Veröffentlicht am

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

Veröffentlicht am

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

Veröffentlicht am

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?

Veröffentlicht am

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?

Veröffentlicht am

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.

Veröffentlicht am

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.

Veröffentlicht am

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.

Veröffentlicht am

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

Veröffentlicht am

Digital Resilience Index für die eigene Organisation ermitteln

https://digitalresilienceinitiative.org/en#piliers

Über Digitale Souveränität habe ich in unserem Blog schon viel geschrieben. Dabei sollte es Ziel sein, die Organisation resilienter gegenüber äußeren Einflüssen zu machen. In der Zwischenzeit stürzen sich die Berater auf das Thema, obwohl sie noch vor kurzer Zeit den Einsatz bekannter, proprietärer Anwendungen „verkauft“ haben – Digital Sovereignty Washing kann man das wohl nennen.

Die Digital Resilience Initiative ist laut eigenen Angaben „eine Non-profit association in the process of registration“ [01.09.2026]. Sie bieten eine offene und strukturierte Methode an, Digitale Resilienz anhand von 8 Dimensionen und 5 Layer zu analysieren. Wie die Abbildung zeigt, werden die Ergebnisse dann anhand von entsprechenden Grafiken angezeigt.

Grundsätzlich finde ich das einen guten Ansatz, doch ist es gerade für Kleine und Mittelständische Unternehmen (KMU) oft unklar, an welchen Stellen begonnen werden sollte. Immerhin ist ja, je nach Perspektive, alles wichtig.

Ich favorisiere an dieser Stelle eher ein Wirkungsnetz für das spezifische KI-System der Organisation, das ähnlich wie bei der Wissensbilanz-Toolbox aufgebaut ist. daraus können dann entsprechende Generatoren abgeleitet werden, die die Ressourcen der KMU schonen und trotzdem auf das Geschäftsergebnis ausgerichtet sind. Siehe dazu KI-System im Mittelstand: Von der Wissensbilanz lernen.

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

Veröffentlicht am

264 Milliarden Euro geben europäische Organisationen pro Jahr für nicht-europäische Technologien aus

Image by Willfried Wende from Pixabay

Es ist bekannt, dass alleine der Bund pro Jahr ca. 500 Millionen Euro alleine an Microsoft-Lizenzen bezahlt. Weniger bekannt ist, dass auf der europäischen Ebene die Beträge sehr viel höher sind, wenn wir digitale Technologien insgesamt betrachten. Es sind sage und schreibe 242 Milliarden Euro, die europäische Organisationen pro Jahr für nicht-europäische Technologien ausgeben. Auf der Seite von EuroCommons sind dazu insgesamt 11 kritische Komponenten genannt.

€264bn spent every year by European organisations on non-European digital technologies.

A call to large European public and private organisations and to open source vendors to join collective working groups — coalitions — to plan, prepare, finance and execute concrete migrations away from proprietary software dependencies. Together. In project mode. With peers facing the same problems.

Source: EuroCommons (abgerufen am 26.08.2026)

Es ist natürlich weltfremd, wenn man von heute auf morgen alle technologischen Abhängigkeiten durch europäische Lösungen ersetzen wollte, doch wird seit einiger Zeit mehr umgesetzt, als man es noch vor wenigen Jahren gedacht hat.

Wie wäre es, wenn man auf europäischer Ebene nur 50% der 264 Milliarden Euro, also immerhin 132 Milliarden Euro, in europäische Technologie investieren würde?

Beispielsweise ersetzen immer mehr Open Source Lösungen wie Nextcloud, OnlyOffice usw. die bekannten Microsoft-Produkte und auch auf der Ebene der Künstlichen Intelligenz gibt es sehr viele europäische, ja sogar länderspezifische Open Source KI-Modelle. etc. Siehe dazu auch Open Street Map: Europäische Open Source KI Modelle in den jeweiligen Landessprachen.

Neben der wirtschaftlichen Komponente ist allerdings auch ein möglicher Kill Switch ein bedeutender Treiber für die Entwicklung zur Digitalen Souveränität.

„In der öffentlichen Diskussion ist der „Kill Switch“, also die Einschränkung oder Abschaltung digitaler Dienste für einzelne Personen, Organisationen oder sogar ganze Staaten, ein viel beachtetes Thema. Eine zentrale Rolle spielt dabei US-Präsident Donald Trump, der öffentlich damit gedroht hat, den Zugang zu US-Digitaldiensten, wie denen der Hyperscaler, einzuschränken oder vollständig zu sperren“ (Lünendonk-Studie 2026).

Durch die Nutzung von Open Source Anwendungen im Rahmen europäischer Werte und Normen können neue, innovative Ansätze entstehen, die sich von den chinesischen und US-amerikanischen Vorgehen unterscheiden. Siehe dazu Digitale Souveränität: Europa, USA und China im Vergleich.

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