Veröffentlicht am

W Social: Gestern den Zugang beantragt

W Social – ein europäischer Konkurrent zu „X“ – ist am 17.06.2026 in einer Public Beta Version gestartet. Das Logo besteht aus einem W, das sich aus zwei V zusammensetzt. „Dabei steht nach Angaben von W Social das W für Wir, und die zwei V für Values, also Werte, und für Verifiziert“ (Wikipedia).

„We are building W – a social media platform made in Europe, for the world. Governed by European law, data hosted on European infrastructure, and designed for conversations among humans around the world“ (W Social Website).

Interessenten können nun bei W Social einen Zugang beantragen. Genau das habe ich gestern gemacht. Dazu musste ich meine E-Mail eingeben, einen User Namen und das Land auswählen. Danach habe ich die Bestätigung erhalten (nächste Abbildung) und warte nun ab, wie es weitergeht. Ich bin gespannt darauf, wie ich Beiträge in W Social posten und teilen kann.

Bestätigung nach der Beantragung des Zugangs

Insgesamt ist es eine gute Entwicklung, eine europäische Variante der bekannten Sozialen Medien zu haben. Eine Variante, die die europäischen Werte (Value) berücksichtigt und bei der auch klar ist, wer hinter den Beiträgen steckt (Verify).

Es wird spannend sein zu sehen, wie sich W Social in den nächsten Monaten entwickeln wird, denn eines ist auch klar: Durch die starke Nutzung der bekannten Social Media Kanäle über die letzten Jahre, ist auch hier eine Pfadabhängigkeit der Nutzer entstanden, die es ihnen erschwert zu wechseln (Switching Costs).

Siehe dazu auch W Social: Was steckt hinter der europäischen X-Alternative? – Interview mit Anna Zeitler im SWR vom 28.05.2026.

Veröffentlicht am

MISSION KI: Wie vertrauenswürdig sind KI-Modelle?

Abstract structure and delineation of an AI system. Source: Fraunhofer IAIS Assessment Catalogue (2021) (MISSION AI 2025)

Es gibt Millionen von KI-Modellen bei denen manchmal nicht klar ist, ob man ihnen als Privatperson, als Unternehmen oder als Öffentliche Verwaltung trauen kann. Denn: It all starts with trust.

Image by Gerd Altmann from Pixabay

Wenn dem so ist, stellt sich natürlich gleich die Frage, wie Vertrauenswürdigkeit bei KI-Modellen eingeschätzt und bewertet werden kann.

Zunächst einmal muss so eine Vorgehensweise von neutralen Stellen und nicht von den Unternehmen selbst durchgeführt werden. Auch die Kriterien sollten natürlich transparent und offen sein.

Solche Initiativen gibt es seit einigen Jahren auf internationaler und nationaler Ebene. International befasst sich die IEEE 8000.1 Working Group mit der Vertrauenswürdigkeit von Künstlicher Intelligenz. In Deutschland ist es seit 2023 die MISSION AI, die ein entsprechendes Rahmenwerk entwickelt.

„It combines established approaches (VDE SPEC 90012, Fraunhofer IAIS Prüfkatalog, Joint Specification for Trustworthy AI Systems) into an integrated assessment framework“ (MISSION KI).

In der Veröffentlichung MISSION KI (2025) Quality Standard for Low-Risk AI (PDF) werden Vorgehensweise, Kriterien usw. auf mehr als 100 Seiten ausführlich erläutert.

Auf der internationalen Konferenz MCP 2026, 16.-19.09.2026, Balatonfüred, Ungarn gehe ich auf diese Zusammenhänge in zwei meiner Paper ein.

Veröffentlicht am

AI Economics Indicators – it all starts with trust

Beschäftigungstrend nach der Einführung von ChatGPT (Quelle: https://digitaleconomy.stanford.edu/project/indicators/)

Die Entwicklungen bei Künstlicher Intelligenz sind sehr dynamisch, sodass manche Studien schon der Realität hinterherhinken, wenn sie veröffentlicht werden. Weiterhin gibt es auch Studien, die sich mit der selben Thematik befassen, aber zu unterschiedlichen Schlussfolgerungen führen. – wem kann man da vertrauen?

Es ist daher gut, das die Stanford University nun eine Plattform veröffentlicht hat, auf der viele graphische Auswertungen zu unterschiedlichen Fragestellungen zu finden sind.

„Yet we lack timely, trusted ways to measure how these changes are affecting work, productivity, and value creation in the economy. (…) We believe that a better understanding of the technology’s effects will lead to better decisions“ (Quelle) 

Stanford Digital Economy Lab. „AI Economic Indicators.“ Accessed [16th of June 2026]. https://digitaleconomy.stanford.edu/project/indicators/

In der Abbildung wird z.B. deutlich, wie sich der Beschäftigungstrend nach der Einführung von ChatGPT auf die verschiedenen Altersstrukturen ausgewirkt hat. Die Beschäftigungstrend geht beispielsweise für die Personen zwischen 22-25 Jahren im Vergleich zum November 2022 zurück.

Siehe dazu auch Künstliche Intelligenz – It All Starts with Trust.

Veröffentlicht am

Explainable AI (XAI): Was ist das nun schon wieder?

Wie die proprietären KI-Modelle wie ChatGPT, Gemini, Anthropic, Grok, Claude etc. funktionieren, ist oft nicht transparent, wodurch sich letztendlich auch kein wirkliches Vertrauen in diese Systeme aufbauen kann – it all starts with trust.

Es ist daher nur konsequent, wenn immer mehr Einzelpersonen, Unternehmen und Öffentliche Verwaltungen auf offene und transparente KI-Modelle setzen. In dem Zusammenhang gibt es auch ein Forschungsfeld, das sich mit den damit einhergehenden Fragestellungen befasst.

„Explainable AI (XAI) – Forschungs- und Anwendungsfeld der Künstlichen Intelligenz, das Methoden entwickelt, um Entscheidungen, Vorhersagen oder generierte Inhalte von KI-Systemen transparent, nachvollziehbar und überprüfbar zu machen. Ziel ist es, Vertrauen zu schaffen und Fehlentscheidungen zu vermeiden.“ (Mittelstand Digital Fokus Mensch (2026): Digitale Souveränität als Basis für sichere KI-Anwendungen).

Es stellt sich dabei natürlich gleich die Frage, was das z.B. für Kleine und Mittlere Unternehmen (KMU) in der Praxis bedeuten kann. „Gerade in geschäftskritischen Anwendungen ist Vertrauen in die Funktionsweise von KI-Systemen unerlässlich“ (ebd.). Solche Anwendungen sind ganz besonders Innovationsprozesse. Da sich gerade der deutsche Mittelstand innovativ ausrichtet, ja ausrichten muss, kommt Explainable AI (XAI) ein große Bedeutung zu.

Das Fraunhofer Institut hat dazu eine eXplainable Artificial Intelligence (XAI)-Toolbox entwickelt: „Das heißt, die Toolbox kann z. B. zur Datenanalyse, zum Debugging und zur Erklärung der Vorhersage eines beliebigen Black-Box-Modells eingesetzt werden“ (ebd.).

Veröffentlicht am

Einige Zahlen zum Jahresende 2025

Das Jahr 2025 neigt sich dem Ende zu, und es ist Zeit, das Jahr Revue passieren zu lassen. Dazu zählt natürlich auch, einige Zahlen zu unserem Blog und zu den Aktivitäten in Sozialen Medien zusammenzustellen.

Um es gleich vorweg zu sagen: Uns geht es dabei nicht alleine um Reichweite, sondern um Qualität. Alle Blogbeiträge enthalten daher Quellenangaben, sodass klar wird, was aus der Quelle stammt, und was unsere Meinung dazu ist. Darüber hinaus haben wir uns von Anfang an entschiedenen, unseren Blog ohne nervige Werbung anzubieten.

Durch diese Arbeitsweise haben wir von Anfang an auf Vertrauen gesetzt. Genau das macht unseren Blog in der Zwischenzeit zu einem Qualitätsprodukt, das sich von der massenhaften Produktion von Content durch Künstliche Intelligenz unterscheidet.

Es ist toll zu sehen, dass unsere Blogbeiträge und Themen auch im Jahr 2025 beachtet wurden. Die folgenden Zahlen sollen das verdeutlichen:

Insgesamt finden Sie bei uns jetzt 4.377 Blogbeiträge. Davon sind 288 im Jahr 2025 hinzugekommen.

Beiträge wurden in diesem Jahr knapp 45.000 mal aufgerufen – JetPack-Statistik in WordPress.

Die Anzahl der Besucher wieder ein hohes Niveau erreicht : 20.000 Besucher aus dem In- und Ausland sind an unseren Blogbeiträgen interessiert – JetPack-Statistik in WordPress.

Bei LinkedIn besteht mein Netzwerk aktuell aus 736 Kontakten.

Bei Facebook habe ich 345 Follower und Jutta 1.680 Freunde.

Mein X-Account (vormals Twitter) hat aktuell 1.207 Follower, wobei das nicht unserer bevorzugter Kanal ist.

Wir sehen diese Zahlen als Ansporn, auch im Neuen Jahr 2026 auf allen Kanälen weiterhin aktiv zu sein.

Veröffentlicht am

Digitale Souveränität: Open Source KI-Systeme fördern Innovationen für die gesamte Gesellschaft

https://www.robertfreund.de/blog/2024/10/28/open-source-ai-definition-1-0-release-candidate-2-am-21-10-2024-veroeffentlicht/

Die kommerziellen, proprietären KI-Systeme machen den Eindruck, als ob sie die einzigen sind, die Innovationen generieren. In gewisser weise stimmt das auch, wenn man unter Innovationen die Innovationen versteht, die sich diese Unternehmen wünschen. Fast jeden Tag gibt es neue Möglichkeiten, gerade diese KI-Modelle zu nutzen. Dieses Modelle treiben ihre Nutzer vor sich her. Wer nicht alles mitmacht wird der Verlierer sein – so das Credo.

Dabei stehen Trainingsdaten zur Verfügung, die intransparent sind und in manchen Fällen sogar ein Mindset repräsentieren, das Gruppen von Menschen diskriminiert.

Versteht man unter Innovationen allerdings, das Neues für die ganze Gesellschaft generiert wird, um gesellschaftlichen Herausforderungen zu bewältigen, so wird schnell klar, dass das nur geht, wenn Transparenz und Vertrauen in die KI-Systeme vorhanden sind – und genau das bieten Open Source AI – Systeme.

„Open-source AI systems encourage innovation and are often a requirement for public funding. On the open extreme of the spectrum, when the underlying code is made freely available, developers around the world can experiment, improve and create new applications. This fosters a collaborative environment where ideas and expertise are readily shared. Some industry leaders argue that this openness is vital to innovation and economic growth. (…) Additionally, open-source models tend to be smaller and more transparent. This transparency can build trust, allow for ethical considerations to be proactively addressed, and support validation and replication because users can examine the inner workings of the AI system, understand its decision-making process and identify potential biases“ (UN 2024)

Siehe dazu auch

Das Kontinuum zwischen Closed Source AI und Open Source AI

Apertus: Schweizer Open Source KI – Modell veröffentlicht

Open Source AI: Kimi K2 Thinking vorgestellt

Open Source AI: OlmoEarth Modell-Familie veröffentlicht

Digitale Souveränität: Verschiedene Open Source AI-Modelle ausprobieren

Open Source AI: Veröffentlichung der ALIA AI Modelle für ca. 600 Millionen Spanisch sprechender Menschen weltweit

Veröffentlicht am

Gedanken zu Vertrauen und Misstrauen

Image by Gerd Altmann from Pixabay

Gerade in Zeiten mit vielfältigen und turbulenten Veränderungen ist es wichtig zu wissen, wem (Personen, Organisationen) man vertrauen kann. Es gibt immer wieder ausführliche Darstellungen darüber, dass „Vertrauen verloren gegangen ist“, wenn es Unternehmen schlecht geht, und dass Vertrauen die Basis für ein gutes Zusammenleben ist.

Vertrauen stellt also einen nicht unerheblichen Faktor im Wirtschaftsleben, aber auch im gesellschaftlichen Zusammenleben dar. Deshalb sollte man sich zunächst einmal darüber klar werden, was unter Vertrauen zu verstehen ist.

Vertrauen als Fähigkeit, soziale Beziehungen in Situationen der Ungewissheit und Mehrdeutigkeit (temporär) zu stabilisieren (vgl. Weick, 1995).

Vertrauen stabilisiert also soziale Beziehungen, was wiederum bedeutet, dass Misstrauen soziale Beziehungen destabilisiert. Es scheint, dass Misstrauen gegenüber Vertrauen stärker verbreitet ist. Im World Social Report 2025 wir deutlich dargestellt, welche Auswirkungen Misstrauen hat.

Hier das eine oder andere Beispiel aus meiner Perspektive:

Lebensmittelbranche: Ich misstraue der Branche grundsätzlich, da sie immer mehr Produkte industriell fertigt und dabei viele Zusatzstoffe verwendet, die Menschen auf Dauer krank machen können. Siehe dazu Die Tricks mit Brot und Brötchen – ARD Mediathek oder die vielen Sendungen von Sebastian Lege.

Gastronomie: Kann man den vielen Gastronomen wirklich vertrauen? Manche schaffen es ja sogar, dem Gast Leitungswasser als „“Eigenmarke“ zu Höchstpreisen zu verkaufen.

Gesundheitswesen: Kann ich den Akteuren vertrauen, wenn z.B. ein Arzt nur Geld verdient, wenn ich krank bin? Natürlich gibt es im System Personen, denen ich vertraue, doch kann ich dem Gesundheitssystem vertrauen?

Finanzwesen: Die verschiedenen Finanzprodukte sind schon seit Jahren in der Kritik, da es of an Transparenz fehlt, und mehr der Profit der Bank im Fokus steht, als das Wohl der Kunden.

Künstliche Intelligenz: Kann ich den KI-Angeboten der Tech-Konzerne vertrauen? Es gibt bei den proprietären Angeboten keine Transparenz darüber, welche Daten für die Modelle genutzt wurden und wie mit neuen Daten umgegangen wird. Siehe dazu Künstliche Intelligenz: Würden Sie aus diesem Glas trinken?

Es wäre schön, wenn nicht mehr die Manipulationen von Menschen (Kunden) im Mittelpunkt stehen würden, sondern die wirklichen Bedürfnisse von Menschen.

Siehe dazu auch Neue Arbeitswelt: Vertrauen als Ersatz für Kontrolle? und Produkte und Dienstleistungen als Mehrwert für Kunden: Warum funktioniert das einfach nicht?
–

IT ALL STARTS WITH TRUST

Veröffentlicht am

Open Newswire: Professionelle Journalisten stellen Artikel frei zur Verfügung

Screenshot von der Startseite https://www.opennewswire.org/

In der heutigen Daten- und Informationsflut ist es gut zu wissen, welchen Informationen man trauen kann. Viele Quellen wollen manipulieren, aufhetzen, oder einfach nur Klicks generieren. In diesem Umfeld ist Vertrauen ein wichtiges Gut.

Professionelle Journalisten traut man zu, Inhalte zu sammeln, aufzuarbeiten und ohne Wertung an den Leser zu bringen. Wertungen können ja in separaten Kommentaren geschrieben werden. Solche Artikel stehen auf der Plattform Open Newswire „frei“ zur Verfügung.

Über die Plattform Open Newswire ist das in über 90 Sprachen möglich. Es handelt sich um ein Non Profit Projekt, das 2020 von einem australischen Journalisten gestartet wurde. Die Artikel unterliegen den hier gelisteten Creative Commons Licences.

Veröffentlicht am

Künstliche Intelligenz: Das Modell GRANITE in unsere LocalAI eingebunden

Screenshot von unserer LocalAI-Installation: Selected Model Granite 3.0

In dem Beitrag Künstliche Intelligenz: Würden Sie aus diesem Glas trinken? ging es um die Frage, ob man KI-Modellen vertrauen kann. Bei den Closed Source Models der Tech-Konzerne ist das kaum möglich, da die Modelle gar nicht, bzw. kaum transparent sind und nicht der Definition von Open Source AI entsprechen.

Wenn aber der erste Schritt zur Nutzung von Künstlicher Intelligenz Vertrauen sein sollte (Thomas et al. 2025), sollte man sich als Privatperson, als Organisation, bzw. als Verwaltung nach Alternativen umsehen.

Wie Sie als Leser unseres Blogs wissen, tendieren wir zu (wirklichen) Open Source AI Modellen, doch in dem Buch von Thomas et al. (2025) ist mir auch der Hinweis auf das von IBM veröffentlichte KI-Modell Granite aufgefallen. Die quelloffene Modell-Familie kann über Hugging Face, Watsonx.ai oder auch Ollama genutzt werden.

Das hat mich neugierig gemacht, da wir ja in unserer LocalAI Modelle dieser Art einbinden und testen können. Weiterhin haben wir ja auch Ollama auf unserem Server installiert, um mit Langflow KI-Agenten zu erstellen und zu testen.

Im Fokus der Granite-Modellreihe stehen Unternehmensanwendungen, wobei die kompakte Struktur der Granite-Modelle zu einer erhöhten Effizienz beitragen soll. Unternehmen können das jeweilige Modell auch anpassen, da alles über eine Apache 2.0-Lizenz zur Verfügung gestellt wird.

Wie Sie der Abbildung entnehmen können, haben wir Granite 3.0 -1b-a400m in unsere lokale KI (LocalAI) eingebunden. Das geht relativ einfach: Wir wählen aus den aktuell mehr als 1.000 Modellen das gewünschte Modell zunächst aus. Anschließend brauchen wir nur auf „Installieren“ zu klicken, und das Modell steht in der Auswahl „Select a model“ zur Verfügung.

Im unteren Fenster (Send a message) habe ich testweise „Stakeholder for the project Website“ eingegeben. Dieser Text erscheint dann blau hinterlegt, und nach einer kurzen Zeit kommen dann schon die Ergebnisse, die in der Abbildung grün hinterlegt sind. Wie Sie am Balken am rechten Rand der Grafik sehen können, gibt es noch mehrere Stakeholder, die man sieht, wenn man nach unten scrollt.

Ich bin zwar gegenüber Granite etwas skeptisch, da es von IBM propagiert wird, und möglicherweise eher zu den Open Weighted Models zählt, doch scheint es interessant zu sein, wie sich Granite im Vergleich zu anderen Modellen auf unserer LocalAI-Installation schlägt.

Bei allen Tests, die wir mit den hinterlegten Modellen durchführen, bleiben die generierten Daten alle auf unserem Server.

Veröffentlicht am

Künstliche Intelligenz, Wissen und kritisches Denken

Der Wissensbegriff hat sich in den letzten Jahrzehnten verändert, und damit auch erweitert. Arnold hat beispielsweise von einem neuen Wissensbegriff gesprochen und plädiert für eine Art von Wissenskompetenz.

Mit den Möglichkeiten der Künstlichen Intelligenz wird der Umgang mit Wissen noch dynamischer – vormals eher personales Wissen wird immer mehr zu einem öffentlichen Wissen. Dabei ist bemerkenswert, dass die Menschen den Ergebnissen der KI-Modellen durchaus vertrauen, obwohl diese nachweislich fehlerhaft sind. Siehe dazu Künstliche Intelligenz: Halluzinationen und der Bullshit-Faktor – eine Art Künstliche Dummheit? Dieses sehr unkritische Verhalten führt zu einer Entwertung des personalen Wissens

„Menschen ziehen sich infolge von KI zunehmend aus der Generierung personalen Wissens zurück und begnügen sich mit der Überwachung und Validierung KI-generierten öffentlichen Wissens. Der Einsatz von KI und ein übermäßiges Vertrauen in die Qualität KI generierter Inhalte reduzieren zudem die Bereitschaft zum kritischen Denken. Mit wachsendem Vertrauen in KI verschlechtert sich kritisches Denken, während Zuversicht in Bezug auf die eigene Expertise kritisches Denken stärkt“ (Reinmann, Preprint. Erscheint in: Dittler, U. & Kreidl, C. (in Druck). Fragen an die Hochschuldidaktik der Zukunft. Schäffer-Poeschel).

Die stärkere Nutzung der KI-Möglichkeiten führt also letztendlich zur Reduzierung des kritischen Denkens, wobei das Vertrauen in die eigene Expertise eher das kritische Denken fördert.

Wir sollten daher nicht „blind“ den Verheißungen der Tech-Industrie hinterherrennen, sondern auf Basis unserer eigenen Expertise durchaus kritisch mit den Ergebnissen der KI umgehen. Siehe dazu beispielsweise Kritisches Denken genauer betrachtet. Darin werden u.a. die affirmative (bestätigende) Wissenskonstruktion und das kritische Denken gegenübergestellt.