Felix Leber

Ready für die Kennzeichnungspflicht die ab dem 2. August gilt? Mit den neuen Transparenzpflichten aus dem EU AI Act müssen bestimmte KI-generierte oder KI-manipulierte Inhalte klar erkennbar gekennzeichnet werden. Wichtig: Es geht nicht darum, jeden KI-unterstützten Text oder jedes mit KI bearbeitete Bild pauschal zu labeln.  Relevant sind vor allem: Deepfakes Also KI-generierte oder manipulierte Bilder, Audios oder Videos, die Personen, Orte, Objekte, Ereignisse oder Organisationen so darstellen, dass sie fälschlicherweise echt wirken können. KI-generierte oder manipulierte Texte von öffentlichem Interesse Insbesondere dann, wenn sie veröffentlicht werden, um die Öffentlichkeit zu informieren, und keine menschliche Prüfung oder redaktionelle Verantwortung vorliegt. Worauf ihr jetzt achten sollten: KI-Workflows prüfen: Wo entstehen Inhalte ganz oder teilweise durch generative KI? Rollen klären: Wer ist verantwortlich für Prüfung, Freigabe und Kennzeichnung? Kennzeichnung sichtbar machen: Labels sollten klar wahrnehmbar, verständlich und möglichst direkt am Inhalt platziert sein. Ausnahmen nicht überdehnen: Kreative, satirische oder fiktionale Inhalte können anders behandelt werden, aber auch hier braucht es Transparenz in geeigneter Form. EU-Labels nutzen: Die EU stellt eigene Icons zur Kennzeichnung bereit, unter anderem für „AI-generated“ und „AI-modified“. Diese Icons sind frei verfügbar und können in SVG- oder PNG-Format genutzt werden. Die neue Kennzeichnungspflicht ist kein reines Legal-Thema. Sie betrifft Kommunikation, Marketing, Produkt, Redaktion und Brand Trust gleichermaßen. Wer KI-Inhalte transparent macht, reduziert nicht nur regulatorische Risiken, sondern stärkt auch Vertrauen. Jetzt ist der richtige Zeitpunkt, interne Guidelines, Freigabeprozesse und Content-Templates anzupassen. Nutzt ihr eure eigenen Labels oder greift ihr auf die von der EU zurück?

Am Freitag durfte ich im Clubhouse der KI-Allianz Baden-Württemberg einen Impulsvortrag halten. Meine These: Wenn KI für jeden dieselben Bilder und Texte macht, fällt ein Vorteil weg, der jahrzehntelang galt. Ein teurer Imagefilm war immer ein unterbewusstes Signal: Diese Marke kann sich was leisten. Aber heutzutage kann jeder ein cleanes Bild prompten und Videos mit KI generieren. Aber was bleibt dann von der Marke? Und wie bleibt man trotzdem relevant? Ich hab versucht, das in eine Formel zu packen. Drei Dimensionen: 𝐓𝐢𝐦𝐢𝐧𝐠: Hier funktioniert KI hervorragend. Trends in Sekunden analysieren, Asset bauen, raus damit. 𝐑𝐞𝐜𝐨𝐠𝐧𝐢𝐭𝐢𝐨𝐧: Damit sich die Marke im Output wiederfindet, brauchen wir präzise Guidelines und eine funktionierende QA-Pipeline. Es bringt uns nichts wenn wir 1000 Assets generieren aber die Marke nicht erkennbar ist. 𝐒𝐭𝐚𝐤𝐞: Der schwierigste Teil. Es muss etwas auf dem Spiel stehen. Eine Story. Red Bull macht vor wie das geht. Hier steht immer etwas auf dem Spiel. Die Bildqualität ist dabei völlig egal. Im Kontrast dazu die letzten beiden Coca-Cola-Spots: Sie waren teuer produziert und trotzdem egal, weil keine Story dahinter stand. Stake kann man nicht generieren. Den muss man sich erarbeiten Mein Take: Wir müssen nicht in jeder Dimension gewinnen, aber auf jeder ein Mindestmaß erreichen. Wir brauchen eine Story die bewegt und ein System um die Marke erkennbar zu machen. Das Produktionsmittel ist am Ende egal. Die Wirkung nicht. Danke an Ina Theis, Anna Friederike Steiff und Samira Djidjeh für die Organisation. 🙏

A few days ago, reported OpenAI financials gave us a look inside the economics of the AI race. Most people focused on the losses: around $21 billion operating loss on $13 billion revenue in 2025. But the number I find even more interesting is this one: $5.73 billion in sales & marketing. In absolute terms, that puts OpenAI in the same ballpark as one of the most iconic marketing machines in the world: Coca-Cola, which spent around $5.4 billion on advertising in 2025. Of course, the comparison is not perfect. Coca-Cola’s number is advertising. OpenAI’s is sales & marketing, so it likely includes sales teams, enterprise acquisition, partnerships, performance marketing, and brand-building. But that’s exactly what makes it interesting. For years, the narrative around OpenAI was: the product is so good, growth is almost inevitable. The financials suggest something more familiar: Even the most hyped technology company in the world still has to buy attention, build trust, acquire customers, and defend its brand. AI may change how marketing is made. But it does not seem to remove the need for marketing.

Ein toxischer Crypto Bro, Todoist und Claude Code: Angefangen hat alles mit dem Beta-Zugang zu OpenAI. Ich hatte die Idee, Content zu automatisieren, und habe einen Twitter-Bot namens Jess gebaut. Der Algorithmus war eigentlich simpel. Ich hatte eine Liste an Content Creators, die ich ganz gut fand und die auf Twitter erfolgreich waren. Der Bot hat stündlich die letzten Posts gescraped und getrackt, welche davon viral gegangen sind. Diese Posts habe ich als Input in das damals winzige Context Window (2048 Tokens!!!) gepackt. Das Resultat: Der Bot war massiv toxisch, der Content nur wertloser Clickbait, und irgendwie war ziemlich viel Crypto dabei. Aus Angst, aus dem Beta-Programm zu fliegen, habe ich nach ein paar Tagen alles gelöscht und die Idee auf Eis gelegt. Danach habe ich die gleiche Idee noch ungefähr zehnmal gebaut. Dieses Content-Automatisierungs-Thema ist wahrscheinlich auch einer der Gründe warum ich bein JvM bin. Aber ich war immer unzufrieden mit den Vorschlägen. Mal habe ich Research eingebaut, mal RSS-Feeds als Input, mal n8n, mal Python, mal JavaScript. Das eigentliche Problem hatte ich aber immer verfehlt: Keiner will automatisierten Content. Ja, ich weiß, einige von euch haben ihren Content komplett automatisiert. Aber die Leser erkennen das. Keiner will das wirklich lesen. Mag sein, dass es trotzdem Follower und Likes bringt. Personal Branding ist es aber nicht. Ich will auch kein News-Outlet sein. Hab ich versucht, macht mir keinen Spaß. RSS-Feeds angebunden, Content daraus generieren lassen. Bringt ein paar Clicks, mehr aber auch nicht. Was ich wirklich will: eigene Meinung und eigene Erfahrungen teilen. Und am liebsten hätte ich ein eigenes (menschliches??) Content-Team, das das Zeug in einen Kalender einsortiert, mir sagt was gut und was schlecht war, und ein paar unglückliche Formatierungen geradezieht. Aber das wäre (bei mir) anmaßend. Also habe ich die letzten Tage viel mit Agents herumexperimentiert. Nur Tools, die ich eh jeden Tag benutze (Todoist, Claude Code und GitHub). Und einen Bot gebaut, der nicht skaliert und für niemanden außer mir funktioniert. Kein SaaS, keine App, kein nichts. Den habe ich so lange verbessert, bis ich zufrieden war. Ich tracke lose meine Ideen, der Bot reichert die Ideen mit Fakten an und trägt sie mir in einen Content Kalender ein. Wenn was unklar ist wird nachgefragt. Ich kann jederzeit "Verbesserungsvorschläge" für den Prozess einreichen und der Agent passt sich an. Am Ende ist es dann doch eine App geworden (RAFT) mit wahrscheinlich der schlechtesten Infrastruktur, die ich je gebaut habe. Sie skaliert nicht über einen einzigen User hinaus. Aber das Content-Team von oben? Das habe ich jetzt. Es ist nur für genau eine Person gebaut. Ende der Woche gibts nochmal einen Post wie die Infrastruktur genau aussieht.

Anthropic hat Fable 5 und Mythos 5 gestern Abend für alle abgeschaltet. Das US-Handelsministerium hat per Exportkontrolle verfügt, dass kein ausländischer Staatsbürger mehr Zugriff haben darf. Genau deshalb brauchen wir europäische KI-Infrastruktur. 🇪🇺

„Es ist 5 Monate her, seit ich das letzte Mal selbst Code geschrieben habe." Das Zitat stammt aus einem neuen Text des Anthropic Institute über recursive self-improvement. Ich habe ähnliche Erfahrungen. Über 80 % des Codes, der bei Anthropic in Produktion geht, schreibt inzwischen Claude. Vor dem Launch von Claude Code Anfang 2025 war das im einstelligen Prozentbereich. Pro Engineer wird 8x so viel Code gemerged wie 2024. Sie sagen selbst dazu, dass „lines of code" eine schlechte Metrik ist. Die Kurve zeigt trotzdem eindeutig in eine Richtung. Spannend finde ich aber nicht nur die Produktivitätszahl sondern auch was danach passiert. Wenn das Schreiben fast nichts mehr kostet, wandert der Engpass woanders hin. Bei Anthropic ist es das Code-Review geworden denn Menschen kommen mit dem Prüfen nicht mehr hinterher. Sie zitieren sich dafür selbst mit Amdahls Gesetz "Du beschleunigst einen Teil, und der langsamste Rest bestimmt am Ende das Tempo." Aber was bleibt für uns? Laut Text: zu entscheiden, welches Problem überhaupt wert ist, gelöst zu werden. Welchem Ergebnis man trauen kann. Wann ein Weg eine Sackgasse ist. https://lnkd.in/eCUFSrsP