Was bedeutet es, wenn wir uns von einer Risikogesellschaft zu einer Bedrohungsgesellschaft entwickeln?

Image by Gerd Altmann from Pixabay

In dem von Ulrich Beck 1986 veröffentlichten Buch Risikogesellschaft. Auf dem Weg in eine andere Moderne ging es dem Autor darum aufzuzeigen, dass die Gesellschaft lernen muss, die den von ihr selbst verursachten Technologiefolgen zu bewältigen. Dabei handelt es sich nicht mehr um eine einfache Modernisierung, sondern um eine Reflexive Modernisierung, was einen Strukturbruch bedeutet. Dazu sollen zunächst wichtige Begriffe geklärt werden:

Gefahr: antizipierte Verluste, denen keine Handlungsintention zugeschrieben wird (etwa ein Meteoriteneinschlag).
Risiko: ein antizipierter Verlust als Nebenfolge einer als positiv bewerteten Handlungsabsicht (etwa Investitionsrisiken).
Bedrohung: ein antizipierter Verlust, der einer negativen Handlungsintention zugeschrieben wird (etwa ein Überfall).

Quelle: Golka, P. in Gesellschaftsforschung 1/2026, Max-Planck-Institut für Gesellschaftsforschung

Wenn es um die Risiken nach Beck geht, geht es auch um die Frage nach komplexen Problemlösungen auf verschiedenen Ebenen einer Gesellschaft. Es hier ist also eher ein positives Umgehen mit der Situation gemeint, wobei alle in den Prozess mit einbezogen werden.

In der Zwischenzeit interpretieren allerdings viele Einzelpersonen, Gruppen, Organisationen, Unternehmen, öffentliche Verwaltungen und ganze Gesellschaften den Begriff „Risiken“ als „Bedrohungen“ um , was fundamental Änderungen im Umgang miteinander zur Folge hat, da dadurch bewusst Ausgrenzungen angestrebt werden. Dabei werden Fakten bewusst übertrieben oder auch bewusst falsch dargestellt, wobei den Initiatoren die sehr geringe Aufmerksamkeitspanne von Usern in den Medien zu Gute kommt. Das Ergebnis:

Ausgrenzung wird in der Bedrohungs-Logik als Täter-Opfer-Beziehung dargestellt.

„Materielle Risiken dienen primär als Mittel, um eine Täter-Opfer-Beziehung zu konstruieren, und nicht als Ausgangspunkt für die Suche nach Lösungen. Dies wirft die Frage auf, ob und inwiefern gegenwärtige Gesellschaften zunehmend durch eine solche Bedrohungslogik strukturiert werden – wir uns also von einer Risiko- in eine Bedrohungsgesellschaft entwickeln“ (Golka, P. in Gesellschaftsforschung 1/2026, Max-Planck-Instituts für Gesellschaftsforschung).

Achten Sie doch bitte einmal darauf, wie oft Begriffe wie „Bedrohung“, „bedroht“ usw. in den Medien vorkommen. In meinem Blog-Beitrag Der Droh-Journalismus geht mir auf die Nerven vom 10.03.2009 habe ich das schon einmal anhand von Beispielen deutlich gemacht. Geändert hat sich bis heute nichts – im Gegenteil.

Dennoch kann jeder versuchen, sich die Zusammenhänge selbst und anderen klar zu machen, und das Vokabular der Bedrohungslogik nicht zu verwenden.

Siehe dazu auch Freund, R. (2011): Das Konzept der Multiplen Kompetenz auf den Ebenen Individuum, Gruppe, Organisation und Netzwerk.

Künstliche Intelligenz: Mistrals Chatbot „Le Chat“ heißt jetzt „Vibe“ und bietet neue Möglichkeiten

Screenshot meines Logins beim Chatbot Mistral Vibe

Über das französische Start-up Mistral AI als Alternative zu den bekannten proprietären Closed KI-Modellen der amerikanischen Tech-Konzerne habe ich schon mehrfach geschrieben (Beiträge). Erstaunlich dabei ist, dass Mistral AI mit seinen Modellen in der Zwischenzeit durchaus wettbewerbsfähig ist. Siehe dazu Open Source AI holt auf – das Beispiel MISTRAL AI (AI Report 2026). Wer die Mistral-KI-Modelle nicht über die Mistral-Cloud nutzen möchte, kann in der Zwischenzeit auch eine entsprechende App auf dem eigenen Laptop installieren (Blogbeitrag).

Besonders überzeugt hat uns auch der von Mistral AI veröffentlichte Chatbot mit dem Namen „Le Chat“, den wir schon ausgiebig genutzt haben. Zunächst in der freien Version (ohne Anmeldung) und später mit einem Login-Zugang. Dort können wir Chats speichern und Projekte sowie Workflows und Agenten anlegen.

Nun hat Mistral den Chatbot „Le Chat“ in „Vibes“ integriert – der Name „Vibes“ war zunächst für Agentic Coding gedacht, Die Einbindung des Chatbots „Le Chat“ in „Vibes“ bietet dadurch neue Möglichkeiten.

„Mistral hat auf dem hauseigenen AI Now Summit mehrere Neuerungen vorgestellt. Der Chatbot Le Chat heißt jetzt Vibe und verbindet agentische Fähigkeiten mit Funktionen für Softwareentwicklung“(heise online, 29.05.2026).

Auf der internationalen Konferenz MCP 2026, die vom 16.-19.09.2026 in Balatonfüred, (Ungarn) stattfindet, werde ich in meinen beiden Papern auch auf Mistral AI eingehen:

Digital Sovereignty and Open-Source AI: The European Way for Innovative SMEs

Open-Source AI for Open User Innovation: Designing a Personal Fabrication Framework

Flexicurity: Flexibel und sicher – geht das?

in vielen gesellschaftlichen Bereichen haben wir in der Zwischenzeit gelernt, dass es iheute nicht mehr darauf ankommt zu fragen, ob das eine oder das andere richtig ist. Es kommt eher darauf an, zwei (oder mehr) Dimensionen hybrid zu verbinden, und dadurch etwas Neues zu kreieren. Das ist bei der Hybriden Wettbewerbsstrategie Mass Customization, beim Hybriden Projektmanagement, beim Hybriden Innovationsmanagement, bei Hybrider Arbeit usw. usw. Siehe dazu auch meine Blogbeiträge zu dem Begriff „Hybrid„.

Wenn es um Arbeitsplätze geht, werden in den Diskussionen oft zwei Pole gegeneinander ausgespielt. Auf der einen Seite sollen Arbeitsplätze flexibel sein, um Arbeit an die schnell wechselnden Rahmenbedingungen anpassen zu können. Andererseits sollen die Arbeitsplätze relativ sicher sein, damit private Planung auf einer gesunden Basis erstellt werden können.

Die beiden Begriffe „flexibel“ oder „sicher“ scheinen sich gegenseitig auszuschließen. Dass dem nicht so ist, hat beispielsweise Dänemark gezeigt. Das Vorgehen wurde Flexicurity (Wikipedia) genannt, also eine Kombination aus Flexibilty und Security. Der Begriff geht wohl auf den niederländischen Soziologen Hans Adriaansens zurück (ebd.). Wieder ist es ein Soziologe, der es geschafft hat, komplexe Zusammenhänge in ein Konzept zu bringen.

„Europe doesn’t need to become America. It needs to stop discouraging risk“ (Coste, 2026)

„Es ist nicht genug, zu wissen, man muss auch anwenden; es ist nicht genug, zu wollen, man muss auch tun“ (Johann Wolfgang von Goethe aus dem Roman Wilhelm Meisters Wanderjahre).

Lünendonk®-Studie (2026): Digitale Souveränität – Vom Risiko zur Resilienz

https://www.luenendonk.de/produkt/luenendonk-studie-2026-digitale-souveraenitaet-vom-risiko-zur-resilienz/

Es wird immer deutlicher, dass Digitale Souveränität für Europa immer wichtiger wird. Die Lünendonk®-Studie 2026 hat das wieder einmal deutlich gezeigt.

„Digitale Souveränität ist kein abstraktes Leitbild mehr – sie hat sich zu einem zentralen Wettbewerbsfaktor mit klar messbarem Business Impact entwickelt. 2026 steht Europa an einem digitalen Wendepunkt“ (Lünendonk®-Studie 2026).

Die Ergebnisse sind eindeutig: 96% der Befragten erwarten, dass Digitale Souveränität auch bei einer Entspannung der geopolitischen Lage ein zentrales Thema bleibt.

Wenn dem so ist, stehen Unternehmen vor der Frage, wie eine Digitale Souveränität erreicht werden kann. In vielen Beiträgen, und auf dieser Seite habe ich dazu konkrete Schritte aufgezeigt.

Auf der internationalen Konferenz MCP 2026, die vom 16.-19.09.2026 in Balatonfürde, Ungarn stattfindet, werde ich ein Paper zum Thema vorstellen:

Digital Sovereignty and Open-Source AI: The European Way for Innovative SMEs

Künstliche Intelligenz: Wie kann man Mistral-Modelle auf „Heim-Hardware“ betreiben?

https://mistral.ai/news/mistral-3

Mistral AI ist ein französisches Unternehmen, das eine Modellfamilie veröffentlicht, die europäischen Anforderungen an KI-Modelle entspricht, und Open Source verfügbar ist. (Open Models) Die Leistungsfähigkeit von den Mistral- Modellen nähert sich den Cloud AI Modellen (Closed Models) wie ChatGPT, Gemini etc. an (Open Source AI holt auf). Mit Le Chat gibt es auch eine europäische Alternative zu ChatGPT.

Mistral-Modelle können bei Mistral selbst, also auf in deren Cloud, getestet werden. Darüber hinaus ist es auch möglich, die Modelle über Hugging Face herunterzuladen und auf dem eigenen Server zu nutzen, z.B. mit LocalAI.

Der Trend zu immer kleineren, speziellen und leistungsstarken Modellen (SLM: Small Language Models) macht es immer attraktiver, solche Modelle auf dem eigenen Laptop, also auf „Heim-Hardware„, zu nutzen. Das ist u.a. auch mit Mistral möglich. Wie genau, wird in dem folgenden Artikel gut beschrieben:

Simon, A, (2026) How to run Mistral locally. Available from: https://getdeploying.com/guides/local-mistral

Es ist auch möglich, Mistral über die lokal installierte App von Ollama zu nutzen. Siehe dazu Open Source Modelle mit der Ollama-App auf dem eigenen Desktop.

Künstliche Intelligenz als Freund, Mentor oder romantischer Partner?

Künstliche Intelligenz (GenAI) kann in der Zwischenzeit viele traditionelle Tätigkeiten oder Abläufe optimieren und ersetzen. Bei der Interaktion mit KI-Modellen passt sich diese immer stärker an die Anforderungen des Nutzers an.

Künstliche Intelligenz verstärkt durch diese Personalisierung allerdings – oft unbemerkt vom Nutzer – Schmeicheleien (Blogbeitrag). Es wundert daher nicht, dass KI immer mehr als Compagnon wahrgenommen wird, der möglicherweise als angenehmer empfunden wird, als andere Menschen. Es kommt bei dieser Entwicklung zu einer Art Transformation von den eher funktionsorientierten Nutzung der KI, hin zum Aufbau von einer Art „Beziehung“.

„AI companions differ from traditional task-oriented AI by prioritizing relationship building over functionality (Zhang and Lu, 2023; Zhang et al., 2025). Modern systems incorporate memory of past interactions, can recognize emotion, and adapt their responses to individual users’ needs (Yang et al., 2025). Platforms like Replika, Character.ai, and XiaoICE have attracted user bases in the millions. Many users have reported forming emotional attachments to their AI companions, viewing them as friends, mentors, or romantic partners (Zhang et al., 2024; Kouros et al., 2024)“ (The AI Index 2026 Annual Report).

Einerseits ist also die Anpassung an die persönlichen Bedürfnisse eine positive Entwicklung, andererseits kann es über den Weg der (unbemerkten) Schmeicheleien einen Lock-in geben, aus dem die jeweiligen Nutzer selbst nicht mehr herauskommen. Diese sich dann entwickelnde Pfadabhängigkeit ist aus der Innovationsforschung bekannt.

Beyer (2005) weist allerdings in seinem Beitrag darauf hin, dass es auch dazu kommen kann, dass „Akteure jeweils einen Schlüssel finden können, um das Schloss wieder aufzuschließen“.

Beyer, J. (2005): Pfadabhängigkeit ist nicht gleich Pfadabhängigkeit! Wider den impliziten Konservatismus eines gängigen Konzepts, in Zeitschrift für Soziologie, Jg. 34, Heft 1, Februar 2005, S. 5–21 | PDF

Wirtschaftlichkeit von KI-Agenten: Warum kommt es bei den Token-Kosten oft zu regelrechten Abrechnungsschocks?

Bei der Nutzung von Künstlicher Intelligenz kommt es immer stärker darauf an, KI-Agenten sinnvoll und effizient einzusetzen. Dabei geht es oft auch darum zu wissen, welche Token-Kosten bei der Nutzung von KI-Agenten anfallen.

Bei der Abrechnung auf Basis von Tokens geht es um die Menge verarbeiteter Textbausteine (Tokens), die sich Modelle wie GPT-4 oder Gemini gut bezahlen lassen. Dabei kommt es allerdings oftmals zu starken Schwankungen, und zu regelrechten Abrechnungsschocks.

In einer Studie haben Forscher nun untersucht, inwiefern KI-Agenten bei Codierungs-Aufgaben (coding tasks) in der Lage sind, vor Start des Tasks die Kosten für die benötigten Tokens vorherzusagen. Immerhin wäre eine gut abschätzbare, und somit im voraus gut planbare, Anzahl von Tokens für die wirtschaftliche Bewertung von coding tasks von großer Bedeutung. Eine aktuelle Studie belegt allerdings sehr ausführlich, dass KI-Agenten dazu nicht in der Lage sind:

Agents are not capable of predicting their own token costs. This is the fundamental bottleneck for result-based pricing for agents.  You can’t really price the agent well unless you can figure out the cost, but now you only see the token costs after everything is done” (Bai, L. et al. (2026) https://arxiv.org/abs/2604.22750).

Man wird also erst nachdem alles erledigt ist wissen, was alles gekostet hat (in Token-Kosten). In dem genannten Paper sind noch viele weitere Detail zu finden.

Gerade Kleine und Mittlere Unternehmen (KMU), die stark auf ihre Kosten achten müssen, können die Ergebnisse der Studie eine gute Basis für die wirtschaftliche Nutzung von KI-Agenten sein.

Open Innovation: Chesbrough 2026 Festschrift

https://www.chesbrough2026.com/home/Conference

Im April fand in Rom eine Konferenz für Henry Chesbrough statt, um das Werk des Forschers zu seinem 70. Geburtstag zu ehren. Chesbrough hat mit seinem Ansatz eines eher offenen Innovationsprozesses (Open Innovation) in Organisationen, und auch in Forschungsbereichen viel bewirkt.

Enge Mitstreiter haben sich daher in Rom zusammengefunden, auch um Paper zum Thema und zur Person vorzustellen, die in den nächsten Monaten veröffentlicht werden sollen.

„The April 2026 event is thus organized as a paper development workshop in three tracks: for the CMR special issue, the ICC special section, or the R&D Mgmt special issue“ (ebd.).

Ich bin sehr auf die verschiedenen Veröffentlichungen gespannt, denn ich habe den Weg von Henry Chesbrough in den letzten Jahren intensiv verfolgt.

Beispielsweise habe ich Henry Chesbrough schon auf dem MCPC 2011: 6th Worldcongress on Mass Customization, Personalization and Co-Creation, UC Berkeley, San Francisco, USA (Blogbeitrag) live erlebt.

Es war auch für mich inspirierend zu sehen, wie die Öffnung des Innovationsprozesses (Open Innovation) in Organisationen entwickelt werden kann, und was es für die Organisationen und für deren Kunden bedeutet. In der Zwischenzeit gibt es in allen Bereichen Beispiele für die den erfolgreichen Einsatz von Open Innovation – auch in Zeiten Künstlicher Intelligenz.

In einem meiner beiden Paper, die für die MCP 2026, 16.-19.09.2026, Balatonfüred, Ungarn angenommen wurde, gehe ich auch auf Open Innovation ein. Allerdings betrachte ich hier eher die Perspektive von Eric von Hippel, der Open User Innovation favorisiert.

Künstliche Intelligenz: Enormer Ressourcenverbrauch großer KI-Modelle

Image by Jonathan Hammond from Pixabay

Wenn es um Künstliche Intelligenz geht, lesen wir in letzter Zeit immer häufiger, dass für die großen KI-Modelle „unbedingt“ größere Rechenzentren benötigt werden. Dafür wurden auch schon hohe Milliarden-Beträge auf dem Kapitalmarkt eingesammelt. Es scheint hier kein Limit zu geben.

Andererseits stehen allerdings auch Fragen zu den dafür benötigten Ressourcen im Raum. In einer modernen Welt geht es nicht mehr alleine um die Bedürfnisse von Tech-Konzernen, sondern auch darum, eine lebenswerte Umwelt zu erhalten. In dem Zusammenhang geht es somit auch um den CO2-Verbauch und um den Bedarf an Wasser. Dazu findet man im Aktuellen AI Report folgendes:

„AI’s environmental footprint is expanding alongside its capabilities. Grok 4’s estimated training emissions reached 72,816 tons of CO2 equivalent. AI data center power capacity rose to 29.6 GW, comparable to New York state at peak demand, and annual GPT-4o inference water use alone may exceed the drinking water needs of 12 million people“ (AI Report 2026).

Es ist schon erstaunlich, welche Ressourcen die hier genannten KI-Modelle verschlingen. Dabei streben die großen KI-Systeme eine übergreifende Art von Intelligenz an: Artificial General Intelligence (AGI), die der menschlichen Intelligenz weit überlegen sein soll. Betrachten wir daher einmal, wie viel Energie ein Mensch für eine komplexe Problemlösung benötigt:

„Das menschliche Gehirn leistet vieles, was Maschinen überfordert – und das mit minimalem Energieverbrauch. Im Durchschnitt verbraucht es nur etwa 20 Watt, so viel wie eine schwache Glühbirne“ Knees (2025): Wie Forscher die Tech-Konzerne entmachten wollen, in Handelsblatt vom 11.10.2025.

„Unser Gehirn benötigt für hochkomplexe Informationsübertragungen und -verarbeitungen weniger Energie als eine 30-Watt-Glühbirne“ (Prof. Dr. Amunts).

Es wird deutlich, dass der Energieverbrauch der großen Tech-KI-Modelle weniger intelligent ist, als man es uns weismachen möchte. Es wundert daher nicht, dass die Entwicklung immer größerer Modelle (Large Language Models) infrage gestellt wird.

Forscher sind aktuell auf der Suche nach Modellen, die ganz anders aufgebaut sind und nur einen Bruchteil der aktuell benötigten Energie verbrauchen. Gerade in China gibt es dazu schon deutliche Entwicklungen. Auch in Deutschland befassen sich Forscher mit dem Thema neuroinspirierte Technologien.

WDR 5 Quarks Podcast zu Maßanfertigung für Massen

Über Mass Customization habe ich schon sehr viele Beiträge veröffentlicht. Darin wird deutlich, wie diese hybride Wettbewerbsstrategie in den verschiedenen Branchen schon oft umgesetzt wurde. Siehe dazu auch Freund, R. (2009): Kundenindividuelle Massenproduktion (Mass Customization). RKW Kompetenzzentrum, Faktenblatt 5/2009.

Auf der Produktionsseite sind daher schon fast alle Prozesse digitalisiert, sodass die meisten Produkte schon heute ohne großen Aufwand individualisiert werden können. Auf der Kundenseite haben die vielen Konfiguratoren manchmal mehr Verwirrung gestiftet, als dass es für die Kunden nützlich war.

Interessant ist, dass Mass Customization and Personalization durch Künstliche Intelligenz wieder eine Art Revival erlebt.

Einer der führenden Innovationsforscher, Prof. Dr. Frank Piller von der RWTH Aachen, hat nun in einem Podcast mit der Sendung WDR Quarks – Wissenschaft und mehr, Mass Customization, und die neuen Möglichkeiten durch Künstliche Intelligenz, erläutert. Das Gespräch ist in dem Podcast bis Minute 34:26 zu hören.

Maßanfertigung für Massen
WDR 5 Quarks – Wissenschaft und mehr 07.04.2026 01:20:01 Std. 

Es freut mich, dass Mass Customization nicht nur in der Forschung, sondern auch im allgemeinen Bewusstsein der Kunden wieder thematisiert wird.

Aktuelle Entwicklungen werden auf der von mir initiierten Konferenz Mass Customization and Personalization MCP 2026, vom 16.-19.09.2026 in Balatonfüred, Ungarn, vorgestellt.