und weiß, dass das nicht genug ist, und gebe meine Belege trotzdem hinein. Ich lasse die Login-Seite selbst geöffnet, damit die KI meine Zugangsdaten nicht sehen kann, und lasse sie dann auf meinem Bildschirm selbstständig arbeiten. Das war der Trick von vorhin. Alles Kohle, die weniger rußt. Der Ruß bleibt. Er wird nur ein bisschen erträglicher.

Auf derselben Nordbahn fuhr im Jahr 1837 Österreichs erste Dampfeisenbahn. Im Jänner 1838 begann der reguläre Betrieb mit 218 Fahrgästen ab dem Wiener Nordbahnhof. Die Menschen stiegen ein, weil der Zug Orte erreichbar machte, die mit der Kutsche nur schwer und langsam zu erreichen waren. Und die Eisenbahn hat die Welt wirklich verändert. Heinrich Heine schrieb 1843, der Raum werde durch die Eisenbahnen getötet. Die Bahn hat auch die Uhrzeit verändert. Allein in Deutschland galten über dreißig Ortszeiten. Dann brauchten die Züge einen Fahrplan und im Jahr 1891 stellten die Bahnen auf eine gemeinsame Zeit um, zwei Jahre bevor ein Gesetz es festschrieb. Die Technik lief der Steuerung voraus. Das kommt mir bekannt vor.

All das wurde mit Kohle bezahlt, mit Ruß über den Städten, mit Menschen, die unter Tage geschuftet haben, und mit Menschen, die durch die schlechte Luft krank wurden. Die Reisenden von damals haben den Kohleabbau nicht gesehen. Sie haben davon gelesen. Ich sehe die Rechenzentren nicht, die den Strom für meine Belege liefern. Ich lese davon. Der Schaden bleibt für uns beide abstrakt, die Bequemlichkeit ist konkret. Vielleicht fährt es sich deshalb so leicht.

Und sie sind trotzdem gefahren. Bei jeder neuen Technologie sind wir ein Risiko eingegangen, und im Nachhinein hat sich kaum jemand eine Welt ohne sie zurückgewünscht, meist inklusive des Preises, der dafür zu zahlen war. Vielleicht können wir den Strom eines Tages sauberer gewinnen. Die Anbieter arbeiten daran, denn das spart ihnen Geld. Das macht den Rauch heller. Die Frage, ob ich mitfahren sollte, wird dadurch jedoch nicht kleiner.

Am Abend sitze ich wieder am Küchentisch. Das Handy klickt. Er sagt wieder nichts, und ich bin wieder dankbar dafür. Aber ich weiß inzwischen, was sein Schweigen bedeutet. Es ist kein Freispruch. Es ist das Schweigen von jemandem, der mit seinen eigenen Daten sehr vorsichtig ist, mich dennoch nicht laut verurteilt und mich machen lässt.

Ich habe keine Lösung und verspreche auch keine. Ich sträube mich und mache weiter, mit offenen Augen und schlechtem Gewissen.

Weiterreden im Zimmer 148

Meine Zweifel kann ich aufschreiben. Das Schreiben ordnet sie. Wegreden kann sie nicht, aber miteinander reden hilft. Genau das tun Michael Prodinger und ich in unserem Podcast „Zimmer 148 – So nutzen wir KI“. Wir gehen das halbe Jahr, das du gerade gelesen hast, noch einmal durch, nur laut, zu zweit, mit aller Begeisterung und auch ehrlich über das, was schiefgeht. In Folge vier mit dem Titel „Context Engineering statt Megaprompts” steckt das gesamte KI-Update, das hier die Geschichte trägt, nur eben als Gespräch. Wenn dieser Text die leise, zweifelnde Hälfte meines KI-Updates ist, dann ist der Podcast die neugierige, laute.

Du findest uns auf Spotify und auf Apple Podcasts. Und weil Zimmer 148 ein Videopodcast ist, kannst du uns auch gleich hier ansehen, aufgenommen für den YouTube-Kanal der Hochschule Burgenland.

Bleib ruhig im Zug sitzen. Bei uns wird auch gelacht.

Meine LinkedIn Beiträge

Die folgenden LinkedIn-Beiträge habe ich seit dem letzten Newsletter veröffentlicht. Sie sind auch ohne LinkedIn-Mitgliedschaft frei zugänglich.

StoryScope: Was KI-Geschichten von menschlichen unterscheidet

Originalität galt als unmessbar. Jetzt gibt es eine Messung, und sie zeigt: Der ungewöhnlichste Text stammt meist vom Menschen. Bevor ich diesen Post veröffentlicht habe, habe ich meinen ersten Entwurf an drei Fragen getestet. Erklärt der Text seine Botschaft am Ende selbst? Läuft er chronologisch und einspurig auf eine saubere Auflösung zu? Spricht er die Leserschaft kein einziges Mal an? Dreimal ja, ein Volltreffer im KI-Profil. Der Text, den du gerade liest, ist der vierte Versuch.

Wem gehört der Nutzen der KI?

Der Nutzen fortgeschrittener KI gehört allen, nicht nur denen, die sie bauen. In der Bildung entscheidet sich gerade, ob dieser Satz stimmt. Iason Gabriel und Atoosa Kasirzadeh von Google DeepMind argumentieren in einem aktuellen Positionspapier (2026) genau dafür. Jeder Mensch hat demnach einen Anspruch, materiell vom Nutzen fortgeschrittener Technologien zu profitieren. Sie stützen das auf fünf Argumente, von den Menschenrechten bis zum globalen Wissensbaum, auf dem jede Innovation aufbaut.