User Innovation und 3D-Druck (Additive Manufacturing)

Unsere in 2014 gedruckten Figuren (c) Dr. Robert Freund

Es ist interessant zu sehen, dass sich der 3D-Druck (Additive Manufacturing) immer stärker im Markt durchsetzt. Wir haben einen 3D-Drucker das erste Mal 2007 am MIT in den USA im Rahmen der MCPC-Weltkonferenz gesehen. In 2014 haben wir dann zum MCP Award diese beiden Figuren (Abbildung) aus einem 3D-Drucker geschenkt bekommen.

In der Zwischenzeit hat sich alles – wie bei Innovationen üblich – nach dem ersten Hype, etwas beruhigt und nimmt jetzt langsam aber sicher Fahrt auf. Dabei konzentrieren sich Marktbeobachtungen hauptsächlich auf Unternehmen und Branchen (Rüstung, Medizin usw.). Beispielhaft möchte ich dazu die Herbstumfrage des VDMA (2026). Additive Manufacturing: Geschäftslage verbessert sich,
Erwartungen verhalten positiv
(PDF) nennen.

Dabei wird manchmal bewusst darauf hingewiesen, dass sich diese Technologie nicht für die Massenproduktion eignen würde. Verschwiegen wird hier die Möglichkeit, massenhaft individuell zu fertigen. Die entsprechende Wettbewerbsstrategie nennt sich Mass Customizaion and Personalization. Es wundert mich auch heute noch, dass dies manchen Leuten gar nicht bekannt ist. Aber darauf möchte ich an dieser Stelle gar nicht weiter eingehen. Siehe dazu auch Die Möglichkeiten von Mass Customization werden immer noch zu wenig genutzt.

In diesem Blogbeitrag interessiert mich eher die Perspektive von User auf das Thema „3D-Druck“.

Es waren und sind aktuell immer noch Nerds, die sich einen 3D-Drucker Zuhause hinstellen und tüfteln, insofern ist das für viele nicht wirklich interessant – sollte es aber! Es gibt in diesem Umfeld (in diesem User Innovations-System) auch viele Communities, in denen man sich austauschen, bzw. auch kostenlos Dateien für verschiedene 3D-Modelle herunterladen und nutzen kann.

Nicht immer muss man einen 3D-Drucker besitzen, um ihn Nutzen zu können. In der Map zu FabLabs weltweit (Abbildung) finden Sie bestimmt einen geeigneten 3D-Drucker – oder andere technische Optionen – für Ihre Ideen. FabLabs: Turn your ideas into products.

https://www.fablabs.io/labs/map

Durch Künstliche Intelligenz und weitere neuen Technologien sowie Open Hardware- und Open Software-Initiativen, zusammen mit FabLabs, Repair.Cafés usw. ergibt sich ein Low Budget Ökosystem, das in ein Personal Fabrication Framework mündet.

Künstliche Intelligenz (natürlich Open Source AI) ist hier der Coach und Helfer, und kann den vielschichtigen Innovationsprozess von Usern unterstützen. Wie so ein Framework aussehen kann, habe ich für Open User Innovationen in meinem Paper zur MCP 2026 erläutert:

Freund, R. (2026):

Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework

Abstract

Unser Blog hat eine ISSN erhalten und orientiert sich als Online-Publikation an einem konstruktiven Journalismus

Image by Erik Lucatero from Pixabay

Durch die anhaltende Ökonomie der Aufmerksamkeit werden oft schon banale Ereignisse emotional aufgeladen. Dabei kommt der verwendeten Sprache natürlich eine besondere Rolle zu.

In unseren Blogbeiträgen haben wir uns schon beim Start im Jahr 2006 an eine eher wissenschaftliche Herangehensweise orientiert. Wir zitieren Quellen, trennen das von unserer Meinung und versuchen so wenig wie nötig zu emotionalisieren – und wenn dann möglichst positiv.

Die aktuelle Medienlandschaft, ob Personen oder Organisationen, verwendet für Probleme den Begriff „Krise“ oder noch viel häufiger „Bedrohung“, Vorschläge werden einfach so zu „Forderungen“ , und jedes noch so nebensächliche Meeting wird als „Gipfel“ tituliert, bei dem am Ende kaum etwas berichtenswertes herauskommt. Alle sind danach enttäuscht – wieder eine Emotion erreicht…

Schon 2007 hat Reinhard Mohr mit seinem Beitrag Das ist der Gipfel! in Deutschlandfunk Kultur auf solche Entwicklungen hingewiesen. Siehe dazu auch meinen Beitrag Der Droh-Journalismus geht mir auf die Nerven von 2009.

Dieser destruktive Journalismus ist nicht so unser Ding, denn das kann gesellschaftlich weitreichende Folgen haben: Was bedeutet es, wenn wir uns von einer Risikogesellschaft zu einer Bedrohungsgesellschaft entwickeln?

Wir orientieren uns als anerkannte Online-Publikation mit der ISSN 3056-7432 an einem eher Konstruktiven Journalismus.

„Der Kern des konstruktiven Journalismus liegt darin, die Gesellschaft darüber zu informieren, welche Lösungen es geben könnte“ (Wikipedia).

Vorreiter ist wieder einmal Dänemark. Auf der Website des Constructive Institute finden sich dazu folgende Hinweise:

„Constructive journalism embraces solutions, nuance and dialogue. (…) Today, people do not need more news, they need better news. That’s what we call constructive journalism.“

Unser Vorgehen wird uns im Ranking der Blogs nicht an die Spitze führen, wenn es um Klickraten geht- und das ist gut so. Mehr und mehr Menschen verstehen allerdings immer besser, wie der sogenannten „Qualitäts-Journalismus“ funktioniert und wenden sich von ihm ab.

Unsere ISSN 3056-7432 in der Deutschen Nationalbibliothek

Screenshot vom 06.11.2026

Ende Oktober haben wir die ISSN 056-7432 erhalten (Blogbeitrag). In der Zwischenzeit ist unser Blog auch in der Deutschen Nationalbibliothek geführt (Abbildung). Der Blog hat nun den Status einer fortlaufenden wissenschaftlichen Online-Publikation. Es freut uns sehr, dass die Blogbeiträge nun offiziell zitiert werden können. Hier ein Beispiel:

Harvard-Zitierweise (deutschsprachiger Standard):

Freund, Robert (2026): ISSN erhalten: Vom Weblog zur wissenschaftlichen Publikation, in: Dr. Robert Freund (ISSN 3056-7432), 31.10.2026, [online] https://www.robertfreund.de/blog/2026/10/31/issn-erhalten-vom-weblog-zur-wissenschaftlichen-publikation/ [abgerufen am TT.MM.JJJJ].

Menschliches Lernen und Maschinelles Lernen unterscheiden sich

Image by StockSnap from Pixabay

Wenn es um Künstliche Intelligenz geht, werden oftmals Begriffe benutzt, die in der Diskussion beliebig verwendet werden. Wenn es beispielsweise um den Begriff „Lernen“ geht, vermuten viele, dass es sich beim maschinellen Lernen um eine Art menschliches Lernen handelt. Durch Verkürzungen in den Beschreibungen werden (manchmal bewusst) Begriffe synonym verwendet. BTW: Joe Pine hat dieses Phänomen in Bezug auf Mass Customization and Personalization als Bastardization bezeichnet.

Wenn es um den Begriff „Lernen“ geht, haben Knauff et al. in ihrem aktuellen Paper folgendes deutlich gemacht:

„Der Unterschied ist dennoch entscheidend: anders als bei KI Systemen, zielt menschliches Lernen darauf ab, strukturierte, handlungsrelevante mentale Modelle in einer verkörperten Umwelt aufzubauen (Bohn, & Casillas, 2026; Butz & Kutter, 2017). Es geht um den aktiven Erwerb von Wissen und Überzeugungen, die zielgerichtete Entscheidungen in der physikalischen und sozialen Welt leiten. Maschinelles Lernen hingegen ist meist passiv: vorgegebene Daten werden genutzt, um die Parameter des vorgegebenen Modells zu optimieren.“
M. Knauff, M. V. Butz, B. Kaup, W. Kunde, and und I. Scharlau, “Vorhersage ist nicht Erklärung: Eine Perspektive der Fachgruppe Allgemeine Psychologie (gemeinsam mit der    Gesellschaft für Kognitionswissenschaft),” Psychologische Rundschau, vol. 77, no. 4, pp. 225–231, Oct. 2026, doi: 10.1026/0033-3042/a000781.

Die Autoren widersprechen also der landläufigen Meinung, und den Marketingversprechen von Big Tech, in diesem Fall deutlich. Doch: Warum wird dennoch versucht, technische Systeme wie Menschen zu sehen? Indem technische Systeme punktuell mit der Leistungsfähigkeit von Menschen verglichen werden wird deutlich, wie unterlegen der Mensch gegenüber solchen Systemen ist, denn Künstliche Intelligenz kann vieles besser und schneller als es der Mensch jemals können wird. Es geht um die Dominanz der Technologie über den Menschen.

So eine Herangehensweise ist ein bewusster Kategorienfehler, wie von Knauff et al. alleine beim Begriff des „Lernens“ dargestellt wurde. Auch andere haben in der letzten Zeit große Bedenken, wenn es darum geht, die Leistungsfähigkeit von technischen Systemen mit der von Menschen zu vergleichen. Siehe dazu auch

Künstliche Intelligenz – Menschliche Kompetenzen: Anmerkungen zu möglichen Kategorienfehler

OpenAI Model „o1“ hat einen IQ von 120 – ein Kategorienfehler?

Künstliche Intelligenz – ein Kategorienfehler?

Künstliche Intelligenz, die Jagd nach AGI und der Intelligenz-Quotient

Warum es nicht angemessen erscheint, Künstliche Intelligenz und Menschliche Intelligenz zu verwechseln

Künstliche Cleverness statt Künstliche Intelligenz?

Warum kranken viele Systeme an ihrer Ineffizienz?

Image by Gerd Altmann from Pixabay

Wenn es irgendwo nicht so läuft, wie man sich das vorstellt, kommt immer wieder die gleiche Antwort: Das System benötigt eben mehr Geld. Vergleichen wir unsere Systeme europaweit oder weltweit, so stellen wir oft fest, dass genügend Geld im System sein sollte – manchmal sogar zu viel Geld im System ist. Schauen wir uns einfach einmal an, warum wir immer wieder den Fokus auf Teilsysteme und nicht auf das Gesamtsystem richten.

Wenn wir uns die Medienlandschaft ansehen, geht es im Tagesgeschäft häufig darum, die Menschen aufzuscheuchen (Emotional zu packen) um Aufmerksamkeit und damit Klickraten zu generieren. Da beschweren sich beispielsweise die Landwirte, weil es regnet oder eben nicht, die Autofahrer, dass Benzin und Diesel teurer werden, dass die Lebensmittel schlechter und teurer werden, das Bildungssystem seit den 60er Jahren immer schlechter wird, das Sozialsystem und das Gesundheitssystem seit Jahrzehnten ausufern, unsere Energie- und Kommunikationssysteme zu sehr abhängig sind von anderen, unser Finanzsystem …. usw. usw.

Wie Sie der kleinen Auflistung entnehmen können, kommt häufig der Begriff „System“ vor. Im klassischen Problemlösungsansatz der Industriegesellschaft, ist es ganz einfach: Durch das Optimieren einzelner Bauteile wird das gesamte Produkt (System) optimiert. Das ist allerdings bei genauerer Betrachtung von Systemen ein gravierender Trugschluss.

Die isolierte Optimierung einzelner Teile führt oft zu einer Verschlechterung des Gesamtsystems. Ineffizienz entsteht somit aus Schnittstellenproblemen und mangelnder Kommunikation im Gesamtsystem.

Einige (kleine) Beispiele: (1) Eine Optimierung in einem isolierten landwirtschaftlichen System, in dem es fast ausschließlich um die Wirtschaftlichkeit geht, führt zu erhöhten Kosten im Gesundheitssystem. Industriell hergestellte Lebensmittel machen viele Menschen krank, und das seit Jahrzehnten. (2) Eine betriebswirtschaftliche Optimierung des Bildungssystems anhand industrieller Kennzahlen, führt zu erhöhten Kosten im Sozialsystem und dort wiederum zu einem Lock-in ganzer Familiengenerationen, die dann von sozialer Unterstützung abhängig werden. (3) Überall kritiklos Künstliche Intelligenz einzusetzen, führt zu erheblichen Vorteilen in manchen Bereichen, kann allerdings eine Gesellschaft insgesamt auf Grund der Schnelligkeit von Veränderungen überfordern – usw. usw.

Sicher sehen Sie in Ihrem Umfeld auch, wie alles mit allem zusammenhängt. Diese Vernetzungen sind über die Jahrzehnte immer mehr geworden, sodass die Komplexität in vielen Bereichen im Vergleich „zu früher“ erhöht ist. Komplexes Problemlösen unterscheidet sich allerdings fundmental von einfachem Problemlösungen.

Viele Menschen sind es nicht gewohnt in Systemzusammenhängen zu denken und zu handeln, da sie die einfachen Ursache-Wirkungs-Zusammenhänge aus der industriell geprägten Ära verinnerlicht haben. Dabei vertrauen Sie gerne einfachen Problemlösungen – auch gerne Stammtischparolen – weil diese vorgaukeln, dass die Lösung an einer bestimmten Stelle zu finden ist. Das möchte ich an dieser Stelle nicht weiter ausführen.

Neue Fragen werden mit alten Lösungen angegangen. Es werden beispielsweise keine Systemanpassungen vorgenommen, sondern es wird erwartet, dass sich der Mensch an die neuen Herausforderungen anpasst. Wie Matthiesen et al, es formulieren: Eine Aufgabe, an der man nur scheitern kann:

„Zu den Missverständnissen, die das Dasein in Unternehmen, Universitäten, Behörden, NGOs, Theatern, Schulen und anderen Organisationen unnötig schwer machen, gehört die Annahme, Kern und Kernproblem einer Organisation seien die Menschen, die in ihr arbeiten. Diese Unterstellung macht den Einzelnen zum Puffer, der genötigt wird, jedes Organisationsversagen aufzufangen – eine Aufgabe, an der man nur scheitern kann. Statt das Verhalten des Einzelnen heroisch zu glorifizieren oder therapeutisch zu problematisieren, interessieren uns die Verhältnisse, in denen sich dieses Verhalten abspielt.“ (Matthiesen, K., Muster, J., Laudenbach, P. (2022). Die Humanisierung der Organisation. München: Vahlen).

Eine Systembetrachtung, die das Wohl der Menschen und der Umwelt zum Ziel hat, führt zu ganz anderen Herausforderungen (Systemsteuerungen) als einfach nur das Platte „wir brauchen mehr Geld“.

Warum sollte man sich mit Open User Innovation befassen?

(c) Dr. Robert Freund

Auf der MCP 2026 in Balatonfüred (15.-19.09.2026) ging es um Customization and Personalization. Mit meinem Paper Freund, R. (2026): Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework konnte ich aufzeigen, welche Möglichkeiten es heute für User gibt, ihre Ideen in einem Personal Fabrication Framework umzusetzen.

Ich werde immer wieder darauf angesprochen, ob es sich lohnt, sich mit User Innovation – speziell mit Open User Innovation nach Eric von Hippel – zu befassen. Immerhin sind Unternehmen, Institutionen zur Förderung von Innovation und auch Universitäten eher an dem klassischen Innovationsansatz interessiert, der von Schumpeter geprägt ist. An Universitäten forschen Professoren und Studenten beispielsweise gerne an innovativen Projekten für Unternehmen, da sie (Professoren und Studenten) sich hiervon Finanzmittel und möglicherweise auch Jobs versprechen.

Das ist durchaus verständlich, doch zeigen verschiedene Entwicklungen in der Innovationsforschung auf, dass von Unternehmen skalierte Innovationen oft von Usern ausgegangen sind. Es lohnt sich daher auch für Unternehmen, sich mit User Innovation zu befassen. Die Abbildung stellt noch einmal die unterschiedlichen Ansätze von User Innovation (Household Innovation) und Business Innovation gegenüber.

Einerseits können User immer mehr Ideen selbst herstellen, andererseits gibt es immer weniger Unternehmen, die wirklich innovativ sind (Innovationsmilieu, Bertelmann 2025). Zwischen beiden Polen existiert ein Kontinuum an Möglichkeiten. Almudi et al. haben 2026 dazu ein Paper veröffentlicht, in dem sie aufzeigen, wie ein theoretischer Rahmen dazu aussehen kann:

„It has sometimes been argued that von Hippel innovation is very small relative to typical expenditures on an innovation project by a firm. This observation is correct but is, we think, the wrong way to judge importance. User innovation should be seen as a scanning and prototyping function, involving tens of millions of individuals continuously exploring the frontiers of the desirable and possible. Producer innovation, in contrast, focuses investment in specific development areas where user-innovators have identified signals of commercialization gold“
Almudi et al. (2026). Open user innovation, producer innovation and industrial dynamics: An ABM approach.

Auf dieses Framework werde ich in weiteren Blogbeiträgen noch einmal eingehen.

Circular Economy, Giordano Bruno´s „alles kreist“ und Selbstorganisation

Image by Arek Socha from Pixabay

Die heutige Kreislaufwirtschaft (Circular Economy) scheint ein modernes, ressourcenschonendes Konzept zu sein, dass sich in den 1960er Jahren bis heute weit verbreitet hat.

Der Kreislauf-Gedanke ist allerdings schon viel früher entstanden. Giordano Bruno hat beispielsweise mit seinem „alles kreist“ – Gedanken schon im 16. Jahrhundert an einem Baum-Beispiel verdeutlicht, wie sich alles wie bei einem Kreis immer wieder schließt und wieder beginnt.

Giordano Bruno: Werke, Bd. 3: De la causa, principio, et uno. Über die Ursache, das Prinzip und das Eine (1584), italienisch-deutsch, übersetzt, kommentiert und herausgegeben von Thomas Leinkauf, Hamburg: Felix Meiner 2007, S. 111.

Den Hinweis habe ich in dem Beitrag von Marie-Louise Heuser gefunden: Heuser, M.-L. (2026): Autopoiese und Synergetik. Konzepte der Selbstorganisation. In: Petzer, T.; Steiner, S. (Hrsg.) (2016): Synergie. Kultur- und Wissenschaftsgeschichte einer Denkfigur.

Interessant dabei ist weiterhin, dass die Autorin eine Linie zur modernen Selbstorganisation aufzeigt: „Wie an diesem Zitat ersichtlich wird, denkt Bruno die Selbstgestaltung des Baumes als eine zirkuläre Selbstorganisation“ (ebd.).

Es ist manchmal erstaunlich, dass sich vor Jahrhunderten entstandene Gedanken in heutigen scheinbar modernen Management-Konzepten wiederfinden. Es lohnt sich, solche Trends zu hinterfragen. Manchmal sind es einfach nur Marketing-Trends mit einem entsprechenden Storytelling.

Das soll natürlich nicht bedeuten, dass die oben angesprochene Circular Economy (Kreislaufwirtschaft) unwichtig ist – im Gegenteil. Es geht mir darum, den Bezug zu schon vorhandenen Gedanken immer wieder einmal aktiv zu suchen und auch bewusst herzustellen – am besten natürlich mit Quellenangaben.

Digitale Souveränität: Immer mehr junge Menschen interessieren sich für Open Source Anwendungen

Gerade bei jungen Menschen ist es angesagt, die bekannten proprietären Software-Anwendungen zu nutzen. Man zeigt, dass man IN ist, wenn man als junger Mensch beispielsweise die neuen KI-Modelle der großen Tech-Konzerne nutzen kann. Man glaubt, damit auch bessere Chancen auf dem Arbeitsmarkt zu haben.

In der Zwischenzeit gibt es allerdings in der Gesellschaft durchaus auch ein Umdenken in Richtung Open Source Anwendungen. Der Grund ist, die technologische, digitale Abhängigkeit Europas von den USA und China, die zu vielfältigen Problemen führen kann (Kill Switch). Siehe dazu auch Digitale Souveränität: Europa, USA und China im Vergleich.

Europa ist daher seit einiger Zeit auf dem Weg zu einer eigenen Digitalen Souveränität, die natürlich nicht von heute auf morgen erreichbar ist. Dennoch ist dieser Schritt erforderlich und basiert auf Open Source Anwendungen.

Es fehlen allerdings Kompetenzen zu Open Source Software und Open Source Hardware (Skill Shortage), da sich in der Vergangenheit zu wenige Menschen für diese Themen interessiert haben. Für viele überraschend, begeistern sich heute immer mehr junge Menschen für Open Source Lösungen.

„Denn junge, gut ausgebildete IT-Expert:innen haben immer öfter kein Interesse daran, sich auf eine intransparente Blackbox-Anwendung zu spezialisieren. Stattdessen ist ihr Interesse an Open-Source-Lösungen gestiegen, ebenso wie der Anspruch, mit der eigenen Arbeit nicht nur zu wirtschaftlichem Erfolg sondern auch zum Gemeinwohl beizutragen“ OSBA (2026): Open Source ist Schlüsselrolle für Staat und Wirtschaft.

Da immerhin 264 Milliarden Euro von europäischen Organisationen pro Jahr für nicht-europäische Technologien ausgeben werden, entsteht in Zukunft ein großer Markt, wenn wir mehr auf europäische Technologien setzen. Alleine wenn nur 30% von 264 Milliarden Euro in den kommenden Jahren ersetzt werden könnten, wären das auf europäischer Ebene fast 80 Milliarden Euro pro Jahr – mit steigender Tendenz.

EU Score: KI-Modelle und Open Source Anwendungen aus europäischer Sicht bewerten

https://eu-score.tech/

Es ist nicht ganz einfach, sich ein Bild von den ganzen KI-Möglichkeiten zu verschaffen. Es ist erforderlich, eine bestimmte Perspektive einzunehmen, um Bewertungen vorzunehmen. Die Plattform EU Score hat in 2025 damit angefangen, immer mehr Anwendungen aus dem Tech-Umfeld aus der Perspektive der Europäischen Union zu bewerten.

Die Dimensionen sind Population Sovereignty Equity Sovereignty, Supplier Sovereignty, Value Sovereignty und Webserver Sovereignty. Aus den einzelnen Zahlen wird dann ein Gesamtwert für die Souveränität der Europäischen Union ermittelt. In der Abbildung ist oben rechts ein gelb hinterlegter Wert von über 63,2% zu zu sehen.

Wenn ich in das Suchfeld „mistral“ eingebe (Abbildung), erscheint für Mistral Vibe (Mistral AI) der EU Score 541. Wenn ich in das Suchfeld „claude“ von Antropic eingebe, erhalte ich den EU Score 1. Das ist jetzt kein Schreibfehler! Die Unterschiede zwischen den beiden KI-Modellen sind aus europäischer Sicht frappierend. Ähnlich ist es auch bei dem Vergleich von Microsoft Office und Nextcloud usw.

Die Plattform ist eine interessanter Einstieg, um sich die großen Unterschiede zwischen den angebotenen Markt-Alternativen klar zu machen. In der Abbildung ist rechts unten weiterhin zu erkennen, dass man auch nur Open Source Anwendungen betrachten und analysieren kann.

Eine Paper zur Methode habe ich bisher allerdings nicht gefunden. Für Außenstehende wäre eine fundierte wissenschaftliche Begründung und Ableitung der verwendeten Methode klarer und transparenter, was wiederum mehr Vertrauen schaffen würde. It all starts with trust!

Dennoch halte ich die Plattform für ein geeignetes Instrument, für sich selbst, für Organisationen eine Diskussionsgrundlage für die eigene Digitale Souveränität zu schaffen.

Um das 30-fache unterscheiden sich je nach KI-Modell die Tokens – und damit die Kosten

https://longjubai.github.io/agent_token_consumption/

Wenn es um die Wirtschaftlichkeit von KI-Agenten geht, kommt es bei den Token-Kosten oftmals zu regelrechten Abrechnungsschocks. In ihrem Paper

Bai et al (2026): How Do Coding Agents Spend Your Money? Analyzing and Predicting Token Consumptions in Agentic Coding Tasks | https://arxiv.org/abs/2604.22750

haben die Forscher genauer untersucht, wie die Coding Agenten das Geld der Nutzer „ausgeben“. Ich möchte an dieser Stelle nur eine der vielen Erkenntnisse aus dem Paper wiedergeben: Es gibt wohl bei dem gleichen Task Unterschiede bis zum 30-fachen bei der Anzahl der Tokens – und damit der Kosten.

„(…) token usage is highly variable and inherently stochastic: runs on the same task can differ by up to 30× in total tokens, and higher token usage does not translate into higher accuracy; instead, accuracy often peaks at intermediate cost and saturates at higher
costs“ (Bai et al. 2026).

Gerade Kleine und Mittlere Unternehmen (KMU) mit ihren doch eher begrenzten Ressourcen sollten hier aufpassen.

Interessanterweise haben die Forscher zu ihrem ausführlichen Paper auch eine Website mit den wichtigsten Erkenntnissen erstellt. Dort ist wiederum ein kleines Spiel integriert, bei dem man anhand einer Problemstellung die voraussichtlich benötigten Token und die damit verbundenen Kosten schätzen kann – spannend.

Wir empfehlen auch aus diesen Gründen eher Local AI – also lokal ausgeführte Open Source KI-Modelle zu nutzen. Das kann zusammen mit einer Microsoft Alternative wie Nextcloud auf einem eigenen Server geschehen, oder als Edge Computing sogar mit Hilfe geeigneter Apps wie Ollama und Langflow, auf dem eigenen Laptop. In unserem Blog finden Se dazu viele Beiträge.

Solche Ansätze können die Innovationsfähigkeit gerade von KMU unterstützen, indem sie ein unternehmensspezifisches KI-System nutzen, bei dem alle generierten Daten beim Unternehmen bleiben – ganz im Sinne einer Digitalen Souveränität.

Wie so etwas für innovative Kleine und Mittlere Unternehmen (KMU) in Europa in Bezug auf Künstliche Intelligenz aussehen kann, stelle ich in zwei Paper auf der MCP-Konferenz 2026, vom 16.-19.09.2026 in Balatonfüred (Ungarn) vor:

Digital Sovereignty and Open-Source AI: The European Way for Innovative SMEs

Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework