AI to the DNA

Was passiert, wenn KI-Agenten ganze Arbeitsabläufe übernehmen und Menschen nur noch gezielt dazuholen? Wie verändert sich der technische Fortschritt, wenn KI an ihrer eigenen Verbesserung mitarbeitet? Und wie souverän kann Europas KI werden, wenn wir weiterhin Chips von Nvidia brauchen?
Zu diesen und weiteren Fragen spreche ich in dieser Episode von „AI to the DNA“, dem Podcast für alle, die Künstliche Intelligenz wirklich verstehen und anwenden wollen, mit Dr. Rasmus Rothe. Er ist Co-Founder und General Partner bei Merantix Capital. Als KI-Forscher, Gründer und Investor verbindet er die technische Entwicklung mit der Frage, wie daraus funktionierende Unternehmen werden.
Diesen Podcast gibt es auch als Video-Podcast auf meinem YouTube Kanal.

Wir sprechen darüber, warum AI-first-Unternehmen anders aufgebaut sind und weshalb es sich lohnt, vom gewünschten Ergebnis her zu denken. Rasmus erklärt, wie Agenten immer längere Aufgaben übernehmen und warum ihre Führung ähnliche Fähigkeiten verlangt wie die Führung von Menschen.
Außerdem diskutieren wir Recursive Self-Improvement: KI-Systeme, die an ihrer eigenen Verbesserung mitarbeiten. Wir schauen auf den Druck in den großen KI-Labs, die kurze Halbwertszeit neuer Modelle und darauf, warum Guardrails und Alignment mit zunehmender Selbstständigkeit wichtiger werden.
Ein weiterer Schwerpunkt ist Europas Rolle: Welche Souveränität lässt sich heute erreichen, und warum müssen wir KI stärker in die Anwendung bringen? Dazu kommen Weltmodelle als Grundlage für Robotik und die Frage, welche Fähigkeiten für dich wichtig bleiben, wenn Agenten immer mehr Wissensarbeit übernehmen.
Hier bei AI to the DNA will ich, Christoph Magnussen, tiefer in die Materie KI eintauchen. Mich interessiert nicht nur, wie man KI nutzt, sondern warum sie so funktioniert, wie sie funktioniert. Mit AI to the DNA gewinnt ihr Einblicke in die Natur der Künstlichen Intelligenz und erfahrt, wie sie Teil eurer DNA wird. So werdet ihr von neugierigen Tool-Tourist:innen zu echten AI-Anwendungsweltmeister:innen.

🚀 🎓 12 Week AI Excellence von Blackboat: In zwölf Wochen vom KI-Ausprobieren zur Anwendung im Arbeitsalltag. Entwickle deine AI-Skills weiter und lerne, eigene Workflows und Agent-Systeme aufzubauen, die dir echte Arbeit abnehmen.
→ Jetzt mehr erfahren und anmelden auf academy.blackboat.com

⭐️ Wenn dir AI to the DNA gefällt, freuen wir uns über eine 5-Sterne-Bewertung. Damit hilfst du uns enorm, den Podcast sichtbarer zu machen und noch mehr Menschen mit unseren Themen zu erreichen. Danke für deinen Support!

(00:00) - Intro

(02:35) - KI-Fortschritt im Zeitraffer

(07:16) - Die wachsende Lücke zwischen KI-Nutzern

(10:07) - KI-native Unternehmen organisieren Arbeit neu

(12:22) - Wenn KI ihre eigenen Modelle verbessert

(16:49) - Autonome KI: Guardrails, Alignment und Haftung

(23:16) - Europas KI-Strategie: Frontier-Modelle oder Open Source?

(25:58) - Mixture of Experts und der Sprung zu Weltmodellen

(29:00) - Weltmodelle: Lernen, planen und entscheiden

(35:07) - Souveräne KI: NVIDIA, Rechenzentren und Inferenz

(43:41) - Der harte Wettbewerb der KI-Labs

(48:01) - Agenten übernehmen ganze Workflows

(53:06) - Welche Fähigkeiten Menschen jetzt brauchen

(58:16) - KI im Unternehmen: Ziele statt Prozessschritte

(01:03:16) - Vibe Coding und die Zukunft der Softwareentwicklung

(01:07:18) - Firmendaten: Wo Ordnung nötig ist und wo KI Kontext schafft

(01:12:27) - Chinas KI-Tempo und selbstlernende Modelle

(01:16:30) - Europas KI-Chance: Anwendung, Sicherheit und Fortschritt

How do you reinvent a product billions of people already use? Can AI help us learn more deeply instead of simply taking shortcuts? And as agents take on more tasks, how do we keep humans in control?
In this episode of AI to the DNA, the podcast for everyone who wants to really understand and apply AI, I sit down with Nick Fox at Google’s AI Center in Berlin. Nick is Google’s Senior Vice President of Knowledge & Information, overseeing Search, Ads, Geo and Commerce. After 23 years at Google, he brings a perspective on how technological shifts become products people actually use.
You can also watch this episode as a video podcast on my YouTube channel.

We explore how AI Overviews and AI Mode are changing Search, from short keywords to longer questions and ongoing conversations. Nick explains Google’s experimental development process, why user readiness matters alongside technical capability, and how to distinguish a bad idea from one whose time hasn’t come yet.
We then turn to learning. Nick describes how AI can adapt to what a student understands and connect difficult concepts to their interests. We discuss the risks of shortcuts and cheating, and how Google creates time for its own people to learn through experimentation and sharing what works.
Finally, we look at agents and the growing volume of information they produce. Should users have to organize everything, or should products help them find what they need? We discuss permissions, transparency and alignment—and why removing tedious work should still leave people in charge of decisions they care about.
I’m Christoph Magnussen and at AI to the DNA, I’m not just asking how to use AI. I’m asking why it works the way it does so you can gain insights on the nature of this technology.

🚀 🎓 12 Week AI Excellence von Blackboat: In zwölf Wochen vom KI-Ausprobieren zur Anwendung im Arbeitsalltag. Entwickle deine AI-Skills weiter und lerne, eigene Workflows und Agent-Systeme aufzubauen, die dir echte Arbeit abnehmen.
→ Jetzt mehr erfahren und anmelden auf academy.blackboat.com

⭐️ Wenn dir AI to the DNA gefällt, freuen wir uns über eine 5-Sterne-Bewertung. Damit hilfst du uns enorm, den Podcast sichtbarer zu machen und noch mehr Menschen mit unseren Themen zu erreichen. Danke für deinen Support!

Was passiert, wenn alle in deiner Firma mit KI Software bauen können – aber niemand mehr genau weiß, wie sie funktioniert? Warum können mehr Agents auch mehr Stress bedeuten? Und unterschätzen wir KI, solange wir nur die eingesparten Minuten zählen?
Zu diesen und weiteren Fragen spreche ich in dieser Episode von „AI to the DNA“, dem Podcast für alle, die Künstliche Intelligenz wirklich verstehen und anwenden wollen, mit Florian Baader, Gründer und CEO von meinGPT. Florian hat mit 18 nach seinen Erfolgen bei Jugend forscht gegründet. Heute unterstützt er mit seinem Team Unternehmen dabei, KI mit ihren Daten und Systemen zu verbinden und im Arbeitsalltag einzusetzen.
Diesen Podcast gibt es auch als Video-Podcast auf meinem YouTube Kanal.

Wir sprechen darüber, wie eine Firma als Betriebssystem für Menschen und Agents aussehen kann: mit gemeinsamem Code, lesbaren Daten und klaren Zugriffsrechten. Florian erzählt, warum sein Versuch, alles in einem einzigen System zusammenzuführen, an praktische Grenzen stieß – und weshalb du mit KI im Datenchaos anfangen kannst, Ordnung aber trotzdem irgendwann entscheidend wird.
Außerdem diskutieren wir, warum Jahrzehnte alte Computerwerkzeuge plötzlich wieder relevant werden und wie eng KI-Modelle und ihre Arbeitsumgebung zusammenpassen müssen. Dabei geht es auch um den Unterschied zwischen einer beeindruckenden Demo und einer Lösung, die im Mittelstand jeden Tag zuverlässig funktionieren soll.
Und wir schauen auf die Nebenwirkungen: parallele Agents, nach denen dir abends der Kopf schwirrt, Teams, die nur noch ihr KI-Setup optimieren, und Software, deren Entstehung niemand mehr erklären kann. Was musst du selbst noch verstehen? Wann ist die Idee wertvoller als der erzeugte Code? Und was bedeutet es für Europa, wenn der Zugang zu leistungsfähigen Modellen zum Privileg wird?
Hier bei AI to the DNA will ich, Christoph Magnussen, tiefer in die Materie KI eintauchen. Mich interessiert nicht nur, wie man KI nutzt, sondern warum sie so funktioniert, wie sie funktioniert. Mit AI to the DNA gewinnt ihr Einblicke in die Natur der Künstlichen Intelligenz und erfahrt, wie sie Teil eurer DNA wird. So werdet ihr von neugierigen Tool-Tourist:innen zu echten AI-Anwendungsweltmeister:innen.

🚀 🎓 12 Week AI Excellence von Blackboat: In zwölf Wochen vom KI-Ausprobieren zur Anwendung im Arbeitsalltag. Entwickle deine AI-Skills weiter und lerne, eigene Workflows und Agent-Systeme aufzubauen, die dir echte Arbeit abnehmen.
→ Jetzt mehr erfahren und anmelden auf academy.blackboat.com

⭐️ Wenn dir AI to the DNA gefällt, freuen wir uns über eine 5-Sterne-Bewertung. Damit hilfst du uns enorm, den Podcast sichtbarer zu machen und noch mehr Menschen mit unseren Themen zu erreichen. Danke für deinen Support!

(00:00) - Intro

(01:31) - Florian Baader: Von Jugend forscht zur KI-Plattform meinGPT

(07:41) - Unterschiedliche KI-Welten: Agents im Mittelstand und im Privatleben

(13:19) - Mehr als Zeitersparnis: Was KI ermöglicht und wer Verantwortung trägt

(19:40) - Git, Markdown und Versionskontrolle: Daten für Agents zugänglich machen

(27:13) - Die Firma als Betriebssystem: Architektur, Oberflächen und Zugriffsrechte

(32:34) - Im Chaos anfangen: Warum KI trotzdem klare Datenstrukturen braucht

(37:34) - Selbstlernende Systeme: Mit Logs, Feedback und Experimenten besser werden

(42:46) - Harnesses und Modelle: Zusammenspiel, Open Source und Modellzugang

(51:58) - SaaS unter Druck: Wie KI den Wechsel zwischen Softwareanbietern erleichtert

(56:05) - CLI statt MCP? Warum Agents alte Computerwerkzeuge wiederentdecken

(59:32) - Von der Demo zur Produktion: Stabilität und Modellwechsel

(01:05:29) - KI-Budgets: Welches Modell ist welche Aufgabe wert?

(01:09:58) - Zu viele Agents: Mentale Belastung, Delegation und die Setup-Falle

(01:16:30) - Dark Code und Agent-Gedächtnis: Was Teams verstehen und dokumentieren müssen

(01:22:54) - KI für alle oder für Eliten? Zugang, Macht und gesellschaftliche Risiken

(01:27:35) - Europas Chance: KI veredeln und souveräne Infrastruktur aufbauen

(01:34:00) - Ausblick: Steigende KI-Kosten und die nächste Phase der Anwendung

Was, wenn mit jedem Prompt an ein externes Modell ein kleines Stück deines Wettbewerbsvorteils das Haus verlässt? Warum hat kein einzelnes Krankenhaus genug Daten, um ein brauchbares KI-Modell zu trainieren und was ändert sich, wenn hunderte Institutionen zusammenkommen, ohne ihre Daten herauszugeben? Und was bedeutet es strategisch, wenn eine einzige Entscheidung der US-Regierung darüber bestimmt, ob du Zugang zum neuesten Modell hast?
Zu diesen und weiteren Fragen spreche ich in dieser Episode von „AI to the DNA", dem Podcast für alle, die Künstliche Intelligenz wirklich verstehen und anwenden wollen, mit Daniel J. Beutel. Daniel ist Co-Founder und CEO von Flower Labs und Co-Creator von Flower, dem Open-Source-Framework für Federated Learning. Gegründet hat er Flower Labs mit Nic Lane und Taner Topal, drei Monate davon im Silicon Valley bei Y Combinator. Er sitzt in Hamburg und promoviert parallel in Cambridge.
Diesen Podcast gibt es auch als Video-Podcast auf meinem YouTube Kanal.

Wir sprechen darüber, was eine dezentrale KI-Architektur von der zentralen unterscheidet, die die großen Labs betreiben: Wer den kompletten Stack auf eigener Infrastruktur betreibt, schickt Prompts, Kontext und damit Prozesswissen nicht mehr an eine fremde API. Daniel erklärt, wie ein sogenanntes Fusion Model mehrere Open-Weight-Modelle unter einer einzigen API kombiniert und damit nah an die Performance aktueller Frontier-Modelle kommt.
Außerdem diskutieren wir Federated Learning ganz konkret: eine internationale Bank, die Kundendaten physisch in den USA und in Europa halten muss und trotzdem ein gemeinsames Modell trainiert. Healthcare-Netzwerke, in denen teilweise über 100 Institutionen zusammenkommen, weil ein einzelnes Krankenhaus nur einige Tausend annotierte Radiologie-Bilder hat, zu wenig für moderne Deep-Learning-Architekturen. Dazu Techniken wie Differential Privacy und Secure Aggregation. Und ein Projekt mit dem US Department of Energy, in dem verteilt über drei National Labs ein LLM mit 70 Milliarden Parametern trainiert wird.
Darüber hinaus geht es um den Unterschied zwischen AI-Assisted und AI-Native: Jedem Mitarbeitenden einen Chatbot zu geben, ist wie einen besseren Hammer in der Manufaktur zu verteilen. Daniel beschreibt, wie stattdessen eine Fertigungslinie für Wissensarbeit entsteht, die mit jeder Interaktion besser wird und warum das ohne starkes Sandboxing, granulare Permissions und Human in the Loop im Enterprise-Umfeld nicht funktioniert.

Und wir reden über Europa: über den Datenschatz im Mittelstand, über Geschwindigkeit als das, was Daniel bei Y Combinator gelernt hat, und über seinen größten Wunsch, alle gesundheitsrelevanten Daten Europas in einem Netzwerk zu verbinden, ohne dass eine einzige Institution die Kontrolle über ihre Daten abgibt.
Hier bei AI to the DNA will ich, Christoph Magnussen, tiefer in die Materie KI eintauchen. Mich interessiert nicht nur, wie man KI nutzt, sondern warum sie so funktioniert, wie sie funktioniert. Mit AI to the DNA gewinnt ihr Einblicke in die Natur der Künstlichen Intelligenz und erfahrt, wie sie Teil eurer DNA wird. So werdet ihr von neugierigen Tool-Tourist:innen zu echten AI-Anwendungsweltmeister:innen.

🚀 🎓 12 Week AI Excellence von Blackboat: In zwölf Wochen vom KI-Ausprobieren zur Anwendung im Arbeitsalltag. Entwickle deine AI-Skills weiter und lerne, eigene Workflows und Agent-Systeme aufzubauen, die dir echte Arbeit abnehmen.
→ Jetzt mehr erfahren und anmelden auf academy.blackboat.com

⭐️ Wenn dir AI to the DNA gefällt, freuen wir uns über eine 5-Sterne-Bewertung. Damit hilfst du uns enorm, den Podcast sichtbarer zu machen und noch mehr Menschen mit unseren Themen zu erreichen. Danke für deinen Support!

(00:00) - Intro

(02:08) - Historische Zeit: Die industrielle Revolution der Wissensarbeit

(07:49) - Flower Labs als Neolab: Zentral gegen dezentral gedacht

(11:45) - Der souveräne Stack: Fusion Model, Datenschicht und Agent-Harness

(17:58) - Context Engineering: Die Loops, die Agent und Modell gemeinsam verbessern

(20:32) - „Security ist nicht verhandelbar": Policies, Rollen und Approvals im Enterprise

(25:27) - OpenClaw, Sandboxing und Human in the Loop: Warum Prompts keine Permissions sind

(31:35) - Federated Learning erklärt: Das Modell kommt zu den Daten

(35:57) - Differential Privacy, Secure Aggregation und die kritische Datenmenge

(40:02) - „Man verkauft die Kuh, um nachher die Milch zurückzukaufen"

(44:55) - Vom Model Provider zum Konkurrenten und warum Flower Labs aus Europa gründet

(48:27) - Europas kritischer Punkt: Datenschatz, Mittelstand und zwei Wege

(51:31) - AI-Assisted gegen AI-Native: Der bessere Hammer reicht nicht

(54:08) - Geschwindigkeit statt Wasserfallplan: Blocker, Freiräume und Rückendeckung von oben

(58:48) - Selbst bauen oder Partner holen: Wo die Grenze liegt

(01:04:02) - Self-Improvement-Loop: Der Agent, der mit jeder Interaktion besser wird

(01:10:55) - Ein neues Spielfeld: MCP, Community und Architekturentscheidungen

(01:13:26) - Department of Energy: Ein 70-Milliarden-Modell über drei National Labs

(01:19:03) - Der große Wunsch: Alle Gesundheitsdaten Europas in einem Netzwerk

Was passiert mit einem Geschäftsmodell, das auf 30 Millionen Google-Besuchern im Monat aufgebaut ist, wenn plötzlich niemand mehr klickt, weil die Antwort direkt im LLM entsteht? Warum bringt es nichts, allen Mitarbeiter:innen KI-Tools zu geben und stolz auf die Token Usage zu schauen? Und wieso könnte das frei crawlbare Internet, wie wir es kennen, bald Geschichte sein?
Zu diesen und weiteren Fragen spreche ich in dieser Episode von „AI to the DNA", dem Podcast für alle, die Künstliche Intelligenz wirklich verstehen und anwenden wollen, mit Marc Berg. Marc ist seit 2024 CEO von Statista und hat das Unternehmen von den Gründern übernommen – zuvor führte er unter anderem FREENOW und Klarna DACH. Mit rund 1.000 Mitarbeiter:innen baut er Statista gerade radikal um: weg von der Plattform, hin zum Daten-Asset für die KI-Ära.
Diesen Podcast gibt es auch als Video-Podcast auf meinem YouTube Kanal.

Wir sprechen darüber, wie Statista seinen „What the ****"-Moment mit ChatGPT 3.5 erlebte, warum Trainingsdaten und Crawlable Data zwei völlig verschiedene Bedrohungen sind und wieso Statista heute nur noch vier Prozent seiner Daten für Google sichtbar macht – und Perplexity deshalb von selbst anklopfte.
Außerdem diskutieren wir, wie man KI im Unternehmen wirklich zum Laufen bringt: mit einer Top-down-Analyse der Wertschöpfungskette statt Gießkanne, mit vollautonomen Teams, die wie Mini-Startups agieren, und mit Evals, die die Antwortqualität um 15 bis 20 Prozentpunkte heben. Marc erzählt, warum er als CEO am Wochenende selbst die Recruiting-Seite nachgebaut hat und wie zwei Mitarbeiter ein sechsstellig teures SaaS-Tool durch einen Eigenbau für 250 Dollar Tokens im Monat ersetzt haben.
Darüber hinaus geht es um das große Bild: die drei Layer des KI-Marktes – Data, Intelligence, Access –, die Frage, ob Agents bald die größten Datenkonsumenten werden, und warum Europa bei Foundation Models nichts zu bieten hat. Zum Schluss wird es persönlich: Was sagt man einem Sohn, der frisch nach dem Abitur fragt, wofür er überhaupt noch Physik studieren soll?
Hier bei AI to the DNA will ich, Christoph Magnussen, tiefer in die Materie KI eintauchen. Mich interessiert nicht nur, wie man KI nutzt, sondern warum sie so funktioniert, wie sie funktioniert. Mit AI to the DNA gewinnt ihr Einblicke in die Natur der Künstlichen Intelligenz und erfahrt, wie sie Teil eurer DNA wird. So werdet ihr von neugierigen Tool-Tourist:innen zu echten AI-Anwendungsweltmeister:innen.

🚀 🎓 12 Week AI Excellence von Blackboat: In zwölf Wochen vom KI-Ausprobieren zur Anwendung im Arbeitsalltag. Entwickle deine AI-Skills weiter und lerne, eigene Workflows und Agent-Systeme aufzubauen, die dir echte Arbeit abnehmen.
→ Jetzt mehr erfahren und anmelden auf academy.blackboat.com

⭐️ Wenn dir AI to the DNA gefällt, freuen wir uns über eine 5-Sterne-Bewertung. Damit hilfst du uns enorm, den Podcast sichtbarer zu machen und noch mehr Menschen mit unseren Themen zu erreichen. Danke für deinen Support!

(00:00) - Intro

(01:12) - Was macht Statista heute eigentlich?

(03:31) - Der ChatGPT 3.5 Schock: „What the f**k, was ist denn hier los?“

(04:44) - Trainingsdaten vs. Crawlable Data: Der Unternehmensberater-Vergleich

(06:04) - Wenn der Google-Traffic wegbricht: Vom SEO-Modell zum Daten-Asset

(08:17) - KI intern: Warum Token Usage nichts über Produktivität aussagt

(11:02) - Ohne saubere Daten keine Lernschleife: Taxonomien, Metadaten und Evals

(15:03) - „Wenn Siemens wüsste, was Siemens wüsste“: Der unterschätzte Datenschatz

(18:08) - Bubble oder nicht? Irre Bewertungen vs. transformative Technologie

(19:56) - Vollautonome Teams: First & Second Class Citizens als Preis der Geschwindigkeit

(23:12) - Hände schmutzig machen: Der CEO baut die Recruiting-Seite selbst nach

(26:08) - SaaSpocalypse abgesagt? Make vs. Buy und das 250-Dollar-Token-Tool

(29:02) - Das Ende des freien Internets: Paywalls, Perplexity und MCP-Server

(32:06) - Vertrauen als Geschäftsgrundlage: Warum B2B ohne Play by the Rules nicht funktioniert

(34:36) - Rohgold und Schmuckstücke: Data Layer, Intelligence Layer, Access Layer

(36:01) - Forward Deployed Engineers: Von der Lego-Kiste zu echten Workflows

(39:49) - Agency ändert alles: Agents als größte Data Consumer und die Waffel-Ökonomie

(45:01) - Welche Daten Wert behalten und wo Unternehmen jetzt anfangen sollten

(51:00) - Blindspot Europa: Foundation Models, Machtkonzentration und verlorener Anspruch

(53:14) - Wofür noch Physik studieren? KI und die nächste Generation

(56:24) - Die anpassungsfähigste Spezies: Ein realistisch-optimistisches Fazit