Was haben PCs mit User Innovation zu tun?

Image by Ronald Carreño from Pixabay

Alles begann in den 1970er Jahren mit dem Homebrew Computer Club (Wikipedia). Dort schlossen sich Bastler und Tüftler zusammen und tauschten sich aus. Dabei haben die einzelnen Personen aus eigenem Interesse Zeit und Geld investiert.

Der Club hatte einen bedeutenden Einfluss auf die Entwicklung von Mikro-Computern im Silicon Valley, von wo aus er zu einem unvergleichlichen weltweiten Erfolg wurde. Wenn man sich die Größe des weltweiten PC-Markts ansieht, ist es erstaunlich, was aus den Anfängen geworden ist.

„In 2025, the collective worldwide sales of PCs was roughly $240 billion US dollars (Mordor Intelligence 2026)“ (Almudi et al., 2026).

Wir kennen alle die großen Markennamen der Unternehmen, die Personal Computer in großen Mengen hergestellt haben und auch noch herstellen – den Homebrew Computer Club, oder einzelne Tüftler und Bastler aus den Anfängen kennt kaum noch jemand. Dabei waren es gerade diese Personen (User), die die Grundlagen für das neuartige Produkt (Innovation) gelegt haben.

Auch heute noch sind User Innovation bedeutend. Eric von Hippel hat das in vielen seiner Studien nachgewiesen und Zusammenhänge in Democratizing Innovation, bzw. Free Innovation veröffentlicht.

Unsere Denkweise ist seit Schumpeter so auf Unternehmen als Innovatoren fokussiert, dass wir die User Innovation kaum wahrnehmen. Die kleinste Einheit, die auch in die traditionellen Statistiken zu Innovationen eingehen, sind die Start-ups. User Innovation, oder seit dem Oslo Manual 2018 auch Houesehold Innovations, werden erst seit einigen Jahren wieder deutlicher wahrgenommen. Siehe dazu auch Worin unterscheiden sich Business Innovation (formale Innovation) von Household Innovation (informelle Innovation)?

Durch neue Fertigungstechnologien (Open Source, Open Hardware) und Künstliche Intelligenz (Open Source AI) ist es allerdings in den letzten Jahren vielen Usern immer besser möglich geworden, den oftmals schwierigen Prozess bis zur eigenen Innovation zu bewältigen. In meinem Paper zur MCP 2026 (16.-19.09.2026, Balatonfüred, Ungarn) bin ich darauf eingegangen und habe ein ersten Personal Fabrication Framework vorgestellt:

Freund, R. (2026): Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework – Abstract

Ist Künstliche Intelligenz einfach eine Weiterentwicklung bestehender Automatisierungstendenzen?

Künstliche Intelligenz wird oft mystifiziert und in Stories verpackt. Der Grund ist banal: Es geht um das Einwerben von Kapital und um das schnelle Skalieren des eigenen Geschäftsmodells.

Künstliche Intelligenz wird dabei schnell als disruptiv beschrieben. Dabei ist unstrittig, dass KI schon heute, und ganz besonders in naher Zukunft, ganze Branchen (Gesellschaften) verändern wird.

Dennoch kann Künstliche Intelligenz auch ganz einfach als Weiterentwicklung innerhalb von Automatisierungsbestrebungen gesehen werden:

„Die Automatisierung von menschlichem Handeln durch KI ist kein neues Phänomen der Mensch-Technik-Interaktion, sondern umfasst in Teilen eine Weiterentwicklung innerhalb bestehender Automationsbestrebungen. (…) Breite Definitionen von KI (z. B. Russell & Norvig, 2022, p.19) sind so weitgefasst, dass sich nahezu jede technische Automatisierung darunter einordnen ließe. Umgekehrt lassen sich auch viele KI-Systeme als Automatisierung beschreiben, weil sie Aufgaben teilweise oder vollständig vom Menschen auf ein System verlagern (Lee & See, 2004)“ (Kraus et al., 2026, Psychologische Rundschau (2026), 77(4), 239–244, https://doi.org/10.1026/0033-3042/a000783).

So eine ingenieurpsychologische Perspektive weist auch darauf hin, dass Künstliche Intelligenz eingebettet ist in gesellschaftliche und psychologische Prozesse – eben auf ein sozio-technisches System. Die Ingenieurpsychologie kann hier einen wertvollen Beitrag zur Diskussion über Künstliche Intelligenz leisten.

McKinsey Global Institute (2026): The AI Economy

AdobeStock_650993865-scaled-1-1024×614.jpeg

Wenn sich Berater zu etwas äußern steckt oft das Ziel dahinter, einen Bedarf aufzuzeigen, um dann daraus abgeleitet Aufträge zu generieren. Insofern schaue ich z.B. auf die folgende Veröffentlichung (positiv) kritisch. Dennoch möchte ich auf die in der Zusammenfassung genannten Punkte eingehen.

MGI (2026): AI Economy (2026): AI Economy. Interconnected forces, feedback loops, and speeds of change. Discussion Paper. MGI, 10.09.2026.

MGL: AI’s advance will leave few of us unaffected.
Dass kaum jemand nicht von AI berührt ist oder sein wird, ist nicht gerade eine neue Erkenntnis. AI wird sich auch auf die Beraterbranche auswirken. Warum sollte ich teure Berater beauftragen, wenn ich einen Großteil der Themen von einem AI-Modell bearbeiten lassen kann?

MGI: Answering big questions about AI means seeing the whole picture, not just focusing on the technology.
Mein Kommentar: Das ist bemerkenswert, da es ja gerade die großen Beratungsgesellschaften waren, die die Technologie in den Mittelpunkt ihrer Tätigkeiten (Transformationen) gestellt haben. Jetzt dämmert es langsam, dass das nicht ausreicht. In manchen Bereichen ist es möglicherweise etwas zu spät, da dort schon ein technologischer Lock-in stattgefunden hat, aus denen Organisation nur mit viel Aufwand wieder herauskommen (Switching Costs).

MGI: Risks and bottlenecks arise because different parts of the AI system are moving at vastly different paces. 
Mein Kommentar: Hier geht es um das KI-System, dessen Teile unterschiedliche Geschwindigkeiten haben. Das ist bei technologischen Entwicklungen nicht ungewöhnlich – der Hinweis darauf also eher banal.

In the AI era, leaders must therefore learn to manage at multiple speeds.
Mein Kommentar: Den Umgang mit unterschiedlichen Geschwindigkeiten müssen also Führungskräfte heute lernen. Von wem, von McKinsey? Den Hinweis darauf, dass eine Systembetrachtung die Möglichkeit bietet, mit so komplexen Problemstellungen hilfreich ist, kann ich nur zustimmen. Wenn man alle Akteure eines gesellschaftlichen Systems betrachtet, ist AI allerdings nur eine Komponente und nicht die Dominierende. Kern eines gesellschaftlichen Systems sind die Menschen, die sich in Europa beispielsweise zu bestimmten Werten verpflichtet haben. Diese sind dann auch bindend für AI-Modelle – nicht umgekehrt.

Die Veröffentlichungen von Beratern sind oftmals gut aufbereitet und werden von Business-Leuten gelesen. Auch der Name McKinsey Global Institute gibt McKinsey’s publications and research give a „quasi-academic“ image (vgl. Wikipedia). Quasi akademisch ist eben nicht wirklich akademisch, also wissenschaftlich.

Doch: Wer liest schon wissenschaftliche Veröffentlichungen? Ich, und es ist spannender als viele denken! Siehe dazu auch meine beiden Paper zur MCP-CE 2026:

Freund, R., Anisic, Z. (2026): Digital Sovereignty and Open-Source AI: The European Way for Innovative SMEs – Abstract

Freund, R. (2026): Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework – Abstract

Democratizing Serbia – Democratizing Innovation – Democratizing Fabrication – Democratizing AI

Es sind alle mehr oder weniger überrascht: Die Wähler in Serbien haben das Regime um Vucic abgewählt. Angefangen hat alles vor zwei Jahren mit der Katastrophe am Bahnhof in Novi Sad (Serbien). Danach haben sich Netzwerke zu der Initiative Studentenliste – Studenten gewinnen organisiert – basisdemokratisch, von unten, mit der Keimzelle in Novi Sad.

Dabei hat diese Initiative bewusst darauf verzichtet, eine Art Leitfigur wie in Ungarn zu etablieren. Der Star ist also hier nicht – wie in vielen anderen Parteien – eine einzige Person, sondern das Netzwerk. Ich sehe hier deutliche Parallelen zu Open User Innovation. Warum?

Zunächst einmal kann diese politische Entwicklung in Serbien als Innovation im Sinne des Oslo Manuals gesehen werden. Es ist sogar im engeren Sinne eine Household Innovation, auf die sich Eric von Hippel in seinen Arbeiten zu Open User Innovation seit Jahrzehnten bezieht. Er bezeichnet das als Free Innovation oder auch Democratizing Innovation. Solche Bottom-Up-Ansätze sind bei vielen Dienstleistungen und Produkten schon mehrfach nachgewiesen worden. Meines Erachtens ist auch der Wahlausgang in Serbien dafür ein gutes Beispiel – nur eben auf der sozialen, politischen Ebene.

Diese Einschätzung habe ich nicht als eine Person, die sich alles aus Deutschland „vom Sofa aus“ ansieht, sondern als jemand, der an der Universität in Novi Sad eine Konferenzreihe zu Mass Customization and Personalization (MCP-CE) etabliert hat, die schon seit 2004 alle 2 Jahre durchgeführt wird: Wegen den Repressionen an der Universität Novi Sad haben wir uns in diesem Jahr dazu entschlossen, die Konferenz in Balatonfüred (Ungarn) durchzuführen. Dort habe ich auch mein Paper vorgestellt:

Freund, R. (2026): Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework – Abstract.

Die basisdemokratische Organisation mit ihrer Offenheit, Teilhabe und Transparenz (Democratizing Serbia) spiegelt sich in kollaborativen, nutzerzentrierten Innovationsprozessen (User Innovation) wider – Democrazizing Innovation. Da ich in meinem Paper auch auf Personal Fabrication und Open Source AI hingewiesen habe, kann man alles wie folgt zusammenfassen:

Democratizing Serbia – Democratizing Innovation – Democratizing Fabrication – Democratizing AI

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?

Glöckner et al. (2026): Künstliche Intelligenz als soziotechnisches System

Image by Gerd Altmann from Pixabay

Wenn es um Künstliche Intelligenz geht, wird meistens über die technologischen Möglichkeiten gesprochen und geschrieben. Es geht um Leistungsvergleiche zwischen KI-Modellen, und um KI-Agenten mit ihrem Verbrauch an Tokens – um nur einige wenige Aspekte zu nennen.

Auf der anderen Seite geht es immer mehr Leuten auch darum zu analysieren, welchen Einfluss Künstliche Intelligenz auf die Gesellschaft, also auf soziale Systeme hat. Es geht hier um Regulierungen, Recht, Moral, Ethik usw.

In dem Beitrag Künstliche Intelligenz ist untrennbar in die Gesellschaft eingebettet – oder umgekehrt? habe ich die Wechselwirkungen der beiden Pole Technik und Gesellschaft thematisiert. Zwischen den beiden Dimensionen gibt es – wie immer – ein Kontinuum an Möglichkeiten der Gestaltung. Dabei geht es also nicht alleine um die Gestaltung der Technologie, sondern gleichzeitig auch um die Gestaltung des sozialen Raums, in dem KI eingebettet ist.

Es liegt daher auf der Hand, in die Gesellschaft eingebettete Künstliche Intelligenz als soziotechnisches System zu betrachten. Genau das haben Glöckner et al. in einem frei verfügbaren Paper gemacht.

„Der vorliegende Beitrag betrachtet Künstliche Intelligenz (KI) als ein soziotechnisches System, das verschiedene Auswirkungen auf soziale Interaktionen und die Gesellschaft als Ganzes hat. Auf Basis aktueller empirischer Befunde werden verschiedene mögliche Auswirkungen von KI in den Bereichen (1) soziale Wahrnehmung, (2) soziales Urteilen und Entscheiden sowie (3) Gruppenprozesse, gesellschaftlicher Zusammenhalt und Macht diskutiert.“
A. Glöckner et al., “Künstliche Intelligenz als soziotechnisches System: Eine Perspektive der Fachgruppe Sozialpsychologie,” Psychologische Rundschau, vol. 77, no. 4, pp. 216–224, Oct. 2026, doi: 10.1026/0033-3042/a000780.

Siehe dazu auxh

Digitalisierung und die Wiederentdeckung soziotechnischer Ansätze

Industrie 4.0 als soziotechnisches System

Warum braucht „Führung“ heute sozialwissenschaftliche Expertise?

Für eine Aufgabe das geeignete KI-Modell mit dem Smart Router in Langflow auswählen

An AI router that understands the capabilities of models in its library directs
a given inference request to the best model able to perform the task at hand (Thomas et al. 2025)

Es ist in Organisationen nicht mehr zeitgemäß, alle anfallenden Aufgaben (Tasks) von einem sehr großen und Leistungsfähigen KI-Modell bearbeiten zu lassen. Dieses „One Size Fits All“ führt nur zu einem erhöhten Ressourcenverbrauch und damit zu hohen Kosten.

Besser ist es, für jede Anfrage das geeignete Modell auszuwählen. In dem Beitrag Künstliche Intelligenz: Mit einem AI Router verschiedene Modelle kombinieren hatte ich diese Vorgehensweise grob dargestellt. Die Abbildung zeigt das prinzipielle Vorgehen: Ein AI Router entscheidet auf Basis von Vorgaben, welches KI-Modell für den Task geeignet erscheint.

Da wir auf Open Source Software und Open Source AI setzen, ist es interessant, dass Langflow nun die Möglichkeit bietet, einen Smart Router zu nutzen. Basis ist dabei die schon vorhandene Wenn > Dann (If-Else) Funktion.

„The Smart Router component is an LLM-powered variation of the If-Else component. Instead of string matching, the Smart Router uses a connected Language Model component to categorize and route incoming messages“
Langflow. (o. D.). Quickstart. Langflow Documentation. Abgerufen am 16. Oktober 2026, von https://docs.langflow.org/get-started-quickstart)

Siehe dazu auch

Freund, R., Anisic, Z. (2026): Digital Sovereignty and Open-Source AI: The European Way for Innovative SMEs. International Conference MCP 2026, 16.-19.09.2026, Balatonfüred, Hungary.

Personalisierung von Software: Kann bald jeder mit KI seine eigene Software erstellen? Warum eigentlich nicht?

Image by Pexels from Pixabay

Immer mehr User (Nutzer) entwickeln ihre eigenen Produkte, da die Unternehmen mit ihren begrenzten Ressourcen (fixed innovation space) und Renditeüberlegungen oftmals Ideen von Usern nicht umsetzen. In meinem Paper zur MCP 2026 habe ich das ausführlich hergeleitet und beschrieben:

Freund, R. (2026): Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework. Anisic, Z., Forza, C. (Eds): Proceedings of the 12th International Conference on Customization and Personalization, September 17-18, 2026, Balatonfüred, Hungary, pp. 76-85 · 17. Sep. 2026

Die Konferenzreihe legt seit 2004 alle 2 Jahre den Fokus auf (Mass) Customization and Personalization. – siehe MCP-CE.org. Dabei ging es in der Vergangenheit meistens darum herauszufinden, wie Unternehmen mit neuen Technologien – und jetzt auch mit Künstlicher Intelligenz – (massenhaft) individuelle Produkte und Dienstleistungen anbieten können – zum Preis von Standardprodukten.

In meinem Paper habe ich den Ansatz Customization and Personalization aus der Perspektive eines Users dargestellt: Open User Innovation. An mehreren Beispielen konnte ich aufzeigen, wie es in den letzten Jahren einen Paradigmenwechsel gegeben hat. User sind heute immer mehr in der Lage, ihre Ideen selbst umzusetzen. Dabei helfen natürlich die niederschwelligen Technologien der Maker Bewegung und Künstliche Intelligenz, um die vielen Hürden im Prozess der persönlichen Fabrikation zu überwinden.

Über meine in dem Paper genannten Beispiele hinaus, wird nun auch deutlich, dass es in Zukunft auch möglich sein wird, seine eigene Software von Künstlicher Intelligenz „bauen“ zu lassen. Lange genug haben wir uns den etablierten Softwareanbieter angepasst, ja geradezu unterworfen.

Wenn über 97% der Codebasis von Software Open Source ist, sollte es möglich sein, aus diesen Bausteinen seine eigene Software zusammenzustellen. Künstliche Intelligenz kann hier bei den Schnittstellen und möglichen rechtlichen Fragen helfen.

„According to the 2025 Black Duck Open Source Security and Analysis Report, 97% of codebases scanned contained open source software“ (Carlber, A. N (2026) Open Source in Europe Amid Geopolitical Tensions, in Eclipse Foundation).

Auch die aktuellen Entwicklungen beim Vibe Coding gehen in diese Richtung. Dabei wird mit Hilfe eines Prompts der Quellcode von Künstlicher Intelligenz generiert. Warum eigentlich nicht?

Ich bin gespannt, was es in diesem Bereich noch für überraschende neue Chancen für die „Herstellung“ eigener Produkte und Dienstleistungen geben wird. Ganz im Sinne einer Open User Innovation, die sich von den etablierten Unternehmensangeboten löst, und eigene Lösungen entwickelt und nutzt.

Es gibt durchaus immer mehr Forscher, die schon eine Veränderung in den ökonomischen Bereichen sehen: Von der Market Economy zur Self-organized Gift Economy.

Künstliche Intelligenz: Welcher Mensch?

Atari et al. (2023): Which Human? [PDF]

Wenn wir mit Künstlicher Intelligenz arbeiten, interagieren wir mit Large Language Models (LLMs), die mit Daten trainiert und weiterentwickelt wurden. Die Antworten erscheinen uns menschlich zu sein, da sie meistens zu dem passen, was wir uns in unserer Kultur vorstellen.

In dem Paper Atari et al. (2023): Which Human? gehen die Forscher der Frage nach, um welchen Menschen – um welches Menschenbild – es sich hierbei handelt. Dabei haben sie festgestellt, dass die bekannten KI-Modelle eine WIRED-Perspektive einnehmen. WEIRD populations (Western, Educated, Industrialized, Rich, and Democratic).

Wie in der Abbildung zu erkennen, haben allerdings viele Kulturkreise, Regionen, Länder ein anderes Menschenbild, das sich von dem genannten WEIRD erheblich unterscheidet. Das wiederum führt zu der Frage, ob die anderen Regionen dieser Welt die von westlichen Big Tech entwickelten LLMs übernehmen werden, oder sie ihre eigenen LLMs benötigen, die ihre eigene Sprache, ihre kulturellen und regionalen Besonderheiten berücksichtigen.

Nach dem AI Report 2026 (Stanford University) gibt es in der Zwischenzeit einen deutlichen Trend in Richtung regionaler/nationaler LLMs, die gerade das ermöglichen. Wie ich in der von mir erstellten Open Street Map zu EU-Modellen zeigen konnte, gibt es sogar in Europa schon sehr viele solcher Modelle auf Open Source oder Open Weight Basis.

https://umap.openstreetmap.de/de/map/open-source-ai-in-europe_148154#5/46.052101/6.218511

Solche Zusammenhänge habe ich auch in meinem Paper Digital Sovereignty and Open-Source AI: The European Way for Innovative SMEs auf der MCP 2026 in Balatonfüred, Ungarn aufgezeigt.

MCP 2026: The Customiztaion and Personalization Week

In der nächsten Woche trifft sich die Customization und Personalization Community auf der MCP 2026. Die letzten Konferenzen, die seit 2004 alle 2 Jahre stattfinden, hatten wir an der Technischen Universität Novi Sad (Serbien) durchgeführt. Da die Gesamtsituation an der Universität für Lehrende und für Studenten immer schwieriger wurde, haben wir uns dazu entschlossen, diesmal nach Balatonfüred in Ungarn auszuweichen.

Wie nach allen letzten Konferenzen auch werden wir auch nach der MCP 2026 ausführlich über alle Themen reflektieren. Als Initiator der Konferenzreihe, die in Rzeszow (Polen) in 2004 begann, kann ich mich nur bei allen bedanken, die diese Konferenzreihe schon so lange mit ihrer Teilnahme unterstützen.

Wir (Jutta und ich) freuen uns schon jetzt, die Kollegen und Freunde in der kommenden Woche in Balatonfüred zu treffen. Auf der Konferenz stelle ich zwei Paper 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