Europäische KI-Modelle: Ein Interview mit Fabian Westerheide

Der Deutsche KI-Verband veranstaltete seine erste Konferenz über Große Europäische KI-Modelle (LEAM), um die Bedeutung großer, teurer Transformermodelle zu diskutieren, die in der Lage sind, natürliche Sprache zu verstehen und zu generieren. Diese Modelle haben zahlreiche Anwendungen, darunter ChatGPT und DeepL Write. Fabian Westerheide, CEO von AI for Humans und KI-Tech-Investor, nahm an der Konferenz teil und betonte die Bedeutung, in ein Open-Source-Modell für Europa zu investieren, um mit den USA und China Schritt zu halten.

Der Deutsche KI-Verband veranstaltete seine erste KI-Konferenz über Große Europäische KI-Modelle, kurz LEAM. Aber was sind diese „LEAM“ – und warum sind sie für die Zukunft von Technik und Industrie in der EU entscheidend? Um diese Fragen zu beantworten, habe ich den KI- und Tech-Investor Fabian Westerheide interviewt, um seine Einblicke und Aussichten zu diesem Thema zu erhalten. Fabian ist CEO von AI for Humans und ein international anerkannter Experte für Künstliche Intelligenz-Strategie, Unternehmer und Risikokapitalgeber. Er berät Regierungsinstitutionen, darunter die Europäische Kommission, die Europäische Weltraumorganisation, den Deutschen Bundestag, das chinesische Ministerium für Technologie und Abteilungen wie das Verteidigungs- und Außenministerium sowie Fortune 500-Unternehmen, Denkfabriken und Startups. Darüber hinaus ist Fabian Gründer von Rise of AI, organisiert Veranstaltungen für KI-Führer:innen und ist geschäftsführender Partner bei Asgard — human VC for AI. 

Der Anfang

Fabian begann, Unternehmen mit Team Europe aufzubauen, darunter bekannte Namen wie Gründerszene, Mister Spex und Lieferheld. Nachdem er sein eigenes Unternehmen mit dem Verkauf von Hochzeitskleidern geführt hatte, entschied er, dass er etwas Bedeutendes für sich und die Gesellschaft tun wollte. Seine Leidenschaft führte ihn dazu, das Feld der Deep Tech zu erforschen, das 2013/14 mit dem Internet der Dinge und KI in einer Phase des Aufbruchs war.

„In 2013/14 hatte ich das Gefühl, dass wir an der Schwelle zu einer weiteren großen Welle stehen, also habe ich mich einfach intensiv damit beschäftigt.“

Ein Jahr später wurde ein Durchbruch mit Deep Learning erzielt, was zur Entwicklung von Google Deep Mind's AlphaGo im Jahr 2016 führte und natürlich in diesem Jahr mit ChatGPT Schlagzeilen machte.

Fabian beschloss, sich noch stärker in die KI zu investieren. Er brachte Innovator:innen und Köpfe aus dem gesamten Feld zusammen, startete seine ersten KI-Treffen, die ihn zur Gründung der Rise of AI-Konferenz führten, die er heute zusammen mit seiner Frau leitet.

„Im Laufe der Jahre habe ich gelernt, wer ich bin, wie ich am besten arbeite und welchen Wert ich für die Gesellschaft habe. Mein Wert besteht darin, Trends zu erkennen, sehr gut im Finanzbereich zu sein und auch zu vernetzen und Möglichkeiten zu sehen. Heute verbinde ich einfach Punkte und Menschen und helfe dabei, sich zu treffen und zusammenzukommen, damit sie ihre eigenen Unternehmen, Projekte, Forschungsinitiativen starten, sich weiterbilden und die richtigen Entscheidungen treffen.“

Im Laufe der Jahre, sagt er, hat ihn dies dazu gebracht, sich auf seine Rolle zu konzentrieren, nicht als „Vorreiter“, sondern andere von der Seitenlinie als Ökosystembauer zu unterstützen, ein starkes KI-Netzwerk in Deutschland und darüber hinaus aufzubauen.

Quo VAIdis, Europa?

Am 24. Januar nahm Fabian an der LEAM-Konferenz teil, ausgerichtet vom Deutschen KI-Verband — ein Meilenstein für nationale und europäische Bemühungen, die nächste Generation der KI zu beschleunigen. LEAM steht für Large European AI Models. Diese transformierenden Modelle haben den Punkt der natürlichen Sprachverarbeitung und -generation (NLU/NLG) erreicht und finden sich beispielsweise in ChatGPT, aber auch in DeepL Write.

„Deep Learning eignet sich sehr gut zum Clustern und Segmentieren von Daten“, erklärt Fabian. „Bildverarbeitung ist das typische Beispiel, herauszufinden, was eine Katze ist und was nicht, auf YouTube. Das ist der Haupttrend, der kam. Und darauf aufbauend hatten wir im Laufe der Jahre das, was man Transformation oder Transformator-Modelle nennt, es ist eine Mischung aus verschiedenen existierenden Formen des Deep Learning in Kombination mit anderen Technologien. Und diese Transformatormodelle gibt es, sagen wir, seit zwei bis drei Jahren. Und sie sind extrem teuer zu trainieren.“

Rückblickend argumentiert Fabian, dass wir einen weiten Weg gegangen sind — aber nicht ohne einen hohen Preis. „Vor zehn Jahren baute jede:r seine eigenen kleinen Modelle. Heute haben wir große, teure Modelle, auf denen man viel einfacher aufbauen kann. Ich habe einmal in ein Unternehmen investiert, das ein Modell entwickelte, das E-Mails beantworten konnte. Und es kostete ungefähr zwei bis drei Millionen, es zu entwickeln. Die Hälfte davon war staatlich finanziert, und die andere Hälfte war privat finanziert. Heute kann man OpenAI nutzen und darauf aufbauen, und man spart sich die ersten vier Millionen Investitionen. Allerdings hat OpenAI über eine Milliarde investiert. Und investiert derzeit etwa drei Millionen pro Tag, um das gesamte System zu betreiben.“

Aber warum ist das „E“ so wichtig? Fabian erklärt, dass eine der zentralen Diskussionen rund um KI die Frage der Kontrolle und der Investitionen ist. Die LEAM-Konferenz wurde ins Leben gerufen, um führende deutsche Unternehmen und Innovator:innen zusammenzubringen, die ein klares Konzept und einen Handlungsaufruf an die Regierung richteten: Eine Investition von 350 Millionen Euro, um ein Open-Source-Modell zu entwickeln, das allen Europäer:innen zugutekommen könnte.

„Wir wollen ein europäisches Modell haben, das nationale Modelle bauen kann und Open Source sein soll – im Gegensatz zu OpenAI (Entwickler von ChatGPT), das nicht „offen“ ist. Es sollte Integration für lokale Sprachen wie Deutsch, Niederländisch, Französisch und Schweizerdeutsch haben. So dass wir hoffentlich eines Tages ein großes europäisches Modell haben, das der Open Source-Kern für alle Unternehmen ist, um es zu monetarisieren, für Universitäten, darauf aufzubauen, sodass wir eine Vielzahl von nationalen oder speziellen Versionen von ChatGPT haben.“

Allerdings argumentiert Fabian, dass Deutschland und Europa langsame Akteure gewesen seien — und auf dem Weg sind, abgehängt zu werden.

Jetzt, erklärt er, dominieren die USA und China das KI-Feld mit ihren Modellen, wodurch die europäische Industrie und Verbraucher:innen von externen Ökosystemen abhängig sind. In den USA, argumentiert Fabian, seien die Regierung (zum Beispiel durch die militärische DARPA) und Investoren bereit gewesen, in das Feld zu investieren, ohne in den Innovationsprozess einzugreifen. „Sie finanzieren einfach im sehr grundlegenden Bereich vor und helfen daher, die Innovation zu erzeugen, lassen aber das Geld frei fließen und lassen Unternehmen wie OpenAI auf ihre eigenen Bedingungen monetarisieren.“ Die andere große KI-Macht ist natürlich China, das ebenfalls Ressourcen in die Entwicklung steckt und seine Investitionen in KI bis 2026 auf fast 27 Milliarden Dollar mehr als verdoppeln wird, vor dem beunruhigenden Hintergrund jedoch von starker staatlicher Zensur und Kontrolle solcher Technologien.

Wie viele auf der Konferenz ist Fabian frustriert über das, was er als Mangel an mutigen Investitionen und Hindernisse für Innovation in Europa identifiziert.

Er argumentiert, kritisiert, dass europäische Regierungen schwierige Bedingungen für den Markteintritt schaffen durch regulatorische Hürden, Bürokratie und einen engen staatlichen Griff auf Projekte. Er konzentriert sich insbesondere auf die deutsche Regierung und sagt, dass mehrere Milliarden Euro 2018 dem Sektor versprochen wurden — aber nie ankamen.

„Das dringend benötigte Geld kam nie im Ökosystem an. Ja, wir haben hier kleine Pilotprojekte. Ich kenne sie, sie kosten vier Millionen Euro. Sie haben einige Forschungszentren, die mit ein paar neuen Professoren aufgerüstet wurden, aber ich denke, dass etwa 1-1,5 Milliarden Euro ausgegeben wurden und der Rest verschwunden ist, einfach für andere Dinge zugewiesen.“

Ein zukünftiges Szenario?

„Unsere Regierungen, unsere juristischen Einheiten und Unternehmen werden gezwungen sein, entweder eine amerikanische Version oder eine chinesische zu verwenden oder eine weniger gute europäische.“

Ein europäischer gemeinsamer und Open Source-Streben, argumentiert Fabian, „würde viele Kopfschmerzen lösen“, indem es die Notwendigkeit beseitigt, die Forschung und Grundlagenarbeit immer wieder von Neuem zu machen, und es der KI ermöglicht, tiefer in verschiedene Branchen vorzudringen, insbesondere in kleinere Unternehmen, die keine Forschungseinheiten haben oder das Geld dafür. Insgesamt glaubt Fabian, dass ein Mentalitätswechsel notwendig ist — nicht nur, wenn es darum geht, technologische Probleme zu lösen, sondern auch soziale Wohlfahrt anzugehen. Er fordert uns auf, gute Gesundheit und zukunftssichere Bildung zu priorisieren, statt sich auf eine „Ellbogenmentalität“ und Produktivität um ihrer selbst willen zu konzentrieren.

„Wir benötigen lebenslanges Lernen, stark investieren in die Transformation all jener Menschen in Berufen, die nicht durch KI ersetzt werden — aber Automatisierung braucht neue Menschen, und sie wird andere Aufgaben ersetzen.“

Für Fabian werden Konzepte wie ein Grundeinkommen ein notwendiger Aspekt dieses Prozesses sein, da der technologische Fortschritt letztendlich die Natur von Arbeit, wie, warum und ob wir arbeiten, verändern wird.

Problem zuerst – Technologie danach

Im kommenden Jahr werden AI-Tools, die in Unternehmen integriert werden können, Lernen und manuelle Aufgaben ersetzen, die „nächste große Welle“ sein, in die Fabian investieren wird. Fabians Rat an junge Gründer:innen? „Ihr braucht Teams, die echte Probleme lösen. Kommt nicht mit Technologie und sucht dann nach einem Problem. Viele KI-Leute haben das getan, und es ist sehr schwierig. Ihr müsst eure Kund:innen oder potenziellen Kund:innen verstehen, ihre Wertschöpfungsketten und ihre Probleme, und dann geht ihr rein und sagt: ‚Hey, ich habe die Technologie.‘ Er betont auch, wie wichtig es ist, schnell zu handeln: „Entwickelt nicht etwas für zwei oder drei Jahre und geht dann auf den Markt. Ihr müsst Lösungen finden — ein ‚neues, gebrauchtes Auto‘ bauen und mit dem arbeiten, was verfügbar ist. Versucht nicht immer, die Spitze zu sein; seid einfach schneller, um Technologie anzuwenden. Ich möchte mehr Menschen sehen, die akzeptieren, was da ist und klug genug sind, ein wertvolles Geschäft daraus zu schaffen.“

Um zu lernen, wie man Probleme mit KI löst und 21. Jahrhundert-Fähigkeiten in diesem schnell wachsenden Bereich erlangt, schaue dir unseren B.Sc. in Künstliche Intelligenz & Nachhaltige Technologien an.