Als europäische Alternative zu den bekannten Kurznachrichtendienst „X“ etc. startet W Social am 17.06.2026 mit einer Beta-Phase. Der Betreiber kommt aus Schweden und wird den Dienst nach europäischen Recht, und mit verifizierten Personen betreiben. Das sind alles schon erhebliche Unterschiede zu dem Ansatz von „X“, wo es immer mehr Hasskommentare und Desinformationen – auch durch Bots – gibt.
Immer mehr Menschen stellen fest, dass die von den Unternehmen im Markt angebotenen Produkte nicht dem entsprechen, was sie sich als Kunde (User) vorstellen. Es wundert daher nicht, dass immer mehr User ihre täglichen Herausforderungen mit eigenen Produkten selbst in die Hand nehmen.
Das fängt bei Reparaturen an. Hier ist ein deutlicher Trend in Deutschland zu erkennen, der in immer mehr Repair Cafés und Do It Yourself (DIY) – Aktivitäten zu erkennen ist. Siehe dazu auch Vom Reparieren und Selbermachen zur Innovation.
Eigene Ideen in konkrete neue Produkte (User Innovationen) zu überführen, ist schon etwas schwieriger, und manchmal auch aufwendiger. Viele User scheuen vor der Umsetzung ihrer Idee noch zurück, da einzelne Prozessschritte manchmal teure Maschinen oder spezielles Know-How erfordern. Siehe dazu auch Eric von Hippel (2027) Free Innovation (PDF).
An dieser Stelle hat sich in den vergangenen 20 Jahren viel verändert. Immer mehr Open Source Software (OSS) und Technologien wie der 3D-Druck (Additive Manufacturing), Softwareentwicklung und Elektronik, Textilherstellung, und weitere Maschinen und Anlagen werden in FabLabs (Maker Spaces) zur Nutzung (zum Testen) angeboten – kostenlos. In der Abbildung oben ist ein Ausschnitt aus der FabLab Map zu sehen, in der mehr als 1.000 FabLabs zu finden sind.
Das FabLab Nürnberg e.V. bietet beispielsweise ein OpenLab, ein Repair Café, ein KidsLab, ein TextileLab und auch Workshops an. Sollte in einem FabLab nicht das angeboten werden, was Sie für Ihre Innovation benötigen, so können Sie auch mehrere FabLabs als Produktionsnetzwerk nutzen.
Natürlich können Sie auch Künstliche Intelligenz einsetzen, um das optimale Produktionsnetzwerk für Ihr Produkt auszuwählen. Ihre KI kann Sie dann auch in Ihrem Innovationsprozess begleiten, sodass Sie mit der Zeit Ihr eigenes Innovationssystem aufbauen. Wir empfehlen natürlich, nicht die proprietäten KI-Modelle wie ChatGPT etc. zu nutzen, sondern mit Open Source AI zu arbeiten – beispielsweise mit Mistral AI, einer europäischen (französischen) Alternative.
Auf der internationalen Konferenz MCP 2026, die vom 16.-19.09.2026 in Balatonfüred, (Ungarn) stattfindet, werde ich in einem meiner Paper auf diese Entwicklung eingehen:
Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework
Digital Sovereignty and Open-Source AI: The European Way for Innovative SMEs
in vielen gesellschaftlichen Bereichen haben wir in der Zwischenzeit gelernt, dass es iheute nicht mehr darauf ankommt zu fragen, ob das eine oder das andere richtig ist. Es kommt eher darauf an, zwei (oder mehr) Dimensionen hybrid zu verbinden, und dadurch etwas Neues zu kreieren. Das ist bei der Hybriden Wettbewerbsstrategie Mass Customization, beim Hybriden Projektmanagement, beim Hybriden Innovationsmanagement, bei Hybrider Arbeit usw. usw. Siehe dazu auch meine Blogbeiträge zu dem Begriff „Hybrid„.
Wenn es um Arbeitsplätze geht, werden in den Diskussionen oft zwei Pole gegeneinander ausgespielt. Auf der einen Seite sollen Arbeitsplätze flexibel sein, um Arbeit an die schnell wechselnden Rahmenbedingungen anpassen zu können. Andererseits sollen die Arbeitsplätze relativ sicher sein, damit private Planung auf einer gesunden Basis erstellt werden können.
Die beiden Begriffe „flexibel“ oder „sicher“ scheinen sich gegenseitig auszuschließen. Dass dem nicht so ist, hat beispielsweise Dänemark gezeigt. Das Vorgehen wurdeFlexicurity (Wikipedia) genannt, also eine Kombination aus Flexibiltyund Security. Der Begriff geht wohl auf den niederländischen Soziologen Hans Adriaansens zurück (ebd.). Wieder ist es ein Soziologe, der es geschafft hat, komplexe Zusammenhänge in ein Konzept zu bringen.
„Europe doesn’t need to become America. It needs to stop discouraging risk“ (Coste, 2026)
„Es ist nicht genug, zu wissen, man muss auch anwenden; es ist nicht genug, zu wollen, man muss auch tun“ (Johann Wolfgang von Goethe aus dem Roman Wilhelm Meisters Wanderjahre).
Meine Veröffentlichungen sind zum größten Teil auch auf ResearchGate zu finden. Darunter sind eigene Paper/Chapter und auch gemeinsame Veröffentlichungen mit Kollegen. Im Vergleich zum Januar 2023 haben sich die „reads“ bis zum Januar 2026 auf 19.803 erhöht – ein sattes Plus von 4.777.
Die Anzahl der „reads“ auf Researchgate schwankt je nach Thema und Autor sehr stark, sodass ein Vergleich schwierig ist. Dennoch kann ich – zusammen mit den Co-Autoren – sagen, dass 900 reads für das angegebene Paper bemerkenswert viel ist. Es freut uns, dass an dem Thema wohl Interesse besteht. Thanks to my colleagues and co-authors!
Zwei neue Paper stelle ich auf der MCP 2026, vom 16.-19.2026 in Balatonfüred, Ungarn, vor:
Digital Sovereignty and Open-Source AI: A European Way for Innovative SMEs
Open-Source AI for Open User Innovation: Designing a Personalized Framework
Jeder benutzt in seiner Kommunikation Emojis, die oft in den üblichen Apps enthalten sind. Um sich etwas zu unterscheiden, haben Studenten mit ihren zwei Professoren das Open Source Projekt OpenMoji ins Leben gerufen.
„OpenMoji is an open source project of 80+ students and 2 professors of the HfG Schwäbisch Gmünd and many external contributors“ (ebd.).
Die Symbole sind somit für jeden frei nutzbar, und können in verschiedenen Größen und Farben – auch Schwarz/Weiß – heruntergeladen werden.
Wieder ein schönes Beispiel für Open Source Projekte, die unseren Alltag bereichern. Mehr Beiträge zu Open Source finden Sie hier.
AI (Artificial intelligence) AI management and support technology in the Business plan marketing success customer. AI management concept.
Es ist nur natürlich, dass jeder Einzelne, Organisationen und Öffentliche Verwaltungen ausprobieren, was mit Künstlicher Intelligenz (GenAI) möglich ist. Im wissenschaftlichen Umfeld wundere ich mich allerdings immer wieder darüber, wie unkritisch GenAI eingesetzt wird, wodurch die Kriterien wissenschaftlicher Arbeit konterkariert werden. Warum ist das so? Eine ausführlich Begründung habe ich im aktuellen OECD Report gefunden. Dabei geht es hier speziell um die Reproduzierbarkeit als Säule wissenschaftlichen Arbeitens geht.
Reproducibility is a pillar of scientific operations. To be accepted by the scientific community, results must (usually) be verifiable, and reproducible by others. One condition for reproducibility is full disclosure of the methods and data that led to the conclusion, meaning transparency and accessibility. From this perspective, GenAI models do not meet scientific criteria. First, the most popular models of GenAI are “black boxes”, as neither their weights (the parameters that define a neural network) nor their training data are publicised. Thus, disentangling the contribution of the data and the contribution of various components of the model is difficult in any scientific result coming from such a model. This comes from the very nature of neural networks: knowledge is distributed, hence difficult to localise. As GenAI models have a random component at their core, some results might not be robust. In addition, access to the training data can be limited due to the proprietary nature of many GenAI models: one example is the “AI Structural Biology Consortium”, a follow-up to AlphaFold-3, an ongoing project which makes use of data owned by pharmaceutical companies, which is secret and will remain secret (Callaway, 2025). Currently, solutions for access include open weights (e.g. Llama) and open source (including access to training data). The importance of openness was demonstrated by AlphaFold2, as the disclosure of its code and data triggered a series of initiatives refining the tool (Saplakoglu, 2024). Openness is essential to the cumulative progress at the core of science“ (OECD Digital Education Report 2026).
Am Beispiel von Pharmaunternehmen wird deutlich, dass es gerade in sensiblen Branchen wichtig ist, offene KI-Modelle zu nutzen. Offenheit ist: „Offenheit ist für den kumulativen Fortschritt im Kern der Wissenschaft unerlässlich“ (ebd.). Siehe dazu auch
In der aktuellen Diskussion um Künstliche Intelligenz kann man das Gefühl bekommen, dass KI-Modelle alles besser machen, als es der Mensch kann. Als Mensch fühlt man sich vergleichsweise dumm.
Auf der einen Seite also die „überlegene“ Künstliche Intelligenz und auf der anderen Seite die menschliche Dummheit.
In der Zwischenzeit gibt es natürlich auch Belege dafür, dass KI-Modelle die für Menschen ausgedachten Intelligenz-Tests zur Bestimmung des Intelligenz-Quotienten meistern. Doch sollten wir solche Vergleiche überhaupt ziehen? Sind sie eher eine Art Kategorienfehler?
Everyone is a genius, but if you judge a fish on its ability to climb a tree, it will live his whole life believing it is stupid – Albert Einstein.
Was ist, wenn wir die menschliche Intelligenz in den Mittelpunkt stellen und künstliche Intelligenz dazu verwenden, die Probleme der Menschen zu lösen?
Möglicherweise ist die Definition von Intelligenz nach Howard Gardner treffender:
„Ich verstehe eine Intelligenz als biopsychologisches Potenzial zur Verarbeitung von Informationen, das in einem kulturellen Umfeld aktiviert werden kann, um Probleme zu lösen oder geistige oder materielle Güter zu schaffen, die in einer Kultur hohe Wertschätzung genießen“ (Gardner 2002:46-47).
Wenn wir die Perspektive auf Menschliche Intelligenz und Künstliche Intelligenz anpassen, kann die technologische Entwicklung zum Vorteil ganzer Gesellschaften sein. Das Beispiel Society 5.0 zeigt, wie das aussehen kann. Siehe dazu auch
KI-Agenten sind aktuell gefühlt überall. Natürlich bieten die proprietären Modelle wie ChatGPT, Gemini, Grok etc. viele Möglichkeiten an, solche KI-Agenten zu erstellen und zu nutzen. Wie Sie als Leser unseres Blogs wissen, tentieren wir allerdings dazu, Open Source AI zu nutzen, gerade wenn es um eigene, spezielle Expertise, oder unternehmensspezifisches Wissen in Innovationsprozessen geht.
Neben den von uns schon beschriebenen Möglichkeiten von Langflow und Ollama, möchten wir Ihnen eine weitere Alternative vorstellen, eigene KI-Agenten zu nutzen, und dabei unterschiedliche LLMs einzubinden.
„Smolagents is a minimalist AI agent framework developed by the Hugging Face team, crafted to enable developers to deploy robust agents with just a few lines of code. Embracing simplicity and efficiency, smolagents empowers large language models (LLMs) to interact seamlessly with the real world“ (Source: https://smolagents.org/de/).
Das Team von Hugging Face bietet hier eine minimalistische Möglichkeit, auf Open Source Basis KI-Agenten zu entwickeln, und der Community in einem Repository zur Verfügung zu stellen (Best Smolagents in Hugging Face).
Es ist interessant zu sehen, wie einfach man seine Idee in einem ersten KI-Agenten umsetzen kann. In dem folgenden Beispiel habe ich versucht, einen persönlichen Innovationsprozess abzubilden. In jedem Prozessschritt wollte ich ein anderes Open Source KI-Modell einsetzen.
Eigener Screenshot
In der Abbildung sind erste Prozessschritte für die Entwicklung von Innovationen zu sehen: Inspire mit Llama 3, Ideate mit Mistral, Prototype mit Phi 3 etc. Die jeweiligen LLM kann ich auswählen und testen. Das ging sehr schnell und war super einfach.
Wenn man sich die vielen Meldungen in den Medien ansieht, kann man zu dem Schluss kommen, dass es (fast) allen um Aufmerksamkeit, und damit auch um Beeinflussung geht. Dahinter können wirtschaftliche, politische oder soziale Interessen stecken. Viele gehen dabei sehr subtil vor, indem sie Daten nicht genau wiedergeben, oder bewusst aus dem Zusammenhang nehmen.
Oft fehlt bei den Angaben auch die genaue Quelle. Es wird von einer diffusen Studie gesprochen oder geschrieben, doch wird die Quelle nicht genannt. Weiterhin steht bei Zeitungsartikel oft der Hinweis, dass der Beitrag auf Basis von Inhalten anderer Medien geschrieben wurde – diese werden allerdings im Text – wenn überhaupt – nicht deutlich kenntlich gemacht.
Die wenigen Beispiele zeigen schon auf, dass eine mehr wissenschaftlich basierte Arbeit wünschenswert wäre. Die Prinzipien einer solchen Arbeit würden helfen, zwischen eigener Meinung und Quelle zu unterscheiden, um sich ein eigenes Bild machen zu können. Damit kommen wir zur Akademischen Integrität, die es ermöglichen soll, dass wissenschaftlich korrekt und damit transparent gearbeitet und veröffentlicht wird. Gerade in Zeiten von Künstlicher Intelligenz muss das ganz besonders beachtet werden.
Was ist unter Akademischer Integrität zu verstehen?
Dazu habe ich eine Definition der International Centre for Academic Integrity [ICAI] gefunden, die eher im amerikanischen Umfeld genutzt wird. In Europa beziehen sich akademische Institutionen eher auf die Definition der ENAI:
The definition from the European Network for Academic Integrity [ENAI] (2022) is less philosophical than ICAI’s. ENAI states that academic integrity is: Compliance with ethical and professional principles, standards, practices and consistent system of values, that serves as guidance for making decisions and taking actions in education, research and scholarship.“ (Gallant, T. B. ; Davis, M. Khan, Z. R. (2026): ACADEMIC INTEGRITY IN THE AGE OF AI. DOI 10.1017/9781009672078).
Wenn wir unterstellen, dass akademische Integrität bedeutet, selbst verantwortlich, transparent und ethisch zu arbeiten wird klar, dass sich diese Vorgehensweise dann auch auf die Gesellschaft auswirkt.
Es wird Zeit, dass alle Akteure in einer von Künstlicher Intelligenz getriebenen Welt, akademische Prinzipien berücksichtigen. In Europa haben wir erste Ansätze dazu, die oftmals platt mit Regulierung gleichgesetzt werden. In den USA oder China erodieren diese Grundlagen eher. Es ist daher gut, dass wir in Europa einen eigenen Weg gehen, bei dem die Gesellschaft im Mittelpunkt steht.
Sogar in unseren Blogbeiträgen haben wir von Anfang an darauf geachtet, zwischen Originaltexten mit Quellenangaben, und unserer eigenen Meinung zu unterscheiden. Dass ich die Prinzipien bei meiner Dissertation und bei meinen verschiedenen wissenschaftlichen Paper einhalte, versteht sich von selbst. Aktuell beispielsweise für die beiden Paper, die ich für die MCP 2026, 16.-19.09.2026, in Balatonfüred, Ungarn vorbereite.
In mehreren Blogbeiträge habe ich verschiedene Aspekte aus einem Kurzlehrbuch thematisiert, das als Download zur Verfügung steht: Es freut mich besonders, dass darin herausgestellt wird, dass Open Source AI gerade für Kleine und Mittlere Unternehmen (KMU) geeignet ist, Digitale Souveränität im Unternehmen zu erzielen. Am Ende des Kurzlehrbuchs fassen die Autoren die fünf wichtigsten Punkte noch einmal zusammen:
Mittelstand Digital Fokus Mensch (2026): Digitale Souveränität als Basis für sichere KI-Anwendungen | PDF.
(1) Die Arbeitswelt verändert sich – wir müssen uns mit verändern.
(2) Generative KI kann schon bei kleinen Aufgaben große Wirkung entfalten.
(3) Die Entscheidung für KI ist individuell – ebenso die Wahl der passenden Anwendung.
(4) KI-Nutzung erfordert rechtliche Orientierung – insbesondere im Hinblick auf den EU AI Act.
(5) Menschen müssen Teil der Lösung sein – sowohl bei KI als auch bei Cybersicherheit
Diese Website benutzt Cookies. Wenn du die Website weiter nutzt, gehen wir von deinem Einverständnis aus.
