In diesem Fragebogen stellen wir den Teilnehmern der Vox-Show „Die Höhle der Löwen“ Fragen zu ihren Produkten und Erfahrungen in der Sendung. Diesmal: Bei den Erfindern der Nasenspreizer von Venticross. 

Besser schlafen, freier atmen: Für Menschen mit eingeschränkter Nasenatmung ist das keine Selbstverständlichkeit. Das führt häufig dazu, dass Betroffene durch den Mund atmen, schnarchen oder schlechter schlafen. Die Gründer Ignasi Selga, Carolin Abraham und Heidi Depner haben ein Produkt entwickelt, um dieses Problem zu lösen.

Der Nasenspreizer von Venticross bekämpft eingeschränkte Nasenatmung und Schnarchen mit einem diskreten Nasendilatator aus medizinischem Silikon. Das kleine Hilfsmittel weitet die Nasenflügel von innen, um den Luftstrom ohne Medikamente zu maximieren. Mit ihrer Idee konnten die Erfinder Investor Ralf Dümmel in „Die Höhle der Löwen“ überzeugen. Wir haben sie zu ihren Erfahrungen in der Show befragt.

Venticross Nasenspreizer | Diskreter Nasendilatator aus medizinischem Silikon |...*

Bei Amazon kaufen Preis inkl. MwSt., zzgl. Versandkosten

Dieser Beitrag enthält Affiliate-Links, für die wir eine kleine Provision erhalten. Dies hat jedoch keinen Einfluss auf die inhaltliche Gestaltung unserer Beiträge.

Venticross: Die Nasenspreizer aus „Die Höhle der Löwen“

BASIC thinking: Hallo, ihr seid in Staffel 19 von „Die Höhle der Löwen“ dabei. Wie fühlt sich das an?

Für uns geht damit ein echtes Herzensprojekt auf die große Bühne. Wir schauen die VOX-Gründer-Show „Die Höhle der Löwen” seit der ersten Staffel und haben keine Folge verpasst. Dass wir jetzt selbst dabei sind, fühlt sich fast ein bisschen surreal an.

Gleichzeitig sind wir unglaublich stolz, weil es zeigt, dass sich die jahrelange Arbeit an Venticross gelohnt hat. Wir haben als Gründertrio viel reingesteckt: Zeit, Energie, eigene Ersparnisse. Jetzt dürfen wir unser Produkt Millionen von Zuschauern vorstellen. Das ist ein riesiges Privileg.

Was macht Venticross so besonders?

Venticross ist ein Nasendilatator – also ein Nasenspreizer –, der die Nasenöffnungen sanft erweitert und so die Nasenatmung spürbar verbessert. Das Besondere: Er ist nahezu unsichtbar.

Während andere Nasenspreizer einen auffälligen Verbindungssteg zwischen den Nasenlöchern haben, der sofort ins Auge fällt, besteht Venticross aus zwei separaten, ergonomisch geformten Silikoneinsätzen ohne Steg.

Man kann ihn tagsüber im Büro, beim Sport oder unterwegs tragen – und nachts genauso. Er kommt in drei Größen (S, M und L), auch als Multi-Size-Set, damit man die passende Größe auf jeden Fall dabei ist.

Venticross kann zu besserem Schlaf führen, Schnarchgeräusche reduzieren und die Konzentration im Alltag steigern, ohne dass es jemand sieht.

Wie seid ihr auf diese Idee und das Konzept gekommen?

Die Idee kam aus persönlicher Betroffenheit: Ignasi nutzt seit über 15 Jahren Nasenspreizer, vor allem in der Pollensaison. Während der Corona-Pandemie hat er im Homeoffice erstmals auch tagsüber Nasenspreizer getragen – schließlich konnte ihn ja niemand sehen.

Dabei fiel ihm auf, wie stark eine bessere Sauerstoffzufuhr Konzentration und Leistungsfähigkeit beeinflusst. Gleichzeitig war kein Produkt am Markt, das unauffällig genug für den Alltag war.

Also hat er sich die Anatomiebücher seiner Frau Carolin geschnappt – sie ist promovierte Fachärztin – und angefangen zu tüfteln. Nach etwa drei Monaten Entwicklungszeit war der erste nahezu unsichtbare Nasenspreizer fertig.

Venticross Nasenspreizer | Diskreter Nasendilatator aus medizinischem Silikon |...*

Bei Amazon kaufen Preis inkl. MwSt., zzgl. Versandkosten

Atmungshilfe aus die „Höhle der Löwen“

Und wie seid ihr bei DHDL gelandet?

Uns war klar, dass wir für den nächsten Wachstumsschritt Unterstützung im Vertrieb brauchen. Als Gründerteam haben wir viel technische und medizinische Expertise, aber im klassischen Vertrieb und in der Skalierung fehlte uns die Erfahrung.

Da wir ohnehin treue Fans der Sendung sind, lag die Bewerbung nahe. Wir wollten einen Partner finden, der unser Produkt in den stationären Handel bringt und uns beim Markenaufbau hilft.

Was ging kurz vor eurem Pitch in euch vor?

Eine Mischung aus Aufregung, Vorfreude und Konzentration. Wir hatten wirklich intensiv geübt – als Team, jeder einzeln, unzählige Male. Carolin konnte am Ende jeden Teil des Pitches auswendig. Dazu hatten wir einen Fragenkatalog mit rund 100 möglichen Fragen vorbereitet.

Trotzdem: Wenn man dann tatsächlich vor den Löwen steht, ist das eine ganz andere Intensität. Wir sind mit dem Grundgefühl reingegangen: Wir glauben an unser Produkt, wir sind vorbereitet, jetzt geben wir alles.

Wie liefen die Verhandlungen nach der Show?

Direkt nach dem Pitch hatten wir noch vor Ort ein erstes Treffen mit Ralf Dümmel. Anschließend ging es in die Due Diligence, bei der wir die üblichen Unterlagen mit seinem Team geteilt haben.

Dann folgte ein persönliches Meeting in Hamburg bei DS Produkte, wo wir alle wichtigen Schnittstellen wie Legal, Marketing und Produktion kennengelernt haben.

Ralf hat sich an dem Tag sehr viel Zeit für uns genommen. Danach waren wir in regelmäßigem Austausch über Teams-Calls und wir fühlen uns in der gesamten Partnerschaft sehr gut aufgehoben. Der Deal ist so zustande gekommen wie in der Sendung: 50.000 Euro für 15 Prozent unserer Unternehmensanteile.

Venticross Nasenspreizer | Diskreter Nasendilatator aus medizinischem Silikon |...*

Bei Amazon kaufen Preis inkl. MwSt., zzgl. Versandkosten

Nasenspreizer aus „Höhle der Löwen“: So geht es mit Venticross weiter

Was ist seit dem Dreh und der Teilnahme mit euch und eurem Produkt passiert?

In den Monaten nach dem Dreh haben wir sehr viel gearbeitet. Wir haben eine aufwändige Medizinzulassung durchlaufen, die Kritikpunkte der Löwen aufgenommen und die Produktqualität weiter optimiert.

Außerdem haben wir das Packaging komplett überarbeitet – es war ursprünglich rein auf den Onlinehandel ausgelegt und musste für den stationären Handel angepasst werden. Und natürlich haben wir dafür gesorgt, hoffentlich genug Ware auf Lager zu haben.

Wie geht es jetzt weiter?

Unser Ziel ist klar: Venticross soll der Nasendilatator Nummer eins auf dem Markt werden – als klare Empfehlung für Menschen mit Problemen bei der Nasenatmung oder Schnarchen.

In den nächsten fünf Jahren wollen wir in Europa expandieren. Darüber hinaus denken wir über weitere Produkte rund um die Themen Schlaf und Longevity nach.

Mit Ralf Dümmel als starken Löwen und seinem Team an unserer Seite sind wir sehr zuversichtlich, dass wir einen tollen gemeinsamen Start hinlegen.

Wenn ihr zurückblickt: Wie bewertet ihr eure Erfahrungen bei DHDL?

Es war eine der intensivsten und schönsten Erfahrungen, die wir als Team gemacht haben. Die Zeit verging wie im Flug, weil alles so aufregend und voller Energie war.

Klar, im Nachhinein denkt man bei einzelnen Antworten: Das hätte man noch besser formulieren können. Aber unterm Strich sind wir sehr zufrieden. Wir waren präsent, konnten unseren Pitch gut rüber bringen und hatten auf jede Frage eine Antwort.

Sogar als währenddessen das Bühnenbild umgefallen ist, sind wir ruhig geblieben. Am Ende wollten gleich zwei Löwen einen Deal mit uns – und dass unser Wunschlöwe Ralf Dümmel dabei war, hat das Ganze perfekt gemacht.

Mindestens genauso wertvoll war aber zu erleben, wie wir auch nach dem Deal als Team mit all den neuen Aufgaben und Herausforderungen funktioniert haben.

Das hat gezeigt, wie gut wir uns gegenseitig ergänzen und uns stärken. Unsere klare Empfehlung an zukünftige Teilnehmer: Seid vorbereitet, glaubt an euch und habt Spaß dabei. 

Gewinnspiel: Sicher dir die Nasenspreizer von Venticross aus „Höhle der Löwen“

Als Medienpartner verlosen wir die Nasenspreizer von Venticross aus „Die Höhle der Löwen“ unter allen Newsletter-Abonnenten von BASIC thinking. Du musst nur bis zum Stichtag am 26. April 2026 (18:00 Uhr) unseren Newsletter abonniert haben und uns bis dahin einen Kommentar unter diesem Artikel hinterlassen, warum du die Atmungshilfe Venticross haben möchtest.

Venticross Nasenspreizer | Diskreter Nasendilatator aus medizinischem Silikon |...*

Bei Amazon kaufen Preis inkl. MwSt., zzgl. Versandkosten

Den Gewinner ziehen wir am 26. April 2026 und benachrichtigen ihn anschließend umgehend per E-Mail. Wir wünschen viel Glück!

Einsendeschluss ist Montag, der 26. April 2026, 18 Uhr. Die Teilnahme erfolgt unter Ausschluss des Rechtsweges. Jeder Teilnehmer kann nur einmal mitmachen. Es werden ausschließlich korrekt ausgefüllte Kommentare in das Auswahlverfahren aufgenommen. Der Gewinner wird per E-Mail informiert. Der Gewinnanspruch verfällt, wenn der Gewinner nicht ermittelbar ist oder sich nicht nach Bekanntgabe des Gewinns beim Veranstalter des Gewinnspiels (BASIC thinking GmbH) meldet. Der Beitrag enthält Affiliate-Links.

Auch interessant: 

• Die Höhle der Löwen 2026: Was du zu Staffel 19 wissen musst
• Strumpfhosen-Spray aus „Höhle der Löwen“: 9 Fragen an Nylam
• Rettungswerkzeug fürs Auto aus „Höhle der Löwen“: 9 Fragen an Easy Exit Card
• Faszienrolle mit Halterung aus „Höhle der Löwen“ – MaxFitness im Check
  

Der Beitrag Nasenspreizer aus „Höhle der Löwen“: 9 Fragen an Venticross (+Gewinnspiel) erschien zuerst auf BASIC thinking. Folge uns auch auf Google News und Flipboard oder abonniere unseren Newsletter UPDATE.

Ein Forscherteam der Tufts University hat eine neuro-symbolische KI entwickelt die den Energiebedarf beim Training um bis zu 99 Prozent reduzieren kann. Statt 36 Stunden benötigte sie im Rahmen eines Tests nur 34 Minuten. 

Der Hunger nach Energie wächst durch künstliche Intelligenz rasant an. Allein in den USA verbrauchten KI-Systeme und Rechenzentren im Jahr 2024 etwa 415 Terawattstunden Strom. Das ist mehr als der gesamte Stromverbrauch Großbritanniens. Datenzentren und KI-Systeme beanspruchen damit einen Anteil von mehr als zehn Prozent der gesamten nationalen Energieerzeugung.

Laut Prognosen der Internationalen Energieagentur wird sich dieser Wert bis zum Jahr 2030 voraussichtlich verdoppeln. Deshalb suchen Forscher nach Wegen, wie Systeme leistungsfähiger werden, ohne die Stromkosten explodieren zu lassen. Ein neuer technischer Ansatz der Tufts University verspricht hier eine deutliche Abhilfe.

Was macht neuro-symbolische KI anders als ChatGPT?

Hinter der Entwicklung steht die Arbeit von Matthias Scheutz und seinem Team an der Tufts University School of Engineering. Die Wissenschaftler nutzen die sogenannte neuro-symbolische KI. Hierbei verbinden sie klassische neuronale Netze mit festen logischen Regeln, ähnlich wie Menschen Probleme in Schritten und Kategorien lösen.

Die Forschung konzentriert sich vor allem auf Roboter, die direkt mit Menschen interagieren. Die Forscher nutzen sogenannte Visual-Language-Action-Modelle (VLA), welche herkömmliche Sprachmodelle wie ChatGPT oder Gemini um Sicht und Bewegung erweitern. Durch die Anwendung allgemeiner Regeln verstehen diese Systeme Konzepte wie die Form oder den Schwerpunkt eines Objekts wesentlich besser.

So schlägt der neue Ansatz klassische KI

Matthias Scheutz, Professor für angewandte Technologie, dazu: „Ähnlich wie ein LLM stützen sich VLA-Modelle auf statistische Ergebnisse aus großen Trainingsdatensätzen mit ähnlichen Szenarien, was jedoch zu Fehlern führen kann. Ein neurosymbolisches VLA kann Regeln anwenden, die den Umfang des Ausprobierens während des Lernprozesses begrenzen und so viel schneller zu einer Lösung gelangen. Es erledigt die Aufgabe nicht nur wesentlich schneller, sondern auch der Zeitaufwand für das Training des Systems wird erheblich reduziert.“

In Experimenten mit dem Turm-von-Hanoi-Puzzle erreichte das System von Scheutz eine Erfolgsquote von 95 Prozent. Herkömmliche Modelle kamen bei derselben Aufgabe lediglich auf 34 Prozent. Sogar bei völlig unbekannten Aufgaben glänzte die neue Technik mit 78 Prozent Erfolg, während herkömmliche KI-Systeme jeden Versuch abbrachen.

Der hybride Ansatz verbessert die Planung spürbar und macht sie insgesamt zuverlässiger. Zudem reduziert die neuro-symbolische Methode das notwendige Ausprobieren während der Lernphase erheblich. Die Experimente lieferten messbare Erfolge beim zeitlichen Aufwand für das notwendige Lernen.

Während Standardmodelle über anderthalb Tage für das Training brauchten, war das neue System nach nur 34 Minuten bereit. Die benötigte Zeit für den Lernprozess sinkt somit ganz erheblich. Eine deutliche Effizienzsteigerung betrifft dabei sowohl die Rechenzeit als auch den direkten Stromverbrauch.

Ein Prozent Energie: Die Einsparungen im Detail

Ebenso deutlich fiel die Ersparnis beim tatsächlichen Stromverbrauch der Technologie aus. Das Training beanspruchte nur ein Prozent der Energie konventioneller Modelle. Im laufenden Betrieb verbrauchte die Technik von Matthias Scheutz lediglich fünf Prozent der Energie.

Aktuelle KI-Zusammenfassungen in Suchmaschinen verbrauchen oft 100-mal mehr Energie als einfache Trefferlisten. Genau hier setzt die Lösung aus Tufts an, um solche rechenintensiven Aufgaben durch Regelbasierung nachhaltig zu gestalten. Für viele alltägliche Aufgaben steht der bisherige massive Energieeinsatz in keinem Verhältnis zum Nutzen.

Heutige Modelle bieten laut den Forschern kein langfristig tragfähiges Fundament für die Zukunft. Timothy Duggan, Pierrick Lorang, Hong Lu und Matthias Scheutz veröffentlichten ihre Ergebnisse im Februar 2026 auf arXiv. Ihr Konzept dient als notwendige Alternative zu bisherigen ressourcenintensiven Modellen.

Warum Rechenzentren jetzt neu kalkulieren müssen

Ein nachhaltiger Betrieb großer Rechenzentren rückt mit solchen Innovationen wieder in greifbare Nähe. Die neuro-symbolische Methode bietet eine effiziente Grundlage für künftige Entwicklungen. Die Ergebnisse zwingen Unternehmen dazu, den Energiebedarf künftiger Datenzentren völlig neu zu kalkulieren.

Das Forschungspapier ist bislang zwar noch nicht durch das sogenannte Peer-Review-Verfahren gelaufen – sprich: Es wurde noch nicht von unabhängigen Wissenschaftlern überprüft. Die Ergebnisse erscheinen zwar beeindruckend, aber es ist wichtig, sie einzuordnen.

Die Tests liefen bisher etwa mit einem vergleichsweise einfachen Puzzle, nicht mit großen Sprachmodellen wie ChatGPT oder Google Gemini. Ob sich die Einsparungen von 99 Prozent auch auf Modelle mit Milliarden Parametern übertragen lassen, muss sich erst zeigen. Trotzdem liefert der Ansatz einen vielversprechenden Denkanstoß – gerade weil er zeigt, dass nicht jedes KI-Problem mit roher Rechenpower gelöst werden muss.

Auch interessant:

• Langdock: Deutsche Alternative zu ChatGPT und Co.?
• OpenAI vs. Anthropic: ChatGPT und Claude im direkten Vergleich
• So überträgst du deine Daten von ChatGPT zu Claude
• Das LLM-Gedächtnisproblem: Warum KI oft den Faden verliert

Der Beitrag Neuro-symbolische KI senkt Energiebedarf beim Training um bis zu 99 Prozent erschien zuerst auf BASIC thinking. Folge uns auch auf Google News und Flipboard oder abonniere unseren Newsletter UPDATE.

ChatGPT, Gemini und Claude sagen dir fast immer, was du hören willst. Eine neue Stanford-Studie belegt, dass Sprachmodelle Nutzer im Schnitt 49 Prozent häufiger bestätigen als Menschen. Die Forscher warnen, dass diese systematische Zustimmung uns egoistischer macht und unsere Fähigkeit für schwierige Gespräche untergräbt.

Eine neue Stanford-Studie hat das Phänomen der sogenannten KI-Sykophantie untersucht. Die Arbeit erschien in der Fachzeitschrift Science und analysierte elf verschiedene Sprachmodelle. Darunter: ChatGPT, Gemini, Claude und DeepSeek. Die Ergebnisse zeigen, dass die Systeme dazu neigen, die Meinungen von Nutzern zu bestätigen.

Professor Dan Jurafsky sieht in dieser programmierten Bestätigung ernsthafte Risiken für die menschliche Psyche. Die Interaktion mit solchen Modellen macht Menschen laut seiner Einschätzung moralisch dogmatischer und selbstzentrierter. Diese Entwicklung verstärkt die Überzeugung, im Recht zu sein, und mindert gleichzeitig die Empathie für andere Standpunkte.

Wie oft gibt dir die KI recht?

In den Tests validierten die Modelle das Verhalten der Anwender im Durchschnitt 49 Prozent häufiger als menschliche Vergleichsgruppen. Selbst bei der Abfrage von schädlichen oder illegalen Handlungen bestätigten die KIs die Eingaben in 47 Prozent der Fälle. Ein Beispiel zeigt eine KI, die das Verschweigen von Arbeitslosigkeit über zwei Jahre als Versuch deutet, die Beziehungsdynamik jenseits von materiellen Beiträgen zu verstehen.

Die Informatiker nutzten für die Untersuchung zudem 2.000 Datensätze aus der Reddit-Community „Am I the Asshole“. Obwohl die Community die Verfasser als Verursacher identifizierte, stimmten die Chatbots ihnen in 51 Prozent der Fälle zu. Die Systeme verwenden dabei oft eine akademisch wirkende Sprache, um ihre Zustimmung zu verpacken.

Warum Unternehmen kein Interesse an ehrlicher KI haben

Die über 2.400 Teilnehmenden der Studie bevorzugten die sykophantischen Antworten und hielten diese für vertrauenswürdig. Anwender erkannten die Manipulation nicht und hielten beide KI-Typen für gleich objektiv. Die Modelle verstecken ihre Zustimmung dabei hinter einer neutralen und fachsprachlichen Formulierung.

Die Studie warnt vor „perversen Anreizen“, da die schädliche Bestätigung gleichzeitig das Nutzer-Engagement steigert. Da die Bestätigung die Bindung an das System erhöht, haben Unternehmen wenig Interesse daran, die Sykophantie zu drosseln. Firmen verspüren daher eher die Motivation, dieses Verhalten zu verstärken, anstatt es zum Schutz der Nutzer zu reduzieren.

Anwender senken diese Tendenz zur Bestätigung durch eine gezielte Anweisung im Chat. Die sprachliche Einleitung „Warte mal kurz“ am Anfang eines Prompts verbessert die Objektivität der Antworten nachweislich. Diese simple Anweisung versetzt das Modell in einen kritischeren Zustand und liefert somit neutralere Ergebnisse.

So schützt du dich vor einer Ja-Sager-KI

Die Studienleiterin Myra Cheng äußert die Sorge, dass eine ständige Nutzung dieser Systeme die sozialen Fähigkeiten schwächen könnte. Sie schätzt ein, dass Menschen durch die Vermeidung von Reibung wichtige Kompetenzen im Umgang mit realen Konflikten verlieren. Laut Myra Cheng ist Reibung für gesunde Beziehungen essenziell.

Cheng empfiehlt daher für den Moment, künstliche Intelligenz nicht als Ersatz für Menschen in persönlichen Angelegenheiten zu nutzen. Diese Empfehlung basiert auf der Annahme, dass das Ausweichen vor schwierigen Gesprächen die persönliche Entwicklung hemmt. Echte Gespräche bleiben laut Cheng unverzichtbar für die persönliche Entwicklung.

Auch interessant:

• Langdock: Deutsche Alternative zu ChatGPT und Co.?
• OpenAI vs. Anthropic: ChatGPT und Claude im direkten Vergleich
• So überträgst du deine Daten von ChatGPT zu Claude
• Das LLM-Gedächtnisproblem: Warum KI oft den Faden verliert

Der Beitrag Macht uns ChatGPT zu Egoisten? Stanford-Studie liefert Belege erschien zuerst auf BASIC thinking. Folge uns auch auf Google News und Flipboard oder abonniere unseren Newsletter UPDATE.

Künstliche Intelligenz ist das Thema der Stunde und scheint sich in fast alle unsere Lebensbereiche einzuschleichen. Trotzdem ist KI für viele Menschen noch immer „Neuland“, über das sie bis auf ein paar Basics relativ wenig wissen. Aus diesem Grund haben wir in zehn der hartnäckigsten KI-Mythen unter die Lupe genommen.

Bei künstlicher Intelligenz handelt es sich um keine neue Erfindung. Die Wurzeln der Technologie reichen zurück bis ins Jahr 1956, als Forscher erstmals die Vision von Maschinen skizzierten, die menschliches Lernen nachahmen können.

70 Jahre später nutzen unzählige Unternehmen KI für die Automatisierung einfacher und komplexer Prozesse. Trotzdem ranken sich in der Bevölkerung viele Halbwahrheiten und Mythen um das Thema, mit denen wir an dieser Stelle (teilweise) aufräumen wollen.

KI-Mythen offenbaren Komplexität der Technologie

Die westliche Gesellschaft tendiert momentan dazu, schwarz-weiß zu denken. Das zeigt sich auch beim Thema KI. Die einen halten die Technologie für den Teufel und verurteilen jegliche Nutzung, während die anderen denken, jedes Problem mit künstlicher Intelligenz lösen zu können. Die Wahrheit liegt wie so oft irgendwo in der Mitte.

Nicht jeder junge Mensch braucht eine Ausbildung im Bereich KI, und nicht jedes Unternehmen benötigt eine designierte Strategie, um alle Arbeitsbereiche umzustellen. Stattdessen sollte die neue Technik – wenn überhaupt – besonnen und gezielt eingesetzt werden. Das Gleiche gilt für Privatpersonen, die KI nicht als Ersatz für den Hausarzt oder selbstständiges Denken nutzen sollten.

Die schiere Masse an verfügbaren Daten und potente Rechenleistungen haben künstlicher Intelligenz den Durchbruch ermöglicht. Und die Technologie ist hier, um zu bleiben. Jeder Mensch sollte sich früher oder später mit den Fähigkeiten und Limitierungen auseinandersetzen. Deshalb werfen wir im Folgenden einen Blick auf zehn der hartnäckigsten KI-Mythen.

Mythos 1: Gibt es überhaupt „die“ KI?

Es gibt nicht „die“ KI, auch wenn der Begriff von Laien oft pauschal für alle möglichen Dinge verwendet wird. In Wahrheit verbergen sich hinter der Terminologie völlig unterschiedliche Methoden des maschinellen Lernens, die sich in Aspekten wie Datenquellen, Einsatzgebieten und Risiken grundlegend unterscheiden. Sprachmodelle basieren zum Beispiel auf Textvorhersagen, während Systeme für die Analyse von Bildern völlig andere Algorithmen nutzen.

Der Beitrag Die hartnäckigsten KI-Mythen – und was an ihnen dran ist erschien zuerst auf BASIC thinking. Folge uns auch auf Google News und Flipboard oder abonniere unseren Newsletter UPDATE.

Eine neue Idee von General Motors könnte das Laden von Elektroautos grundlegend verändern: Statt einzelner Säulen verteilt ein System die Leistung auf mehrere Fahrzeuge gleichzeitig. Das verspricht weniger Wartezeit und effizientere Nutzung bestehender Infrastruktur.

Automobilhersteller General Motors hat ein Patent für eine neuartige Ladeinfrastruktur erarbeitet. Es wurde bereits 2024 eingereicht und im Februar 2026 veröffentlicht. Der Ansatz verteilt Strom wie eine Mehrfachsteckdose und soll die Kapazität bestehender Ladeparks erhöhen.

Das Hauptziel ist es, überlastete Standorte durch eine effiziente Energieverteilung zu entzerren. Da Ladeparks trotz wachsender Infrastruktur oft an ihre Grenzen stoßen, könnte der Entwurf einen technischen Lösungsansatz bieten. Bei dem Konzept verteilt ein zentraler Gleichstrom-Schnelllader (DC) die verfügbare Leistung auf mehrere Module.

Diese Low-Power Access Points (LPAP) dienen als zusätzliche Anschlüsse für die Elektroautos. Durch den modularen Aufbau laden mehrere Fahrzeuge zeitgleich an einer einzigen Basisstation. Das System setzt gezielt auf die Technologie der DC-Schnelllader und könnte Engpässe an Autobahnen beseitigen.

Mehrfachsteckdose für Ladesäulen: So funktioniert das neue Ladesystem von General Motors

Die Vernetzung zwischen dem Hauptlader und den Modulen basiert auf einer speziellen Reihenschaltung. Techniker bezeichnen die Methode als Daisy Chain. An jedem dieser zusätzlichen Module dockt ein Elektroauto an, wodurch die Hardware eine optimale Auslastung erreicht. Anstatt eines isolierten Ladepunkts entsteht ein Netzwerk aus mehreren Zugriffspunkten.

Die Besonderheit bildet die Kommunikation zwischen den Modulen und den angeschlossenen Fahrzeugen. Das System analysiert kontinuierlich:

• Ladezustand der Fahrzeuge
• Batteriespannung und Anforderungen
• aktuelle Auslastung aller angeschlossenen Autos

Auf Basis dieser Daten entscheidet das System in Echtzeit über die Zuteilung der Ladeleistung. Die Energie soll genau dorthin fließen, wo der Bedarf am höchsten ist.

Intelligente Energieverteilung statt fixer Ladeleistung

Die Module analysieren die Bedürfnisse aller verbundenen Fahrzeuge und passen die Stromabgabe dynamisch an. Das System berücksichtigt dabei unterschiedliche Batterietechnologien und Spannungsniveaus der Fahrzeuge.

Es steuert die Energieflüsse, um Überlastungen zu verhindern und die Ladezeit zu optimieren. Dieser intelligente Prozess verwandelt eine einfache Säule in einen vernetzten Knotenpunkt.

In der Praxis bedeutet das, dass die verfügbare Gesamtleistung nicht mehr starr an einen einzelnen Nutzer gebunden bleibt. Ein einzelnes Fahrzeug blockiert den Schnelllader somit nicht mehr exklusiv, da die Steuerung eine ganze Gruppe parallel bedient.

Damit will GM potenziell mehr Ladevorgänge in der gleichen Zeit als mit herkömmlichen Systemen abwickeln. Das System arbeitet Fahrzeuge im Team ab, statt sie nacheinander in eine Warteschlange zu schicken.

Mehr Effizienz in überlasteten Ladeparks

Für Nutzer verspricht diese Technologie eine spürbare Verbesserung des Komforts auf Reisen. Mehrere Fahrzeuge könnten sich sofort anschließen, sobald sie am Standort eintreffen, ohne auf einen freien Punkt zu warten. Das Ausharren in einer Warteschlange würde durch die höhere Anzahl an physischen Anschlüssen entfallen. Die Zeit am Ladepark ließe sich so wesentlich effizienter nutzen.

Die Priorisierungsfunktion würde besonders Fahrern mit einem sehr niedrigen Akkustand helfen. Außerdem könnte das System ein fast leeres Fahrzeug bevorzugen, damit dieses schnell eine Basisreichweite für die Weiterfahrt erhält. Währenddessen würden andere Autos mit höherem Füllstand parallel mit einer reduzierten Leistung weiter aufladen. Am Ende zählt für Autofahrer die tatsächliche Zeitersparnis und nicht nur die maximale Ladeleistung auf dem Papier.

Das sagen Elektroauto-Fahrer

Eine aktuelle Umfrage unter 2.341 Teilnehmern zeigt, wie vielfältig die Ladegewohnheiten der E-Auto-Besitzer sind. Während ein Teil der Befragten noch auf die Haushaltssteckdose setzt, nutzen viele bereits eine eigene Wallbox. Öffentliche Ladesäulen spielen ebenfalls eine zentrale Rolle im Alltag der Fahrer. Interessanterweise gaben einige Teilnehmer an, noch kein Elektroauto zu besitzen.

Das Prinzip der Leistungsverteilung existiert in der Branche bereits für das Laden mit Wechselstrom (AC). Ein Beispiel liefert das Münchner Unternehmen ChargeX, das die Energie eines Anschlusses modular verteilt. Diese Lösungen zielen primär auf Standorte wie Firmenparkplätze oder Wohnanlagen mit geringeren Leistungen ab. Dort steht das Laden über längere Zeiträume mit elf oder 22 Kilowatt im Fokus.

Wird das neue Ladekonzept von GM Realität?

Das Patent von General Motors konzentriert sich hingegen auf das Schnellladen mit deutlich höheren Leistungen. Laut der Patentschrift setzt das System dort an, wo heute die meisten Engpässe entstehen: an Schnellladeparks entlang der Autobahnen.

Hier ist eine hohe Energieabgabe in kurzer Zeit entscheidend, um den Verkehrsfluss stabil zu halten. Eine Verteilung der DC-Leistung stellt somit eine konsequente Weiterentwicklung für den Fernverkehr dar. Bisher liegt diese Entwicklung ausschließlich als theoretische Darstellung in einer Patentschrift vor. Ob und wann ein solches System die Marktreife für eine Serienproduktion erreicht, bleibt derzeit völlig offen.

Die tatsächlichen Vorteile für die künftige Mobilität hängen zwingend davon ab, ob General Motors das System jemals in die Realität umsetzt. Der Trend entwickelt sich jedoch weg von der Suche nach der stärksten Einzelsäule hin zur intelligenten Verteilung der vorhandenen Leistung.

Auch interessant:

• Einfach erklärt: Wie funktioniert eigentlich ein Windrad?
• E20: Was du über den neuen Bio-Sprit wissen musst
• Pseudo-Lärm und Infraschall: Keine Belege für Windrad-Mythen
• Batterie-Technologien im Vergleich: Lithium, Natrium, Festkörper und Redox Flow

Der Beitrag Ladesäulen als Mehrfachsteckdose: General Motors Patent für neue Ladeparks erschien zuerst auf BASIC thinking. Folge uns auch auf Google News und Flipboard oder abonniere unseren Newsletter UPDATE.

ChatGPT antwortet teilweise so überzeugend, dass viele Nutzer es unbewusst wie einen menschlichen Experten behandeln – mit Meinung, Haltung und Weltwissen. Genau das führt zu Denkfehlern, die die Qualität der Ergebnisse massiv verschlechtern.

Du hast das sicherlich schon selbst erlebt: Du fragst ein LLM (Large Language Model) wie ChatGPT etwas und bekommst eine überzeugend formulierte Antwort. Dann fragst du nach dem Gegenteil und wieder ist die Antwort überzeugend. Sind LLMs also widersprüchlich, unzuverlässig und beliebig? Gibt es ein anderes Problem, das nicht in dem LLM liegt?

LLMs erscheinen wie jemand, der eine Meinung hat, vielleicht sogar eine Überzeugung. Ein LLM ist aber kein menschlicher Kollege oder Experte, insbesondere nicht mit Charakter. Es ist ein System, das Antworten erzeugt und menschliche Kommunikation imitiert.

Deshalb jedoch schreiben wir diesen nicht-menschlichen Systemen menschliche Eigenschaften zu. In der Folge führt das dazu, dass wir bei der Nutzung von LLMs Denkfehler begehen, die sich gravierend auf die Ergebnisse auswirken.

KI ist kein Mensch, also hör auf sie so zu behandeln

Es ist naheliegend, ChatGPT und andere LLMs wie ein menschliches Gegenüber zu behandeln, denn so sind sie konstruiert: Die Kommunikation ist dialogisch und die Antworten wirken ruhig, höflich, strukturiert und klingen extrem selbstbewusst, als ob es keinen Zweifel an den gemachten Antworten gibt. LLMs klingen nicht wie Maschinen, sondern wie „jemand, der Bescheid weiß“. Aber genau dies führt zu fehlerhaften Schlussfolgerungen.

Wenn ein Mensch überzeugend spricht, unterstellen wir ihm meist eine gewisse innere Haltung. Bei einem Sprachmodell führt das zu einer fehlerhaften Nutzung. Denn es hat keine Überzeugungen, die es verteidigt. Es hat auch kein Weltbild, an dem es hängt.

Der erste Denkfehler, den es bei LLMs zu vermeiden gilt, ist deshalb erstaunlich simpel: Hör auf, in der Antwort eines LLM eine Meinung zu suchen. Frag stattdessen, welche Perspektive das Sprachmodell dir gerade erzeugt.

KI hat keine Meinung – und das ist auch gut so

Viele Nutzer machen in der Folge aus KI unbewusst so etwas wie ein digitales Gegenüber mit Charakter. Sie äußern dann Sätze wie: „Die KI findet das gut“, „Die KI hat ihre Meinung geändert“ oder „Die KI versteht doch, was ich meine“.

Das klingt harmlos. Ist es aber nicht. Denn diese Art zu sprechen verschiebt die Erwartung. Plötzlich soll KI so funktionieren wie ein Mensch. Aber dafür ist ein Sprachmodell nicht gebaut. Ein LLM erzeugt lediglich wahrscheinliche und Kontextpassende Antworten.

Das ist großartig, um menschliche Schwächen zu umgehen, denn weil LLMs keine eigenen Überzeugungen verteidigen, können sie etwas, das Menschen oft schlecht können: schnell die Perspektive wechseln.

Es kann also für deine Idee argumentieren, gegen deine Idee argumentieren, sie aus Kundensicht prüfen, aus Sicht eines Skeptikers zerlegen oder in eine nüchterne Risikoanalyse verwandeln. Ein LLM entwickelt aber (noch) keinen Charakter, wie es ein Mensch kann.

Wahrheit entsteht nicht durch gute Sprache

Der zweite große Denkfehler ist noch tückischer: Wir verwechseln Sprachqualität mit Kompetenz. Menschen reagieren stark auf sprachliche Sicherheit. Wer klar formuliert und strukturiert argumentiert, klingt glaubwürdig und wirkt dadurch kompetent. Und Glaubwürdigkeit und Kompetenz führt zu Vertrauen, was nur allzu menschlich ist. Bei der Nutzung von LLMs ist das jedoch gefährlich.

Denn LLMs sind gerade darin stark, plausibel klingende Formulierungen zu erzeugen. Sie können insbesondere Unsicherheiten in Sätze verpacken, die wie Gewissheiten klingen und Fehler so formulieren, dass man sie erst bemerkt, wenn man genau hinsieht. Genau deshalb sind Halluzinationen und faktisch falsche, aber sprachlich überzeugende Antworten von LLMs ein zentrales Risiko generativer KI.

Das Problem liegt nun in der Weise, wie du die Antworten von LLMs nutzt. Für Tatsachenbehauptungen, juristische Aussagen, Zahlen, Quellen oder belastbare Einordnungen reicht allein gute Sprache nicht aus. Dort sind Prüfungen erforderlich.

Denn Menschen glauben einer Antwort zu früh, weil sie sprachlich schon „fertig“ aussieht. Wenn du aber die Antworten von LLMs als Entwürfe für Ideen, für Varianten, für Formulierungsvorschläge oder neue Perspektiven betrachtest, sind sie wertvoll.

So holst du mehr aus einen Prompts

Ein weiterer Denkfehler liegt dann darin, dass Nutzer die erste Antwort eines LLM wie eine Art „endgültiges Ergebnis“ behandeln. Sie stellen eine Frage, lesen die Antwort und urteilen sofort: gut, schlecht, brauchbar, unbrauchbar. Damit ordnen sie jedoch fehlerhaft ein, wie LLMs in der Praxis am besten funktionieren: Der erste Output ist regelmäßig nicht das endgültige Ergebnis, sondern nur das erste Rohmaterial.

Es wirkt nämlich ein menschlicher Mechanismus, der Ankereffekt. Was wir zuerst sehen und im Falle von LLMs als Antwort bekommen, prägt unser Urteil übermäßig stark. Wenn die erste Antwort mittelmäßig ist, halten viele das Sprachmodell für schlecht. Wenn sie glänzend ist, überschätzen sie es. Beides ist falsch. LLMs reagieren auf Formulierung, Kontext und Prompt-Struktur. Schon kleinere Änderungen können deshalb Ausgaben deutlich verändern.

Deshalb zeigen sich gute Ergebnisse von LLMs selten im ersten Prompt. Sie zeigt sich vielmehr erst in den Schleifen danach. Wer deshalb gut mit LLMs arbeiten möchte, muss nachfragen und verschiedene Perspektiven abfragen.

Du musst deshalb umformulieren lassen, verdichten, zuspitzen, angreifen, vereinfachen, neu sortieren. Die Antwort von LLMs darfst du nicht wie ein Urteil, sondern wie einen Werkstoff behandeln.

KI besser als Mensch? Was LLMs gut können

Menschen mögen Bestätigung. Wir suchen Informationen, die zu unseren Annahmen passen, und wir verteidigen Ideen, in die wir schon, und sei es nur gedanklich, „investiert“ haben. Dies wird als „Confirmation Bias“ bezeichnet.

Im Umgang mit KI wird daraus aber ein Problem. Denn wenn du tendenziös fragst, liefert dir ein Sprachmodell oft brauchbare Antworten in genau dies Richtung der Frage. Nicht, weil es die Wahrheit gefunden hat, sondern weil es auf den von dir gesetzten Rahmen reagiert.

Daraus ergibt sich aber im Umkehrschluss ein oft unterschätzter Nutzen: Du kannst dir von einem LLM Gegenargumente liefern lassen, ohne dass jemand beleidigt ist, ein Ego verletzt wird oder eine Situation eskaliert.

Viele Nutzer erkennen nicht, dass LLMs regelmäßig nur bestätigen, was sie ohnehin schon dachten. Klüger jedoch wäre das Gegenteil: LLMs dazu zu benutzen, die eigene Komfortzone und die eigene Gedankenwelt anzugreifen.

Nicht die Qualität von LLMs, sondern die der Frage entscheidet

Ein damit verbundener Denkfehler ist dann schließlich, dass die Qualität der Antwort in den Eigenschaften, im Algorithmus und den Trainingsdaten eines LLMs liegen wird. Ein erstaunlich großer Teil des Ergebnisses hängt jedoch daran, wie du fragst.

LLMs reagieren auf Framing, Rollenbeschreibung, Zielsetzung, Beispiele, Kontext und Formulierungsnuancen. Sprache ist bei LLMs Steuerung. Wenn du unklar fragst, bekommst nicht einfach eine etwas schlechtere Antwort, sondern vielmehr eine Antwort auf eine unsauber gestellte Frage.

Das bedeutet aber: Bessere KI-Nutzung beginnt oft nicht mit „besserer“ KI, sprich mit besseren Modellen, sondern mit klarerem Denken in Form von klareren Fragestellungen und Aufgaben. Sobald du Zielgruppe, Zweck, Ton, Tiefe, Ausschlüsse und Erfolgskriterien für die Antwort klarer formulierst, verändert sich die Qualität der Antwort oft spürbar.

Das Sprechen mit LLMs, das sogenannte „Prompting“, ist deshalb nicht nur eine zu vernachlässigende Banalität. Gute Prompts erstellst du dann, wenn dir klar ist, was du eigentlich willst.

Sprachmodelle laden zu Missverständnissen ein

Natürlich sollte man nun noch erwähnen, dass die Art, wie LLMs entwickelt sind, nicht ganz unschuldig an unseren Denkfehlern sind. LLMs klingen freundlich, kohärent und selbstsicher.

Sie wirken oft so, als verstehen sie, was man von ihnen will. Genau dadurch entsteht fast automatisch der Eindruck, man habe es mit einem klar denkenden „digitalen Menschen“ zu tun.

Das Problem liegt also nicht nur beim Nutzer. Es liegt auch an der Art, wie LLMs erstellt werden und so Menschlichkeit simulieren.

Inzwischen wird dieses Phänomen unter dem Begriff „Anthropomorphisierung von LLMs“ diskutiert. Gerade deshalb jedoch braucht der Umgang mit LLMs ein klares Verständnis dafür, was sie können und was nicht.

Bessere Ergebnisse beginnen mit besseren Fragen

Am Ende läuft alles auf eine unbequeme, aber in meinen Augen wichtige Einsicht hinaus: Wenn du mit LLMs besser arbeiten willst, musst du deinen Umgang mit ihnen besser verstehen und anpassen.

Du musst aufhören, in flüssiger Sprache automatisch Wahrheit zu sehen, die erste Antwort für das schlussendliche Ergebnis zu halten und Bestätigung deiner Ansichten durch LLMs mit guten Gedanken zu verwechseln. Und vor allem musst du aufhören, ein Sprachmodell wie einen Menschen mit Haltung und Überzeugung zu betrachten.

Ein LLM ist im besten Fall ein Gedankenverstärker, ein Beschleuniger bei der Erstellung von Antworten, ein Perspektivengenerator und ein Widerspruchswerkzeug. Ein LLM ist kein digitaler Kollege mit Weisheit und Weltbild. Deshalb musst du aufhören, ein LLM an menschlichen Maßstäben zu messen. Wenn du das verstehst, bist du gegen Denkfehler besser gewappnet.

Auch interessant: 

• EU Inc.: Gründen in 48 Stunden – Europa plant die schnellste Firma der Welt
• Wie KI Gerichte in den Wahnsinn treibt
• EU Inc.: Ein europäischer Traum – und die deutsche Realität
• KI-Kompetenzen: 7 Skills für mehr Kontrolle und bessere Ergebnisse

Der Beitrag Die größten Denkfehler bei ChatGPT: Warum fast alle KI falsch nutzen erschien zuerst auf BASIC thinking. Folge uns auch auf Google News und Flipboard oder abonniere unseren Newsletter UPDATE.

Kupfer könnte die Batteriemodule von E-Bikes und E-Scootern deutlich leichter und effizienter machen. Doch bislang kam das Metall trotz seiner starken Leitfähigkeit kaum im Einsatz. Nun zeigt ein neues Verfahren, wie sich Kupfer ohne teure Anlagen verarbeiten lässt.

Akkus für E-Bikes oder E-Scooter stehen vor einer technischen Hürde. Bisher verschalten Hersteller die einzelnen Zellen meist mit Verbindern aus Stahl. Da Stahl Strom jedoch vergleichsweise schlecht leitet, müssen die Bauteile bei leistungsstarken Batterien immer dicker und schwerer werden.

Das schränkt die Effizienz der mobilen Energiespeicher zunehmend ein. Kupfer bietet in der Batteriebranche schon lange eine bessere Performance für die Verschaltung einzelner Module. Denn das Metall leitet elektrischen Strom rund sechsmal besser als Stahl.

Durch diese physikalische Eigenschaft ermöglichen deutlich dünnere Verbinder eine Gewichtseinsparung, was das gesamte Batteriemodul am Ende leichter macht. Trotz des höheren Eigengewichts von Kupfer führt die Materialersparnis zu einer Gewichtsreduktion des Gesamtsystems.

Akkus für E-Bikes: Technische Hürden bei der Kupferverarbeitung

Bisher bremsten die hohen Anforderungen der Fertigungstechnik den flächendeckenden Einsatz von Kupfer aus. Denn das herkömmliche Buckelschweißen, das in der Industrie für Stahlverbinder weitverbreitet ist, funktioniert bei Kupfer nicht zuverlässig genug.

Da das Metall Wärme optimal leitet, transportiert es die beim Schweißen erzeugte Hitze sofort in alle Richtungen ab. Das verhindert die notwendige lokale Energiekonzentration, sodass keine stabile Schweißverbindung entstehen kann. Als Alternative zum klassischen Verfahren bietet sich zwar das Laserschweißen an, doch die Kosten für solche Anlagen sind sehr hoch.

Für mittelständische Batteriehersteller in Deutschland bedeutet das oft eine zu hohe Investitionshürde. Viele Unternehmen müssten ihre gesamte Fertigungslinie für dieses Verfahren komplett umbauen. Ein Forscherteam am Fraunhofer ISE hat nun jedoch eine Lösung präsentiert, die ohne teure neue Maschinen auskommt.

Kupfer-Zellverbinder: Ein neues Verfahren durch Sublimation

Projektleiter Christian Schiller vom Fraunhofer ISE setzt auf ein Kurzzeitschweißen mit einer besonders hohen Wärmestromdichte. Bei diesem ultraschnellen Prozess schmilzt das Metall nicht wie üblich auf, sondern es sublimiert direkt.

Sublimation bedeutet, dass der Feststoff unmittelbar in einen gasförmigen Zustand übergeht. Die Anlage stellt den Schweißpunkt dabei in weniger als 0,6 Sekunden fertig, noch bevor die erzeugte Wärme überhaupt in das umliegende Material abfließen kann.

Besonders erfolgreich testete das Team das Verfahren bereits im industriellen Zellenformat 21700. Nano-Computertomografie-Aufnahmen belegen, dass die unbeschichteten Kupferverbinder sauber auf dem Gehäuseboden sitzen.

Das Verfahren schont dabei die darunterliegende Struktur der Zelle und verhindert gefährliche Beschädigungen während der Produktion. In der automatisierten Schweißzelle übernimmt ein kollaborativer Roboter die präzise Positionierung der Bauteile.

Inline-Messmethoden für die Massenproduktion

Ein wesentliches Alleinstellungsmerkmal des Forschungsprojekts sind die neu entwickelten, nicht invasiven Inline-Messmethoden zur Qualitätskontrolle. Diese Systeme bewerten jeden einzelnen Schweißpunkt automatisch und ohne Zeitverlust direkt in der laufenden Fertigungslinie.

Beim Sublimationsmechanismus gelten andere physikalische Kriterien als beim herkömmlichen Schmelzschweißen. Daher war diese Neuentwicklung für die industrielle Anwendung unverzichtbar. So sichern Hersteller die Zuverlässigkeit der Verbindung, ohne das Bauteil zu zerstören.

Die Forschungsarbeiten finden seit Juni 2023 im Rahmen des Projekts „BatCO₂tiv“ statt und erhalten Fördergelder vom Bundeswirtschaftsministerium. Bis zum geplanten Projektende im Mai 2027 entstehen zudem umfassende Designregeln für Zellverbinder und Zellhalter. Diese Regeln sollen sicherstellen, dass die parallel verschalteten Zellen in einem Modul eine gleichmäßige Bestromung erfahren.

Wirtschaftliche Vorteile für deutsche Hersteller

Das Projekt verfolgt das Ziel, die Effizienz und Lebensdauer der Batteriemodule durch die optimierte Kupferverschaltung weiter zu steigern. Der geringere elektrische Widerstand sorgt dafür, dass weniger Energie als Wärme verloren geht. Davon profitieren vor allem Anwendungen mit hohen Strömen, in denen das Modul effizienter arbeiten muss.

Ein entscheidender Vorteil dieser Innovation liegt in der Weiternutzung bestehender Infrastrukturen. Batteriehersteller müssen ihre vorhandenen Buckelschweißanlagen nicht ersetzen, sondern arbeiten mit angepassten Prozessparametern einfach weiter. Dies senkt die Einstiegshürden erheblich und hilft deutschen Unternehmen dabei, gegenüber dem asiatischen Wettbewerb konkurrenzfähig zu bleiben.

Hersteller nutzen Kupfer so ohne das Risiko teurer Neuinvestitionen in Laserschweißanlagen. Das bayerische Unternehmen Smart Battery Solutions integriert den neuen Prozess als erster Hersteller in seine Fertigungslinie. Die kupferverschalteten Batterien erweitern zukünftig die hauseigene UniPower-Produktfamilie. Diese Module treiben unter anderem E-Bikes und Sharing-Systeme für die städtische Paketzustellung auf der letzten Meile an.

Auch interessant:

• Einfach erklärt: Wie funktioniert eigentlich ein Windrad?
• Batterie-Technologien im Vergleich: Lithium, Natrium, Festkörper und Redox Flow
• Elektroauto gebraucht kaufen: Darauf solltest du achten
• Warum Elektroautos in China günstiger sind als in Deutschland

Der Beitrag Kupfer statt Stahl: Freiburger Forscher machen E-Bike-Akkus leichter erschien zuerst auf BASIC thinking. Folge uns auch auf Google News und Flipboard oder abonniere unseren Newsletter UPDATE.

Die neue VDE-Richtlinie für Steckersolargeräte schafft erstmals klare Rahmenbedingungen für den regelkonformen Betrieb sehr starker Balkonkraftwerke. Sie erweitert den Anwendungsbereich und ermöglicht Haushalten eine rechtssichere Nutzung größerer Anlagen. Damit erleichtert die Norm die private Energiewende und senkt langfristig die Stromkosten.

Die neuen Regeln erlauben theoretisch eine Modulleistung von bis zu 7.000 Watt. Trotzdem bleibt die tatsächliche Einspeiseleistung für den Wechselrichter oder Speicher auf 800 Watt begrenzt. Ab einer installierten Modulleistung von 2.000 Watt müssen Nutzer die Anlage zudem beim jeweiligen Netzbetreiber anmelden.

Ab wann darf der Netzbetreiber ein Balkonkraftwerk abregeln?

Ab einer Leistung von 7.000 Watt wird die Installation eines Smart-Meter-Gateways zur Pflicht. Dieses Gerät gibt dem Netzbetreiber die technische Möglichkeit, die Anlage bei Bedarf aus der Ferne zu steuern oder abzuregeln. Damit kann der Betreiber bei Netzproblemen die Einspeisung unmittelbar unterbrechen beziehungsweise den Stecker ziehen.

Die überarbeitete Norm lässt nun auch eigenständige Wechselstrom-Batteriespeicher als zulässige Komponente zu. Nutzer können damit gezielt günstigen Netzstrom aus variablen Tarifen zwischenspeichern beziehungsweise „tanken“. Für diese Speicher gilt ein striktes Verbot, die Einspeiseleistung lediglich per Software zu drosseln.

7.000 Watt klingen gut – doch daran scheitert es noch

In der Praxis scheitert die Umsetzung von 7.000-Watt-Systemen derzeit noch an fehlenden Speicherlösungen für diese hohe Leistungsklasse. Viele Speichereinheiten besitzen nur an der Haupteinheit Anschlüsse für die Solarmodule, was die Kapazität stark einschränkt. Da pro Gerät oft nur maximal 2.000 Watt PV-Eingangsleistung möglich sind, hakt es bei der Einbindung großer Modulfelder.

Die Wirtschaftlichkeit solcher Anlagen hängt massiv vom Nutzungsverhalten ab, da der Eigenverbrauch deutlich lukrativer als die Einspeisung ist. Der Netzbetreiber vergütet überschüssigen Strom derzeit lediglich mit rund 7 Cent pro Kilowattstunde. Wer die hohe Leistung nicht unmittelbar selbst verbraucht, verschenkt somit bares Geld an den Energieversorger.

Windrad und Brennstoffzelle: Was die neue Norm sonst noch erlaubt

Zusätzlich zum Solarstrom erlaubt die Norm nun auch die Integration anderer Quellen wie kleiner Windkraftanlagen oder Wasserstoff-Brennstoffzellen. Auch Kraft-Wärme-Kopplungsanlagen können künftig als Teil eines kombinierten Energiesystems betrieben werden. Solche Systeme müssen ebenfalls die Grenze von 800 VA bei der Einspeisung einhalten.

Besonders sinnvoll bleibt der erzeugte Strom vor allem für dauerhaft laufende Verbraucher im Haushalt. Dazu zählen etwa Kühlgeräte, Heizungssysteme oder Computer, die eine konstante Grundlast benötigen. Leistungsintensive Anwendungen wie das Laden von Elektroautos lassen sich mit der begrenzten Einspeiseleistung hingegen nur eingeschränkt betreiben.

Auch interessant:

• Einfach erklärt: Wie funktioniert eigentlich ein Windrad?
• E20: Was du über den neuen Bio-Sprit wissen musst
• Pseudo-Lärm und Infraschall: Keine Belege für Windrad-Mythen
• Elektroauto gebraucht kaufen: Darauf solltest du achten

Der Beitrag Neue Balkonkraftwerke-Norm erlaubt 7.000 Watt – aber nur 800 Einspeisung erschien zuerst auf BASIC thinking. Folge uns auch auf Google News und Flipboard oder abonniere unseren Newsletter UPDATE.

Europa strebt in den Bereichen KI, Software und Rechenzentren eigentlich mehr Souveränität an. Die Abhängigkeit von den USA trügt jedoch die Bilanz. In puncto KI ist die vergleichsweise zurückhaltende Haltung Europas aber Fluch und Segen zugleich. Einerseits besteht unausgeschöpftes Potenzial. Andererseits wird Europa deutlich weicher fallen, wenn die KI-Blase eines Tages platzt. Eine kommentierende Analyse.

133 Millionen KI-Nutzer in Europa – doch wem gehören die Modelle?

• Laut einem Report der niederländischen Internet-Beteiligungsgesellschaft Prosus gibt es in Europa mehr KI-Nutzer als in den USA. Demnach nutzen rund 133 Millionen Europäer Sprachmodelle wie ChatGPT und Co. – fast doppelt so viele wie in den USA. Zudem stammen drei der zehn weltweit meistzitierten KI-Wissenschaftler aus EU-Ländern. Doch: Fast jedes KI-Modell, das in Europa genutzt wird, wurde in den USA oder China entwickelt. Laut einer Analyse der Universität Bonn ist die Digitalhandelsbilanz Europas zwar stabil, doch die Abhängigkeit von den USA, China sowie US-Unternehmen mit europäischem Sitz in Irland trügt das Bild.
• Mit Mistral AI aus Frankreich gibt es bislang nur ein einziges europäisches KI-Unternehmen, das ein halbwegs konkurrenzfähiges Sprachmodell zu ChatGPT, Gemini und Claude entwickelt hat. Das KI-Modell Le Chat wurde vor allem auf Datenschutz und Effizienz getrimmt. Mistral AI verspricht etwa, dass Daten standardmäßig innerhalb der EU gespeichert werden. Es gibt aber Ausnahmen. Denn wenn US-Dienstleister genutzt werden, können Daten teilweise oder zwischenzeitlich auch in die Vereinigten Staaten abfließen. Das Unternehmen richtet sich mittlerweile mehr an Unternehmenskunden als an Privatnutzer.
• Die USA sind führend, was den Umfang und die Intensität der Nutzung von KI am Arbeitsplatz angeht. Zu diesem Ergebnis kommt eine Studie des Wissenschaftszentrums Berlin für Sozialforschung (WZB). Deutschland liegt demnach im Mittelfeld der europäischen Länder. Die Unterschiede seien jedoch gewachsen und würden die Produktivität der Beschäftigten in vielen Unternehmen beeinflussen. Den Ergebnissen zufolge ist die geringere Nutzung von KI ein wichtiger Erklärungsfaktor für das geringere Produktivitätswachstum in Europa im Vergleich zu den USA.

Was Europa bei KI richtig macht – und wo es scheitert

Europa ist Europas bester Freund und schlimmster Feind zugleich – zumindest, wenn es um KI und Digitalisierung geht. Nicht, weil wir zwangsläufig zu viel regulieren. Im Gegensatz zu den USA oder China schert man sich in Europa noch um Daten- und Verbraucherschutz. Und das ist auch gut so.

Doch: Wir haben auch deutlichen Nachholbedarf. Etwa, wenn es darum geht, KI sinnvoll in Unternehmen, dem Gesundheitswesen oder in Behörden zu integrieren, um Land, Wirtschaft und Gesellschaft anzukurbeln. Denn richtig eingesetzt kann Künstliche Intelligenz die Welt zum Positiven verändern – ohne zwangsläufig Arbeitsplätze zu vernichten.

KI kann etwa dabei helfen, Behörden und das Gesundheitssystem zu entlasten, oder in einigen Branchen dem privatwirtschaftlichen Fachkräftemangel entgegenwirken. Statt den Menschen mehr Arbeit aufzubürden, wie es derzeit viele fordern, könnten Beschäftigte produktiver arbeiten. Etwa, indem sie sich auf Dinge konzentrieren können, für die zuvor nicht die nötige Zeit da war.

Künstliche Intelligenz könnte währenddessen die Drecksarbeit erledigen und dadurch Prozesse und Produktivität effizienter und schneller gestalten. Die Zwickmühle: KI ist für Europa Fluch und Segen zugleich. Denn KI ist eine Wette auf die Zukunft, die einem Glücksspiel gleichkommt. Beim Roulette weiß man wenigstens, wie das Rad funktioniert. Doch auch im Gegensatz zu Dampfmaschinen, Immobilien oder der Eisenbahn weiß man bei KI nicht, wohin die Reise führt.

Dass sich KI-Anwendungen rasend schnell weiterentwickeln, lässt sich aber nicht wegdiskutieren. Der Kosten-Nutzen-Faktor von Chatbots im Privatbereich erschließt sich mir vor dem Hintergrund von Fake News, KI-Betrug und einem massiven Ressourcenverbrauch mit Blick auf die Umwelt aber immer weniger. Stattdessen sollte KI nur dort eingesetzt werden, wo sie einen sinnvollen Beitrag leisten kann.

Das sagten Ökonomen und KI-Experten

• Ökonomie-Nobelpreisträger Joseph Stiglitz in einem Interview mit dem Handelsblatt (€) zur ungebrochenen Dynamik der US-Wirtschaft: „Ein erheblicher Teil des Wachstums ist auf den Boom rund um Künstliche Intelligenz und den Bau von Rechenzentren zurückzuführen. Trump hatte schlicht Glück, während dieses Booms Präsident zu sein. (…) Der Aufschwung beschränkt sich auf eine Handvoll Technologiegiganten. Die gigantischen Bewertungen dieser Unternehmen sind letztlich Ausdruck der Erwartung langfristiger Monopolgewinne, die möglicherweise nie realisiert werden. Vieles deutet auf eine gigantische KI-Blase hin. Und wenn diese platzt, wird die zugrunde liegende Schwäche der US-Wirtschaft sehr deutlich sichtbar werden.“
• Fabricio Bloisi, Chef der Internet-Beteiligungsgesellschaft Prosus, in einem Statement: „Europa steht im globalen Wettlauf um die KI am Scheideweg, doch wir sind zu langsam. Wir verfügen über Talente von Weltklasse, doch ohne rasche, umfangreiche Investitionen in unsere eigenen Rechenkapazitäten und Open-Source-Modelle laufen wir Gefahr, von anderen abhängig zu werden. Die Länder und Unternehmen, die jetzt handeln, werden das nächste Jahrzehnt prägen. Europa verändert sich, doch die Dinge gehen nicht schnell genug voran. Lasst uns so vorgehen, als hinge die Zukunft Europas davon ab – denn das tut sie.“
• Auch Nicola Fuchs-Schündeln, Präsidentin des Wissenschaftszentrums Berlin für Sozialforschung (WZB), warnt: „Mit dem jetzt schon bestehenden Abstand in der KI-Nutzung ist daher eine noch wachsende Produktivitätslücke zu erwarten, wenn in Europa nicht gegengesteuert wird. Gerade angesichts der demografischen Entwicklung wird es entscheidend sein, unser Produktivitätswachstum in den nächsten Jahren zu erhöhen.“

Wie Europa von einer platzenden KI-Blase profitieren könnte

Mit Blick auf die KI-Branche sind Prognosen derzeit selbst für Experten schwierig. Was sich aber mit großer Sicherheit prophezeien lässt: Die KI-Blase wird eines Tages platzen. Denn: Künstliche Intelligenz wird massiv überbewertet. Wenn es zum großen Knall kommt, wird sich Europa im Gegensatz zu den USA unter den aktuellen Umständen ins Fäustchen lachen.

Doch Crash ist nicht gleich Crash und Europa ist nicht die USA. Denn selbst wenn die Aktienkurse von Google, Meta, Apple oder Amazon einbrechen, ist das nicht deren unmittelbarer Untergang. Alle vier Konzerne haben nämlich profitable Standbeine fernab vom KI-Hype.

Bei Unternehmen wie OpenAI, Anthropic und Mistral AI sieht es aber anders aus. Denn diese setzen ausschließlich auf KI, während sie ihre Milliardeninvestments bislang nicht mal annähernd amortisiert haben. Ein mögliches Ende von OpenAI ist zwar nicht apodiktisch, wäre aber auch kein Systemcrash.

Trotz großer Abhängigkeiten von US-Technologien wird sich Europas vergleichsweise zurückhaltende Haltung im Falle einer platzenden KI-Blase aber wie ein Airbag erweisen. Die USA und China würden hingegen die gigantischen Fehlinvestitionen schmerzhaft verdauen müssen.

Die eigentliche Frage lautet deshalb nicht, ob Europa zu langsam ist. Vielmehr geht es darum, aus der aktuellen Zurückhaltung die richtigen Schlüsse zu ziehen. KI wird nämlich nicht verschwinden. Die Chance für Europa, einen Mehrwert zu schaffen, ist aber da. Etwa, wenn Pflegekräfte Dokumentationen nur noch prüfen statt schreiben müssen, um sich vermehrt den Pflegebedürftigen widmen zu können.

Wenn Industrieprozesse intelligent automatisiert werden, um Beschäftigte zu entlasten, anstatt ihnen Mehrarbeit aufzubürden. Oder: Wenn Anträge in der Verwaltung nicht mehr in Monaten, sondern nur noch in Wochen oder gar Tagen bearbeitet werden können. Chatbots für jedermann, die auf Knopfdruck Bilder, Videos oder Texte generieren, erscheinen jedoch mehr und mehr als Irrweg.

Auch interessant: 

• KI-Müll ohne Endlager: 19 Prozent des Internets sind absoluter Schrott
• Börsenreif um jeden Preis: OpenAI vollzieht radikalen Strategiewechsel
• Neue Spritpreisregeln beschlossen: Das ändert sich jetzt an der Tankstelle
• E-Auto an der Wohnung laden: Wer jetzt vom 500-Millionen-Fördertopf profitiert

Der Beitrag Europa im KI-Dilemma: Was passiert, wenn die Blase platzt? erschien zuerst auf BASIC thinking. Folge uns auch auf Google News und Flipboard oder abonniere unseren Newsletter UPDATE.

Bei WhatsApp kannst du künftig auch Drittanbieter-Chats integrieren und so Nachrichten aus verschiedenen Apps gebündelt an einem Ort finden. Wir erklären dir, wie du die neue Funktion aktivieren kannst und welche Dienste dabei alles unterstützt werden.

WhatsApp vereint auf seiner Plattform mehr als drei Milliarden Menschen in über 180 Ländern und ist damit der beliebteste Messenger weltweit. Doch die enorme Marktmacht der Meta-Tochter erhöht auch den regulatorischen Druck.

Mit dem Digital Markets Act will beispielsweise die EU einen faireren Wettbewerb stärken und sogenannte „Gatekeeper“ einschränken. Besonders dominante Dienste müssen sich deshalb nun für Drittanbieter öffnen – und das gilt auch für WhatsApp.

Aus diesem Grund kannst du künftig auch Drittanbieter-Chats in WhatsApp aktivieren und so verschiedene Messenger in einer App nutzen. Wir erklären dir, wie das funktioniert.

So kannst du Drittanbieter-Chats bei WhatsApp aktivieren

Drittanbieter-Chats kannst du bei WhatsApp ganz einfach in deinen Einstellungen aktivieren. Klicke dafür in der App auf deinem iPhone auf dein Profilbild in der unteren rechten Ecke des Bildschirms oder auf deinem Android-Smartphone auf die drei Punkte.

Wähle hier nun in den Einstellungen den Menüpunkt „Konto“ aus. Hier findest du die Option „Drittanbieter-Chats“. Über den Button „Aktivieren“ kannst du es Personen erlauben, dir aus Drittanbieter-Apps Nachrichten zu senden.

Hast du den Button „Aktivieren“ angeklickt, erhältst du noch einmal Informationen zu der neuen Funktion. WhatsApp weist hier auch noch einmal darauf hin, dass die neue Funktion nur für „zulässige Drittanbieter-Messaging-Apps“ gilt.

Diese kannst du nach einer Bestätigung über den „Weiter“-Button im nächsten Fenster in einer Übersicht sehen und auswählen. Aktuell sind hier allerdings nur die beiden Apps „BirdyChat“ und „Haiket“ zu finden. Ob Signal, Telegram und Co. hier noch Einzug halten, ist bisher nicht bekannt.

In einem nächsten Schritt musst du nun noch auswählen, ob du die Chats kombiniert in einem Postfach oder in einem getrennten Postfach bei WhatsApp anordnen willst. Mit einem abschließenden Klick auf „Aktivieren“ kannst du die neue Funktion nutzen.

WhatsApp-Chats mit anderen Messengern

In deinen Einstellungen kannst du außerdem auswählen, dass WhatsApp dich benachrichtigen soll, wenn du über einen Drittanbieter-Chat kontaktiert wirst. Willst du selbst einen Drittanbieter-Chat starten, kannst du das über das Plus in der oberen rechten Ecke deines Bildschirms im Bereich Chats machen.

Tippe auf das Plus und wähle dann „Neuer Drittanbieter-Chat“ aus. Wähle dann die jeweilige App aus und gib die Benutzer-ID des Empfängers ein.

Das kann laut WhatsApp je nach App eine E-Mail-Adresse, eine Telefonnummer oder ein Benutzername sein. Am Ende bestätigst du noch mit „Chat erstellen“ und kannst nun Nachrichten, Bilder, Videos, Sprachnachrichten und Dokumente versenden und empfangen. Diese werden bei der Übermittlung laut WhatsApp verschlüsselt.

Das solltest du bei der Nutzung von Drittanbieter-Chats bei WhatsApp beachten

Trotz der Integration der Drittanbieter-Chats sind einige Einstellungen anders als für herkömmliche WhatsApp-Chats. So werden beispielsweise dein Name und dein Profilbild nicht über die Drittanbieter-Chats geteilt, deine Telefonnummer hingegen schon.

WhatsApp weist außerdem darauf hin, dass dich jede Person über eine Drittanbieter-App anschreiben kann, die deine Telefonnummer kennt. Das gilt auch für Personen, die du auf WhatsApp blockiert hast. Erhältst du allerdings eine Nachricht von einer unerwünschten Person über einen Drittanbieter-Chat, kannst du diese auch ganz normal blockieren.

Aktuell ist die neue Funktion nur für iPhones und Android-Smartphones verfügbar. Auf Tablets, im Web oder in der Desktop-Version kannst du das Feature nicht nutzen.

Auch interessant:

• Social Media und KI: Kinder werden erstmals dümmer
• Schutz für deine Chats: So kannst du Face ID für WhatsApp aktivieren
• Bin ich Social Media süchtig? 5 Anzeichen für ein problematisches Verhalten
• WhatsApp: So findest du heraus, ob jemand deine Nummer gespeichert hat

Der Beitrag WhatsApp öffnet sich: So nutzt du Chats mit anderen Messengern erschien zuerst auf BASIC thinking. Folge uns auch auf Google News und Flipboard oder abonniere unseren Newsletter UPDATE.