DEEPTECH DEEPTALK

In dieser Folge des DEEPTECH DEEPTALK ordnen Oliver Rößling und Alois Krtil ein, was es bedeutet, wenn der amerikanische Staat den eigenen Frontier Modellen plötzlich die Leine anlegt. Die USA verkauften sich jahrelang als der Ort, an dem KI ohne Bremsen läuft. Jetzt stehen erste regulatorische Eingriffe neben der Ankündigung von 100 Prozent Digitalzöllen als Antwort auf die europäischen Acts. Das trifft tokenbasierte, hochsubventionierte Geschäftsmodelle direkt an der Refinanzierung. Profiteur könnte Europa sein. Modelle wie Mistral gewinnen an Boden, auch als Schutz vor einer Übernahme durch amerikanische oder chinesische Käufer.
Den Kern der Folge bildet die These, dass nicht die Modellgröße zählt, sondern die Architektur darum herum. Kleine gehärtete Modelle mit Quelle, Fehlercode und Diagnose schlagen ein Frontier Modell überall dort, wo proprietäre Industriedaten, kritische Infrastruktur oder Edge-Einsatz in Drohnen und Sensorik gefragt sind. Daneben geht es um die Frage, wie man gewachsene ERP-Systeme angreift, ohne die Bilanz zu sprengen. Modul für Modul von innen aushöhlen statt einer Komplettablösung lautet die Strategie. Welcher Stein im Jenga-Turm der Legacy IT sich noch ziehen lässt, bevor das System kippt, bleibt am Ende eine Frage fürs Management.
Zum Schluss geht es um das europäische Zeitfenster. Neue Vergabelogiken wie in Paris oder Estland geben auch kleinen Anbietern eine Chance. Talent-Hotspots wie Station F oder King's Cross ziehen Köpfe und Kapital an. Krtils These zum Schluss: Die eigentliche Gefahr liegt nicht in einer durch Open Source entstehenden Superintelligenz, sondern in der Machtkonzentration bei wenigen Anbietern mit milliardenschweren Staatsverträgen über Jahrzehnte.
Key Learnings
US-Regulatorik wird zur Waffe. 100 Prozent Digitalzölle als Antwort auf die europäischen Acts und ein erster regulatorischer Eingriff bei Frontier Modellen setzen tokenbasierte, hochsubventionierte Geschäftsmodelle an der Refinanzierung unter Druck.
Kleine Modelle schlagen große dort, wo es zählt. Gehärtete Branchenmodelle mit Quelle, Fehlercode und Diagnose liefern für proprietäre Industriedaten und Edge-Einsatz verlässlichere Antworten als ein Frontier Modell.
Wert entsteht durch Architektur, nicht durch Modellgröße. Orchestrierung, Guardrails und Härtung um das Modell herum entscheiden, ob ein System im B2B-Umfeld überhaupt einsatzfähig wird.
Legacy IT lässt sich nicht ersetzen, nur aushöhlen. Modul für Modul von innen aushöhlen erhält den bilanziellen Wert und vermeidet eine teure Komplettablösung.
Europa hat ein Zeitfenster, kein Zeitproblem. Neue Vergabelogiken in Paris oder Estland öffnen Beschaffung auch für kleine Anbieter. Talent-Hotspots wie Station F oder King's Cross ziehen zusätzlich Köpfe und Kapital an.
Die größere Gefahr ist Machtkonzentration, nicht Open Source. Wenige Anbieter mit milliardenschweren, jahrzehntelangen Staatsverträgen sind nach Krtils Einschätzung das eigentliche Risiko, nicht eine durch offene Modelle entstehende Superintelligenz.

Diese Folge widmet sich den Begriffen Resilienz und Souveränität und versucht, sie aus dem abstrakten Raum in den Alltag zu holen; von der Logistik im Hamburger Hafen bis zur KI auf dem Gefechtsfeld. Der Talk ordnet ein, warum Verteidigung, Dual Use und kritische Infrastruktur derzeit zusammen gedacht werden müssen, und bleibt dabei mechanikorientiert statt wertend. Eine inhaltliche Beobachtung: Stellenweise bleibt es bei der Bestandsaufnahme; konkrete Beispiele, Zahlen oder ein Praxisfall hätten manche Thesen (etwa zu Edge-KI oder Token Economics) greifbarer gemacht.
Die Haupt-Learnings
Resilienz und Souveränität sind Sammelbegriffe für viele konkrete Felder: Verteidigung, Dual Use, Wertschöpfungsketten, kritische Infrastruktur (Kritis), Logistik, Space und zunehmend auch Nachhaltigkeit („enkelfähig denken").
Es geht nicht um Unabhängigkeit, sondern um Handlungsfähigkeit. Entscheidend ist, einseitige Abhängigkeiten zu erkennen und zu managen – etwa durch mehrere Zulieferer, eigene Tech-Stacks und neue Sourcing-Strategien.
Krisen härten Technologie und beschleunigen Innovation. Unter realem Druck entstehen Drohnen, Sensorik und Edge/Federated AI, die robust erprobt und über Dual Use später auch zivil nutzbar sind.
Militär denkt „Bottom-up", Big Tech „Top-down". Statt immer größerer Modelle und tokenbasierter Dauernutzung zählen ressourceneffiziente On-Prem-Lösungen, „Smart Force"- statt „Brute Force"-KI und spezialisierte Hardware.
Ein starkes Ökosystem braucht drei Dinge: Mindset, Finanzierung und Talent. Eine klare Mission liefert das Mindset fast von selbst; europäische Fonds-Allianzen öffnen sich; Talente brauchen attraktive Perspektiven.
Die Haltung gegenüber Verteidigung hat sich gedreht – von Tabuthema zu legitimem, teils patriotisch motiviertem Investitionsfeld.
Innovation entsteht durch Technologiekonvergenz, an den Schnittstellen verschiedener Hardware-, Software- und Forschungsdisziplinen.
Hamburg hat als Standort starke Karten: Exzellenzforschung, hohe Interaktionsdichte und die Rolle als zentraler Kritis-Standort (Hafen, Logistik).
Fazit
Europäische Souveränität ist kein kurzfristiges Krisenthema, sondern eine Daueraufgabe – und zugleich eine Chance, im Innovationswettbewerb wieder aufzuschließen. The Forge am Deep Tech Campus setzt hier an: Die Initiative vernetzt Forschung, Investoren und Startups in Hamburg und überregional, um aus vorhandenem Potenzial Handlungsfähigkeit zu machen. Die zentrale Botschaft der Folge: Abwarten ist keine Option – es gilt, ins Machen zu kommen. Wer mitwirken möchte, findet The Forge auf deeptech.hamburg.

In dieser Folge geht es um einen Widerspruch, der den europäischen KI-Markt aktuell prägt: Während die großen Infrastrukturbetreiber in immer kürzeren Abständen massive Updates ausspielen, verharrt ein Großteil der hiesigen Wirtschaft in einer ausgeprägten Abwartehaltung. Unsicherheit, Angst vor Fehlentscheidungen und das parallele Einprasseln geopolitischer, technologischer und regulatorischer Themen führen dazu, dass viele Organisationen die fällige Transformation vor sich herschieben.
Ein zentraler Strang dreht sich um die Ökonomie der KI selbst. Die Amortisierungslogik der Hyperscale-Rechenzentren wirft Fragen auf, zumal sich Technologie und Preisstrukturen schneller wandeln als jede klassische Investitionsrechnung. Hinzu kommt eine neue Doppelrechnung: Wer früher 200 Personen brauchte, kommt heute mit 20 aus, zahlt diesen Vorteil aber zunehmend in Tokenkosten zurück. Token-Effizienz wird damit zur eigentlichen Schlüsselgröße, nicht der reine Tokenpreis. Modelle, die zuverlässig zum Ziel führen, sind ökonomisch oft sinnvoller als günstige Modelle, die sich verirren.
Parallel dazu hat sich die Governance-Diskussion in der Tiefe verändert. Compliance-Themen, Datensouveränität und die Frage, auf welche Anbieter man sich überhaupt verlassen will, prägen heute fast jedes ernsthafte Projekt. Dabei wird zunehmend deutlich, dass die europäische Perspektive zwischen US-amerikanischen und chinesischen Angeboten differenziert betrachtet werden muss, einschließlich der oft übersehenen Tatsache, dass auch Microsoft kein europäischer Anbieter ist.
Inhaltlich verschiebt sich das KI-Narrativ in zwei Richtungen. Zum einen verschwindet das Superintelligenz-Motiv aus der öffentlichen Debatte, KI wird stärker als Werkzeug zur Erweiterung eigener Fähigkeiten verstanden. Zum anderen folgt auf die B2C-Welle der ChatGPT-Jahre nun eine B2B-Phase, in der es um robuste, vertrauenswürdige Systeme, kritische Infrastruktur und die Integration in gewachsene Legacy-Landschaften geht. Genau hier liegen europäische Stärken: Patente, industrielle Datenbestände und Kompetenz in Bereichen jenseits klassischer Sprachmodelle, etwa in Embodied AI, Sensorik, Robotik und neurosymbolischen Ansätzen.
Das wichtigste Learning für Entscheider: Abwarten ist keine Strategie. Wer sich heute nicht ernsthaft mit agentischer KI, mit Make-or-Buy-Fragen, mit Souveränitätsentscheidungen und mit der Ablösung eigener Legacy-Systeme beschäftigt, verspielt seine Position im nächsten Zyklus. Die Folge plädiert für eine selbstbewusste Haltung, für Investitionsmut gegen den Trend und für eine Rückbesinnung auf das, was in Europa traditionell gut funktioniert: ingenieurgetriebene Neugier statt bewahrender Angst.
Ein Ausblick auf die nächste Folge rundet die Episode ab: Im Gespräch mit einem erfahrenen Gast geht es dort darum, wie Innovationsmanagement in Organisationen aussehen muss, die aus der Abwartehaltung herauskommen wollen.

Oliver Rößling und Alois Krtil diskutieren den Paradigmenwechsel von Copilot zu Agent: KI sitzt heute nicht mehr neben dem Piloten, sie fliegt selbst. Agentenflotten, die man nur noch orchestriert, werden zur neuen Normalität, was klassische Organisationsstrukturen fundamental herausfordert. Gleichzeitig erodiert die Grenze zwischen Prototyp und Produkt: Agentische Architekturen ermöglichen heute SLA-konforme, sicherheitsgeprüfte Softwareentwicklung, die früher erfahrene Teams voraussetzte.
Für Europa sehen beide reale Chancen, besonders durch Leapfrogging, Federated Learning und eine starke Forschungslandschaft. Regeln werden nicht als Innovationsbremse verstanden, sondern als historisch bewährte Skalierungsinfrastruktur.
Key Learnings
Der Shift von Copilot zu Agent vollzieht sich schneller als erwartet, Agentenflotten sind bereits Commodity
Vibe Coding ist Prototyping, Agenti Coding ist Produktion, der Unterschied ist nicht kosmetisch
Token-Limits treiben Open-Source-Adoption und Architekturdenken, nicht jede Aufgabe braucht das stärkste Modell
Leapfrogging macht Digitalisierungsrückstände paradoxerweise zum Vorteil
Europas regelbasierte Tradition und Forschungsstärke sind ein USP für dezentrale, vertrauenswürdige Systeme
AGI wird Infrastruktur, still und ohne großes Geschäftsmodell, ähnlich wie das Internet

In dieser Folge des DEEPTECH DEEPTALK ist Hermann D. Grünfeld, Head of Traffic Management bei der Hamburg Port Authority (HPA), eigentlich nur auf einen Kaffee vorbeigekommen. Was folgt, ist ein ungewöhnlich offenes Gespräch über den Einsatz von Quantensimulation im Hafenalltag, digitale Zwillinge ohne Visualisierung und die Frage, warum intelligente Steuerung mehr bringt als jede neue Fahrspur.
Hermanns Kernthese: Ein Hafen funktioniert nicht an der Kaikante, sondern an seiner Hinterlandverbindung. Täglich 16.000 LKW, 142 Kilometer Hafenstraße, 35 Ampeln. Wer hier mehr herausholen will, baut nicht aus. Er optimiert. In Zusammenarbeit mit Fujitsu und der TU Graz setzt die HPA auf Quantum Annealing, eine Quantensimulation und damit eine wichtige Vorstufe zum echten Quantencomputing. Die Technologie berechnet bei sechs koordinierten Kreuzungen Milliarden von Schaltmöglichkeiten und gewinnt daraus 10 bis 15 Prozent mehr Durchsatz. Der Effekt einer neuen Fahrspur, ohne einen Quadratmeter Fläche anzufassen.
Alois Krtil weitet den Blick auf die nächste Technologieklasse: Large Quantitative Models, physikalisch verankerte KI-Systeme, die nicht in Sprache, sondern in Physik denken. Für reale Infrastruktur im Wert von hunderten Millionen Euro ist das keine Zukunftsvision, sondern der logische nächste Schritt. Und Hamburg, mit seiner gewachsenen Komplexität und seinen echten Constraints, ist dafür das beste Reallabor Europas.
Kapazität ist kein Bauprojekt, sondern ein Steuerungsproblem. ca. 10 bis 15 Prozent mehr Durchsatz durch intelligente Ampelsteuerung entsprechen dem Effekt einer neuen Fahrspur, ohne einen Quadratmeter anzufassen.
Quantum Annealing ist heute produktiv, nicht morgen. Wichtig zu verstehen: Es handelt sich nicht um echtes Quantencomputing, sondern um eine Quantensimulation, eine leistungsstarke Vorstufe. Sie läuft im Hamburger Hafen, vollautomatisch, mit messbaren Ergebnissen bei einem Optimierungsproblem, das klassische Rechner schlicht überfordert.
Visualisierung war ein Missverständnis. Ein digitaler Zwilling muss nicht schön sein. Er muss funktionieren. Steuerung schlägt Darstellung.
Daten bleiben der eigentliche Engpass. Nicht Rechenpower, nicht Algorithmen. Qualität, Verfügbarkeit und Latenz der Eingangsdaten entscheiden alles.
Physikalische KI schlägt Sprachmodelle dort, wo es wirklich zählt. Large Quantitative Models halluzinieren nicht. Sie rechnen. Für reale Infrastruktur ist das der entscheidende Unterschied.
Hamburg ist das bessere Reallabor. Gewachsene Strukturen mit echten Constraints sind kein Nachteil, sondern der härteste und wertvollste Testfall für KI in komplexen Systemen.