Edge AI, lokale KI-Modelle und Big-Tech-Earnings stehen im Mittelpunkt dieser Folge von „KI und Tech to Go – Der Praxis-Pitch“. Yusuf Sar und Christian Kunz sprechen darüber, warum KI zunehmend vom Rechenzentrum auf Endgeräte, Browser, Smartphones und industrielle Produktionsumgebungen wandert – und warum das für Unternehmen strategisch wichtiger werden könnte als der nächste Modell-Hype.
Zum Einstieg geht es um eine kontroverse Chrome-Diskussion: Warum lädt Google offenbar große Modell-Dateien wie „weights.bin“ auf lokale Geräte? Ist das nur Vorbereitung für nützliche On-Device-KI – oder ein Vorgeschmack auf verteilte KI-Auswertung direkt beim Nutzer? Daraus entsteht eine größere Debatte über Datenschutz, Energieverbrauch, Edge Computing und die Frage, wie viel Kontrolle Nutzer wirklich über KI-Funktionen in ihren Tools haben.
Danach schauen Yusuf und Christian auf neue KI-Modelle wie Nvidia Nemotron 3 Nano Omni und IBM Granite 4.1. Besonders spannend: Beide stehen für einen Trend zu effizienteren, lokal oder enterprise-nah einsetzbaren Modellen. Gleichzeitig zeigen die Big-Tech-Earnings von Microsoft, Alphabet und Amazon, wie massiv KI-Infrastruktur, Cloud-Wachstum und CapEx-Investitionen inzwischen die Bewertung der großen Plattformen prägen.
Im Schwerpunkt geht es um Europas Chance bei Industrial AI: Fertigung, Edge AI, Predictive Maintenance, digitale Zwillinge, Qualitätskontrolle und KI direkt in Produktionsprozessen. Die These der Folge: Europa muss nicht zwingend das nächste globale Consumer-KI-Modell bauen. Die größere Chance könnte darin liegen, KI dort produktiv zu machen, wo Latenz, Datenschutz, Verfügbarkeit und industrielle Prozessqualität entscheidend sind. ⚙️