Ziel klären
Was soll am Ende verlässlich vorliegen?
⚠️ ACHTUNG: KI-DEEPFAKE
Dieses Video ist vollständig KI-generiert!
Tools: ComfyUI (Plattform) · Qwen3TTS (Voice-Cloning) · LTX2.3 & LTX Director (Videosynthese)
01Link zur Präsentation
DIREKTLINK
Scannen & Teilen
Nutze diesen QR-Code, um die Präsentation direkt auf mobilen Geräten zu öffnen, mitzugehen oder den Foliensatz zu teilen.
02Ansprache des Bundeskanzler Merz an die J2
300.000 Jahre Hardware – Innovationen verdichten sich
DIE BIOLOGISCHE HARDWARE BLEIBT ÄHNLICH
Homo sapiens existiert seit rund 300.000 Jahren.
Unsere Lernfähigkeit und Körperlichkeit verändern sich evolutionär langsam. Die gesellschaftliche Umwelt verändert sich heute dagegen in immer kürzeren Abständen.
Die Abbildung ist keine lineare Zeitachse. Sie zeigt bewusst: Über sehr lange Zeit liegen große Innovationen weit auseinander – in der Gegenwart stapeln sie sich. Unser lineares Bauchgefühl ist dafür schlecht gerüstet.
Warum Wandel sich falsch anfühlt
AMARA’S LAW ALS DENKHILFE
Kurzfristig überschätzen wir.
Langfristig unterschätzen wir.
Neue Technik wirkt am Anfang spektakulär – doch Alltag, Regeln, Infrastruktur und Können ziehen langsamer nach. Wenn sie dann zusammenkommen, unterschätzen wir oft die Folgen.
Zu früh: „Das verändert morgen alles.“Zu spät: „Das bleibt eine Spielerei.“
Die Folie davor zeigt die Verdichtung der Werkzeuge. Diese Folie erklärt, warum unser Eindruck davon trotzdem zwischen Übertreibung und Verharmlosung pendelt.
Evolution der KI: Vom Perzeptron zu Agenten
DIE FÜNF EPOCHEN DER KI
Vom einfachen Muster zum handelnden Partner.
Die Geschichte der KI verläuft in Phasen steigender Komplexität. Aus mathematischen Abstraktionen wurden Systeme, die Ziele eigenständig verfolgen.
✦
Fokus-VerschiebungVom Verstehen (Perzeptron, neuronale Netze, Deep Learning) zur Generierung und autonomem Handeln (Agentic AI).
✦
Ziele erreichenModerne Agenten chatten nicht nur – sie reflektieren, planen Schritte, nutzen Werkzeuge und korrigieren sich selbst.
Traditionelle Algorithmen: Sortieren ohne Lernen
Feste Regeln in Aktion: Der Bubble-Sort-Ablauf
ProfEngel
Der Telefonbuch-Lookup: Strukturierte Suche
Algorithmus und KI: zwei Lernlogiken
ALGORITHMUS
Fester Ablauf
Menschen definieren Regeln und Reihenfolge vorher. Gleiche Eingabe nach gleicher Regel: gleiches Ergebnis.
Neue Situation? Neue Regel nötig.
LERNENDE KI
Muster durch Übung
Viele Beispiele, Rückmeldung und Wiederholung verändern das Modell. Es versucht, das Gelernte auf Ähnliches zu übertragen.
Neue Situation? Generalisierung – mit Fehlerrisiko.
Signale und Verbindungen
EIN NÜTZLICHES, VEREINFACHTES BILD
Nicht ein kleiner Computer.
Aber ein Netz aus Signalen.
Nervenzellen sind viel komplexer als künstliche Neuronen. Für die Grundidee genügt: Signale treffen aufeinander, Verbindungen werden unterschiedlich stark.
Verstehen statt Wiederholen
DAS GILT FÜR KLASSE UND KI
Auswendig ist nicht automatisch verstanden.
Ob ein Mensch oder ein Modell wirklich etwas kann, zeigt sich erst bei einer neuen Aufgabe – nicht beim Wiederholen eines bekannten Beispiels.
Wissen vs. Können: Gesehen ist nicht gelernt
WIESENPFAD-METAPHER IN DER PRAXIS
Theorie zeigt den Griff.
Erst Übung spielt das Lied.
Es reicht nicht, den Griff für C-Dur auf der Ukulele anzusehen. Damit das Gehirn die Muskeln steuert und der Ton sauber klingt, müssen Verbindungen im Gehirn wiederholt aktiviert werden.
1Der Akkord: Finger auf dem 3. Bund der A-Saite. Das Bild liefert nur die theoretische Information.
2Die Übung: Wiederholtes Greifen und Anschlagen festigt die Nervenbahn (Synapsenbildung).
Lernen hinterlässt Spuren
WIESENPFAD-STATT-ZAUBEREI
Übung macht aus Spuren Wege.
Bei Menschen verstärken Erfahrungen Verbindungen. Bei KI werden Muster aus vielen Beispielen gelernt. Die Metapher hilft – Gleichsetzung wäre zu einfach.
1Wiederholung verändert, was künftig leichter fällt.
2Lernen braucht Rückmeldung – bei Menschen und bei Systemen.
Was generative KI macht
Generative KI setzt gelernte Muster neu zusammen.
Sie kann Varianten, Texte, Bilder oder Code erzeugen. Aber sie hat keine eigenen Ziele, Erfahrungen oder Verantwortung.
✦Stark bei: Varianten, Zusammenfassen, Strukturieren, Entwürfen.
!Schwach bei: Wahrheit garantieren, Kontext selbst verstehen, Verantwortung tragen.
?Unsere Aufgabe: gute Fragen stellen und Ergebnisse prüfen.
Kreativität braucht Urteil
MEHR IDEEN ≠ BESSERE IDEEN
Erfinden ist nur die halbe Arbeit.
Wichtig ist auch: wählen.
KI kann Ideenräume vergrößern. Menschen entscheiden, was sinnvoll, fair, schön und passend zum Ziel ist.
RAG: das zugelassene Nachschlagebuch
WISSEN FINDEN, NICHT ERFINDEN
Erst nachschlagen.
Dann antworten.
RAG sucht passende Quellen und gibt sie an ein Modell weiter. Das kann Antworten besser begründen – ersetzt aber nicht die Prüfung der Quelle.
Cloud, lokal oder beides?
ENTSCHEIDUNG NACH AUFGABE
Die Wahl eines Modells ist kein Glaubenskrieg. Sie hängt von Daten, Fähigkeit, Kosten, Geschwindigkeit und Kontrolle ab.
☁Cloud: oft starke, aktuelle Dienste und einfache Nutzung; Daten- und Anbieterfragen bewusst prüfen.
▣Lokal: mehr Kontrolle über Betrieb und Daten; Hardware, Wartung und Leistungsgrenzen einplanen.
↔Hybrid: je nach Aufgabe verschiedene Werkzeuge kombinieren.
Vom Chat zum Agenten
Digitales Personal braucht Führung
DELEGIEREN ≠ VERANTWORTUNG ABGEBEN
KI kann Routine tragen.
Menschen tragen das Ziel.
Ein Agent kann Informationen sammeln, strukturieren oder Entwürfe machen. Regeln, Freigaben und Folgen bleiben menschliche Aufgaben.
1Rahmen: Was darf das System? Was darf es nicht?
2Freigabe: Welche Ergebnisse brauchen menschliche Kontrolle?
3Folgen: Wer ist ansprechbar, wenn etwas schiefgeht?
KI verändert Aufgaben – unterschiedlich
ILO/NASK · GLOBALER INDEX 2025
Exposition beschreibt Aufgaben – nicht das Ende eines Berufs.
- Verwaltungs- und Büroberufe zeigen die höchste potenzielle GenAI-Exposition.
- Auch digital geprägte Fachaufgaben in Medien, Software und Finanzen gewinnen an Exposition.
- Weil Berufe aus vielen Aufgaben bestehen, ist Wandel wahrscheinlicher als vollständige Ersetzung.
POTENZIELLE GENAI-EXPOSITION · GLOBAL
25%der globalen Beschäftigung liegen in Berufen mit zumindest etwas GenAI-Exposition.
25 %
3,3%in der höchsten Expositionsstufe weltweit
34%mit etwas Exposition in Hochlohnländern
Fünf Tätigkeitsprofile im Vergleich
Nicht der Berufstitel entscheidet allein. Entscheidend ist der Anteil digitaler, regelhafter Aufgaben – und wie viel Beziehung, physische Arbeit und Urteil in einer Tätigkeit stecken.
Das ist keine Rangliste der „sicheren“ Berufe und keine Kündigungsprognose. KI verändert Aufgaben unterschiedlich – und menschliche Verantwortung bleibt in allen fünf Tätigkeitsprofilen relevant.
Vom Ausführen zum Orchestrieren
KEIN AUTOMATISCHER AUFSTIEG – ABER EIN TREND
Mehr Werkzeuge bedeuten:
mehr Prüfen.
Wenn Routinen schneller werden, gewinnen Zielklärung, Fachwissen, Qualitätskontrolle und Zusammenarbeit an Gewicht.
ausführenprüfenorchestrierenverantworten
SKILLS-KOMPASS
↗Technikverständnis und Datenkompetenz
↗Analytisches Denken und gute Fragen
↗Zusammenarbeit, Resilienz, Verantwortung
Demografie trifft Skillwandel
Was wird menschlich wichtiger?
ARBEIT TEILT SICH NEU AUF
Weniger wiederholen.
Mehr entscheiden, verbinden und gestalten.
KI kann regelhafte Informationsarbeit beschleunigen. Menschen gewinnen dort an Gewicht, wo Ziele, Beziehungen, praktische Könnerschaft und Verantwortung zählen.
AutomatisierenWiederholbare Büro- und InformationsroutineOrchestrierenWerkzeuge, Daten und Abläufe zielgerichtet verbindenBeziehenBeraten, erklären, Vertrauen aufbauen, Konflikte klärenGestaltenHandwerk, Praxiswissen und Entscheidungen im echten Kontext
Nicht blind vertrauen
Euer Zukunftsvertrag
ICH DELEGIERE AN KI …
„Routine, Varianten und erste Entwürfe – wenn ich sie prüfen kann.“
ICH BEHALTE BEIM MENSCHEN …
„Ziele, Werte, Beziehungen und Verantwortung für die Folgen.“
Drei Fragen zum Mitdenken
Studierendenprojekt: RestaurantFinder
ENTWICKELT VON VANESSA VÖHRINGER
Lokalitäten-Filter & Prompt-Generator
Ein interaktiver Assistent, der anhand von Standort, Küche, Ernährungsweise und Budget den perfekten Codex-Prompt zur Restaurant-Suche generiert.
1Die Logik: Der Benutzer wählt Kriterien über eine strukturierte Web-Oberfläche.
2Der Prompt: Das System fügt die Antworten zu einem präzisen Prompt zusammen.
Studierendenprojekt: Study Buddy
ENTWICKELT VON RAHEL WELDAI
Lern-Agent & Kapitelzusammenfassung
Ein modulares Dashboard, das Studierende durch automatisierte Werkzeuge beim Lernen und bei der Prüfungsvorbereitung unterstützt.
1Die Tools: Bietet Aktionen wie Zusammenfassungen, Lernpläne und Tests.
2Der Nutzen: Fächerstruktur und Fortschrittsanzeige visualisieren den Erfolg.
Studierendenprojekt: Mein Karriereberater
ENTWICKELT VON BOJANA VUKALJEVIC
Dashboard & Orientierungsphasen
Ein Phasen-basiertes Dashboard, das den gesamten Prozess der Berufsfindung von der Orientierung bis zur Einarbeitung strukturiert.
1Die Phasen: 8 Schritte begleiten den gesamten Weg zur Berufsfindung.
2Der Fortschritt: Lokale Speicherung ermöglicht selbstbestimmte Bearbeitung.
Studierendenprojekt: Swim Coach Agent
ENTWICKELT VON ADELINA BERISHA
Trainings- & Ernährungsplanung
Ein spezialisierter Chatbot, der personalisierte Trainingspläne und Ernährungspläne (z. B. laktosefrei und vegetarisch) erstellt.
1Die Pläne: Berechnet Kalorienbedarf und schlägt Mahlzeiten vor.
2Der Transfer: Verbindung von Aktivität und angepasster Energieversorgung.
Studierendenprojekt: Essy's Salon Assistant
ENTWICKELT VON LABINOT BAHTIJARI
Termin- & Belegungs-Dashboard
Ein interaktiver Termin- und Belegungsplaner für Friseursalons zur Optimierung der Mitarbeiter-Verwaltung und Zeiteinteilung.
1Der Kalender: Echtzeit-Übersicht über Zeiten, Pausen und Abwesenheiten.
2Die Effizienz: Zeigt den Nutzen von Multi-Agenten-Systemen im Handwerk.
Glossar: Kernbegriffe im Überblick
Algorithmus
Feste, von Menschen programmierte Schritt-für-Schritt-Regeln für gleiche Eingaben und gleiche Ausgaben ohne Lernen.
KI (Künstliche Intelligenz)
Systeme, die durch Mustererkennung eigenständig statistische Regeln lernen, statt starr programmiert zu sein.
LLM (Large Language Model)
Großes Sprachmodell zur statistischen Wort-für-Wort-Vervollständigung basierend auf dem gelernten Kontext.
RAG (Retrieval-Augmented Generation)
Methode, bei der die KI vor der Generierung relevante Abschnitte in externen, gesicherten Dokumenten nachschlägt.
KI-Agenten (Agents)
Systeme, die in Zyklen arbeiten: Sie setzen sich Teilziele, planen Schritte, nutzen Tools und bewerten Ergebnisse.
Exposition (ILO-Index)
Das Maß, in dem berufliche Aufgaben durch KI-Fähigkeiten potenziell automatisiert oder unterstützt werden können.
Drei Dinge zum Mitnehmen