KI-News für den Mittelstand

Eine neue Generation von KI-Modellen stellt die etablierten Sicherheitskonzepte fundamental infrage. Wie das IT-Magazin InfoWorld kürzlich aufdeckte, können sogenannte "abliterierte"

Large Language Models die von Anbietern wie OpenAI (GPT) oder Anthropic (Claude) fest einprogrammierten Schutzmechanismen vollständig umgehen. Während diese unzensierten Werkzeuge im Verborgenen an Bedeutung gewinnen, investieren globale Wettbewerber massiv in ihre eigenen, kontrollierten Systeme. So sicherte sich das chinesische KI-Startup Zhipu laut Berichten von TechNode erst kürzlich über 140 Millionen US-Dollar an frischem Kapital für die Weiterentwicklung seines hauseigenen GLM-Modells.

Diese Entwicklung ist eine direkte Reaktion auf die strengen Nutzungsrichtlinien der marktführenden KI-Anbieter. Kritiker bezeichnen deren implementierte

Sicherheitsfilter oft als "Safety Theater", da sie primär der Absicherung der Hersteller vor Haftungsansprüchen dienen und nicht zwangsläufig die Sicherheit erhöhen. Hier setzt die sogenannte

Abliteration an: ein technisches Verfahren, das die Weigerungs- und Zensurmechanismen eines KI-Modells gezielt identifiziert und chirurgisch entfernt. Das Ergebnis ist ein Modell, das auch auf heikle Anfragen antwortet. Diese Werkzeuge verdeutlichen das klassische Dual-Use-Dilemma: Sie bergen Missbrauchspotenzial, sind aber gleichzeitig für legitime Zwecke wie die fortgeschrittene Sicherheitsforschung und das Testen eigener Systeme unerlässlich.

Was bedeutet das konkret fuer Ihren Betrieb?
Die strikten Leitplanken kommerzieller KI-Systeme schaffen eine gefährliche Asymmetrie im Bereich der

KI-Sicherheit. Während Ihr Unternehmen auf die "sicheren" und gefilterten Versionen von ChatGPT oder Claude setzt, nutzen professionelle Angreifer bereits heute unzensierte Modelle, um Schwachstellen zu finden, schadhaften Code zu optimieren oder überzeugende Social-Engineering-Angriffe vorzubereiten. Für Ihre eigene IT-Abteilung wird es damit zunehmend schwierig, realistische Bedrohungsszenarien zu simulieren und die eigene Abwehr zu härten. Effektive

Penetrationstests, bei denen die eigene Infrastruktur auf Herz und Nieren geprüft wird, sind mit Standard-LLMs kaum durchführbar, da diese sich konsequent weigern, potenziell schädlichen Code zu generieren oder Systemlücken detailliert zu analysieren. Dies kann zu einem trügerischen Sicherheitsgefühl führen.

Diese neue Realität darf von Entscheidern im Mittelstand nicht ignoriert werden, da sie die Grundlage der digitalen Verteidigungsstrategie berührt. Der entscheidende nächste Schritt ist das proaktive Gespräch mit Ihrer IT-Sicherheitsabteilung oder Ihrem externen Dienstleister. Klären Sie, ob das Team die Existenz und die Fähigkeiten dieser unzensierten Werkzeuge kennt und ob die eigenen Testverfahren ausreichen, um Ihr Unternehmen gegen die damit möglichen Angriffsvektoren zu schützen. Es geht darum sicherzustellen, dass die eigene Verteidigung mit den gleichen scharfen Waffen getestet wird, die auch der Gegenseite zur Verfügung stehen.

NVIDIA hat die Einführung von

NVIDIA Cosmos angekündigt, einer Plattform zur Entwicklung von sogenannten "Physical AI Foundation Models". Wie das Technologieunternehmen in seinem Entwickler-Blog berichtet, sollen diese Modelle die Entwicklung intelligenter Roboter und autonomer Systeme entscheidend voranbringen. Ziel ist es, die Lücke zwischen digitaler Simulation und physischer Realität zu schliessen, indem KI ein tiefes Verständnis für die Dynamik der realen Welt erlernt und Vorhersagen über physikalische Interaktionen treffen kann.

Der Vorstoss in die

Physische KI markiert einen wichtigen Schritt über traditionelle KI-Ansätze hinaus, die primär auf Sprach- oder Bilddaten trainiert sind. Diese neuen

Foundation Models werden darauf trainiert, physikalische Gesetze zu verstehen und Aktionen in der realen Welt vorherzusagen. Dies ist insbesondere für die Weiterentwicklung von

autonomen Fahrzeugen und komplexen Robotiksystemen entscheidend, da diese zuverlässig auf unvorhersehbare Bedingungen reagieren müssen. Die grosse Herausforderung war bisher die Beschaffung von Trainingsdaten. Die Basis für Cosmos bilden daher hochpräzise digitale Zwillingsumgebungen, in denen riesige Mengen an synthetischen, aber physikalisch korrekten

Sensordaten generiert werden können, ohne auf teure und riskante Testfahrten in der realen Welt angewiesen zu sein.




Was bedeutet das konkret für Ihren Betrieb?
Auch wenn Ihr Unternehmen keine Robotaxis entwickelt, ist die zugrundeliegende Technologie relevant. Die Möglichkeit, reale Prozesse in einer präzisen

Simulation zu testen, eröffnet Effizienzpotenziale in Logistik, Produktion und Qualitätssicherung. Stellen Sie sich vor, Sie könnten die Optimierung Ihrer Lagerlogistik mit autonomen Robotern oder die Einführung einer neuen Fertigungslinie komplett virtuell durchspielen und validieren, bevor Sie in teure Hardware investieren. Selbst im Produktdesign lassen sich Materialien und Belastungen unter realen Bedingungen testen. Solche fortschrittlichen

KI-Modelle senken das Implementierungsrisiko, verkürzen Entwicklungszeiten und beschleunigen Innovationszyklen erheblich.

Für Mittelständler bedeutet dies, die eigenen Prozesse auf Potenziale für digitale Zwillinge und Simulationen zu überprüfen. Der nächste Schritt ist nicht der sofortige Einsatz einer komplexen Plattform, sondern die strategische Analyse, in welchen Unternehmensbereichen – von der Produktentwicklung über die Mitarbeiterschulung bis zur Logistik – virtuelle Tests und Optimierungen den grössten Mehrwert schaffen könnten. Die Auseinandersetzung mit diesen Werkzeugen und die Planung erster kleiner Pilotprojekte bereitet Ihr Unternehmen auf die nächste Welle der industriellen Automatisierung vor.

Christian Kleinerman, Produktvorstand bei Snowflake, hat in einer aktuellen Folge des Podcasts CXOTalk (#903) eine klare Botschaft an Unternehmen gesendet: Die meisten sind für den Einsatz von Agentischer KI noch nicht gerüstet. Laut Kleinerman, der auf 25 Jahre Erfahrung in der Branche zurückblickt, fehlt es oft an der entscheidenden Basis für diese Technologie. Seine Einschätzung ist besonders relevant, da Snowflake selbst massiv in KI investiert und, wie das Unternehmen kürzlich bekannt gab, Modelle von Partnern wie OpenAI und Anthropic direkt auf seiner Datenplattform Cortex AI integriert.

Der aktuelle Technologietrend bewegt sich von reinen Assistenzsystemen hin zu autonom agierenden KI-Agenten.

Agentische KI bezeichnet dabei Systeme, die nicht nur auf Befehle reagieren, sondern selbstständig Ziele verfolgen, Pläne entwickeln und mehrstufige Aufgaben ausführen. Diese Fähigkeit, eigenverantwortlich zu handeln, stellt jedoch extreme Anforderungen an die zugrundeliegende

Datengrundlage. Wie Kleinerman ausführt, können die Agenten nur so gut sein wie die Daten, mit denen sie arbeiten. Eine zentrale

Datenplattform, die saubere, strukturierte und aktuelle Informationen bereitstellt, ist daher keine Option mehr, sondern eine zwingende Voraussetzung für den Erfolg.




Was bedeutet das konkret für Ihren Betrieb?

Für mittelständische Entscheider bedeutet dies, den Fokus vor dem Kauf von KI-Software auf die eigenen Hausaufgaben zu legen. Anstatt monatelanger Evaluierungsprozesse sollten Sie potenziellen KI-Anbietern kleine, konkrete Testaufgaben mit Ihren eigenen Daten stellen, um deren Leistungsfähigkeit innerhalb von Stunden zu bewerten. Beginnen Sie mit Anwendungsfällen, die einen klaren und messbaren

ROI versprechen, anstatt auf eine umfassende All-in-One-Lösung zu hoffen. Ein praxiserprobtes Beispiel ist der Einsatz von Code-Assistenten für nicht-technische Teams, um die Produktivität im Vertrieb oder Produktmanagement signifikant zu steigern. So schaffen Sie schrittweise Mehrwert und sammeln wertvolle Erfahrungen, ohne Ihr Unternehmen zu überfordern.

Der wichtigste nächste Schritt für Führungskräfte ist somit nicht die Auswahl eines Tools, sondern die Entwicklung einer soliden

KI-Governance. Legen Sie fest, wer auf welche Daten zugreifen darf, wie die

Datenqualität sichergestellt wird und wer für die Ergebnisse der KI-Systeme verantwortlich ist. Eine solche strategische Vorbereitung ist die Basis, damit

KI im Mittelstand nicht zu einem kostspieligen Experiment, sondern zu einem echten Wettbewerbsvorteil wird.

Die Diskussion in der IT-Branche dreht sich nicht mehr darum, ob künstliche Intelligenz programmieren kann, sondern wie schnell und autonom sie es tut. Eine neue Generation von KI-Werkzeugen revolutioniert derzeit die Erstellung von Software und reduziert Entwicklungszeiten von Tagen auf Minuten. Wie das US-Fachmagazin InfoWorld kürzlich berichtete, können komplexe Programmieraufgaben, die für menschliche Entwickler bislang bis zu zehn Tage in Anspruch nahmen, von Systemen wie

Claude Code in nur zehn Minuten erledigt werden. Diese exponentielle Beschleunigung markiert einen fundamentalen Wendepunkt, der die digitale Wertschöpfung in Unternehmen jeder Größe nachhaltig verändern wird.

Der technologische Treiber hinter diesem Sprung ist die sogenannte

agentische KI. Dieser Fachbegriff beschreibt KI-Systeme, die nicht nur auf direkte Anweisungen reagieren, sondern komplexe Ziele verstehen und eigenständig Lösungsstrategien entwickeln können. Sie planen die notwendigen Schritte, schreiben den erforderlichen Code, testen ihn auf Fehler und korrigieren sich autonom, bis das gewünschte Ergebnis erreicht ist. Diese modernen

KI-Assistenten agieren somit nicht mehr als passive Werkzeuge, sondern als proaktive, digitale Teammitglieder im gesamten Entwicklungsprozess. Während einige erfahrene Entwickler dieser Entwicklung noch skeptisch gegenüberstehen, zeigt die Geschwindigkeit der Fehlerkorrektur, dass traditionelle Maßstäbe für "fehlerhaften Code" an Bedeutung verlieren. Die enorme

Effizienzsteigerung resultiert aus der Fähigkeit, rund um die Uhr zu arbeiten und dabei auf ein riesiges, stets aktuelles Wissensreservoir zuzugreifen.

Was bedeutet das konkret fuer Ihren Betrieb?
Für kleine und mittlere Unternehmen eröffnet dieser Wandel in der

Softwareentwicklung die strategische Möglichkeit, Ideen für neue digitale Produkte oder interne Werkzeuge extrem schnell und kostengünstig zu validieren. Anstatt wochenlang auf einen Prototypen zu warten oder teure externe Agenturen zu beauftragen, können selbst kleine interne Teams in kürzester Zeit funktionsfähige Entwürfe erstellen. Dies betrifft beispielsweise die Erstellung von Skripten zur Datenanalyse, die Entwicklung einer einfachen Kunden-App oder die Automatisierung von wiederkehrenden Verwaltungsaufgaben. Dadurch wird nicht nur das finanzielle Risiko bei Innovationsprojekten signifikant gesenkt, sondern auch die allgemeine

Entwicklerproduktivität massiv gesteigert. Die Rolle der Mitarbeiter verschiebt sich dabei vom reinen Code-Schreiben hin zur präzisen Formulierung von Anforderungen und der strategischen Überprüfung der KI-Ergebnisse, was neue Kompetenzen erfordert.

Die aktuelle Dynamik zeigt, dass das Ignorieren dieser Technologie keine nachhaltige Strategie ist, um langfristig wettbewerbsfähig zu bleiben. Mittelständische Entscheider sollten jetzt aktiv prüfen, in welchen Unternehmensbereichen sich durch den gezielten Einsatz solcher Werkzeuge eine schnelle

Effizienzsteigerung erzielen lässt. Ein konkreter und überschaubarer nächster Schritt ist die Durchführung eines kleinen, internen Pilotprojekts, um die Potenziale und Grenzen der neuen Technologie im eigenen Kontext kennenzulernen und die Akzeptanz im Team zu fördern.

Im Juli gab

Google eine strategische Partnerschaft mit dem Mailänder Unternehmen Energy Dome bekannt, um dessen neuartige Speichertechnologie an seinen Rechenzentren zu implementieren, wie IEEE Spectrum berichtet. Diese Kooperation markiert Googles ersten Einstieg in den Bereich der Langzeitspeicher und soll die Standorte in Europa, den USA und im asiatisch-pazifischen Raum rund um die Uhr mit sauberer Energie versorgen. Die erste kommerzielle Pilotanlage auf Sardinien demonstriert bereits die Leistungsfähigkeit: Sie liefert 200 Megawattstunden Strom, indem sie 20 Megawatt über eine Dauer von 10 Stunden abgibt und damit die typische Kapazität von Lithium-Ionen-Systemen übertrifft.

Diese Entwicklung ist eine direkte Antwort auf eine der größten Herausforderungen der Energiewende: die zuverlässige Speicherung von Überschussstrom aus volatilen Quellen. Sogenannte

Langzeitspeicher (Long-Duration Energy Storage, LDES), die Energie für mehr als acht Stunden bereitstellen können, sind entscheidend, um die schwankende Einspeisung durch

erneuerbare Energien auszugleichen. Die von

Energy Dome entwickelte

CO2-Batterie nutzt einen geschlossenen thermodynamischen Kreislauf: Überschüssiger Strom wird verwendet, um Kohlendioxid zu komprimieren und zu verflüssigen. Zur Energierückgewinnung wird das flüssige CO2 wieder verdampft und expandiert, was eine Turbine antreibt und Strom erzeugt. Dieses Verfahren kommt ohne kritische Rohstoffe wie Lithium oder Kobalt aus und nutzt etablierte Industriekomponenten, was die Skalierbarkeit und Kosteneffizienz verbessert.

Was bedeutet das konkret fuer Ihren Betrieb?
Auch wenn Ihr Unternehmen keine eigene Großbatterie betreiben wird, hat diese technologische Entwicklung direkte Auswirkungen. Eine verbesserte

Netzstabilität durch solche Speicherlösungen reduziert das Risiko von kostspieligen Stromausfällen und Spannungsschwankungen, die empfindliche Produktionsanlagen beschädigen können. Langfristig könnte die effizientere Nutzung von günstigem Solar- und Windstrom zu stabileren und potenziell niedrigeren Energiepreisen führen, was Ihre Betriebskosten direkt entlastet. Zudem stärkt eine dekarbonisierte und stabile Stromversorgung die Attraktivität des Wirtschaftsstandortes Deutschland und erleichtert es Ihnen, eigene Nachhaltigkeitsziele zu erreichen und gegenüber Kunden und Partnern zu kommunizieren.

Die Dynamik im Bereich der

Energiespeicherung zeigt, dass die Resilienz der Stromversorgung zu einem zentralen Wirtschaftsfaktor wird. Für Mittelständler ist es daher ratsam, die eigene Energiestrategie proaktiv zu gestalten, anstatt nur zu reagieren. Ein konkreter nächster Schritt ist die Analyse des eigenen Lastprofils, um Spitzenlasten zu identifizieren und zu prüfen, ob flexible Tarife oder sogar eigene kleine Speicherlösungen bereits heute wirtschaftlich sinnvoll sind. Dies schafft eine solide Grundlage, um zukünftig von den Vorteilen stabilerer Netze und neuer Marktmodelle optimal zu profitieren.

Forscher des Lawrence Berkeley National Laboratory haben in zwei Studien eine Methode vorgestellt, die den Energieaufwand für die Erstellung von KI-Bildern um ein Vielfaches reduzieren könnte. Wie das Magazin IEEE Spectrum berichtet, könnte das sogenannte thermodynamische Computing Bilder mit nur einem Zehnmilliardstel der Energie erzeugen, die heutige Systeme benötigen. Diese Entwicklung adressiert eines der größten Probleme aktueller KI-Anwendungen: ihren enormen Strombedarf.

Der hohe Energieverbrauch entsteht vor allem durch die Funktionsweise aktueller Modelle für die Bilderzeugung. Viele Werkzeuge der generativen KI, wie etwa Midjourney oder DALL-E, basieren auf sogenannten Diffusionsmodellen. Dabei handelt es sich um Algorithmen, die lernen, aus reinem Rauschen schrittweise ein kohärentes Bild zu rekonstruieren. Dieser digitale Prozess des Umkehrens von Rauschen ist rechenintensiv und treibt den Stromverbrauch in den Rechenzentren in die Höhe. Der neue Ansatz nutzt stattdessen physikalische Schaltkreise, die auf natürliches Rauschen, wie thermische Fluktuationen, reagieren, um Berechnungen mit minimalem Energieeinsatz durchzuführen.

Was bedeutet das konkret für Ihren Betrieb?
Viele mittelständische Unternehmen nutzen bereits generative KI zur Erstellung von Marketingmaterialien, Prototypen-Designs oder Social-Media-Inhalten. Der damit verbundene hohe Energieverbrauch der KI ist oft ein versteckter, aber signifikanter Kostenfaktor, der sich in den Rechnungen für Cloud-Dienste oder dem Stromverbrauch eigener Server niederschlägt. Eine drastische Effizienzsteigerung würde nicht nur die direkten Betriebskosten senken, sondern auch die Nachhaltigkeitsbilanz Ihres Unternehmens verbessern. Langfristig könnte diese Technologie den Einsatz leistungsfähiger KI-Anwendungen direkt im Unternehmen wirtschaftlicher und zugänglicher machen.

Auch wenn diese Technologie noch in den Kinderschuhen steckt, zeigt sie eine klare Entwicklungsrichtung auf. Für Entscheider bedeutet dies, die Entwicklung im Bereich energieeffizienter KI-Hardware genau zu beobachten. Bei zukünftigen Investitionsentscheidungen in IT-Infrastruktur oder KI-Dienstleistungen sollte die Energieeffizienz ein zunehmend wichtiges Auswahlkriterium werden, um langfristig Kosten zu sparen und wettbewerbsfähig zu bleiben.

Ein neues, frei verfügbares Werkzeug namens JetValidator sorgt für Aufsehen in der Entwicklergemeinde, da es ein weit verbreitetes Performance-Problem löst. Wie auf der Technologie-Plattform Hacker News detailliert berichtet wird, kann das Tool die Startzeiten von Web-Anwendungen, die auf dem populären Fastify-Framework basieren, drastisch reduzieren. In Benchmarks wurden Verbesserungen von bis zu 95 Prozent nachgewiesen, wobei ein Testfall von 69 Sekunden auf unter 3 Sekunden verkürzt wurde. Ursache des Problems ist die bisher standardmäßig genutzte Komponente AJV, deren Ineffizienz bei der Schema-Kompilierung nun eine konkrete Lösung gegenübersteht.

Um die Tragweite zu verstehen, muss man die beteiligten Technologien kennen. Fastify ist ein in der modernen Webentwicklung häufig genutztes Grundgerüst (Framework) zur Erstellung von schnellen und skalierbaren Web-Services und Programmierschnittstellen (APIs). Innerhalb dieses Frameworks ist die Komponente AJV für die sogenannte Schema-Validierung zuständig. Diese stellt sicher, dass alle Daten, die eine Anwendung verarbeitet, dem vordefinierten Format und den Regeln entsprechen – ein entscheidender Schritt für Datenintegrität und Sicherheit. Das Problem entsteht, weil AJV bei jedem Start der Anwendung alle diese Schemata neu kompiliert. Bei großen, komplexen Anwendungen mit hunderten von Datenstrukturen führt dieser Prozess zu erheblichen Verzögerungen. Besonders kritisch wird dies in modernen Cloud-Umgebungen wie `Serverless`-Architekturen. Dort werden Anwendungsinstanzen oft nur für den Bruchteil einer Sekunde gestartet, um eine einzelne Anfrage zu bearbeiten, weshalb eine lange Startzeit die Effizienz des gesamten Systems untergräbt.

Was bedeutet das konkret fuer Ihren Betrieb?
Auch wenn es sich um ein tief technisches Detail handelt, sind die wirtschaftlichen Auswirkungen für kleine und mittlere Unternehmen direkt spürbar. Lange Startzeiten von interner oder kundenorientierter Software führen zu spürbaren Wartezeiten bei Entwicklern. Dies verlängert die `Entwicklungszeit` für neue Funktionen oder wichtige Fehlerbehebungen und treibt somit indirekt die Personalkosten in die Höhe. In Cloud-basierten Abrechnungsmodellen, die oft nach Rechenzeit und Millisekunden abrechnen, können ineffiziente Startprozesse zudem direkt zu höheren monatlichen Betriebskosten führen. Letztlich leidet die Agilität Ihres Unternehmens, wenn solche technischen Engpässe die schnelle Anpassung und Bereitstellung von digitalen Diensten an neue Marktanforderungen behindern.

Die Existenz einer einfach zu integrierenden Alternative wie JetValidator bietet eine konkrete Handlungsmöglichkeit. Es ist daher ratsam, das Gespräch mit Ihrer IT-Leitung oder externen Entwicklungspartnern zu suchen, um die Relevanz dieses Themas für Ihre Systemlandschaft zu bewerten. Klären Sie, ob in Ihren Projekten das Fastify-Framework zum Einsatz kommt und ob die Anwendungs-Performance ein kritischer Faktor ist. Eine proaktive Prüfung und der mögliche Wechsel auf eine optimierte Lösung kann die `Software-Performance` Ihrer digitalen Produkte nachhaltig verbessern, die Effizienz Ihrer Teams steigern und langfristig Kosten senken.

Nintendo hat Anfang Juni 2025 seine neue Konsole, die Nintendo Switch 2, weltweit eingeführt. Allein auf der chinesischen E-Commerce-Plattform JD.com überstiegen die Vorbestellungen die Marke von 400.000 Einheiten, wie das Branchenportal TechNode berichtet. Der Preis für die Konsole im chinesischen Markt liegt bei umgerechnet 539 US-Dollar, was die hohe Zahlungsbereitschaft der dortigen Konsumenten unterstreicht.

Der Erfolg kommt nicht von ungefähr. Als Nachfolger der extrem populären Original-Switch schliesst die neue Generation an eine hohe Markenerwartung an. Die beeindruckende Zahl der Vorbestellungen signalisiert eine starke, aufgestaute Nachfrage im wichtigen chinesischen Markt. Unterstützt wird der Start durch sogenannte Launch-Titel, also Spiele, die direkt zum Verkaufsstart verfügbar sind, wie die Neuauflagen der Klassiker Pokémon FireRed und LeafGreen. Diese strategische Bündelung von Hard- und Software ist ein entscheidender Faktor für den Erfolg im hart umkämpften Sektor der Konsumgüter.




Was bedeutet das konkret fuer Ihren Betrieb?


Der Fall Nintendo zeigt exemplarisch die Bedeutung von lokalisierten Vertriebsstrategien. Die Kooperation mit einer dominanten Plattform wie JD.com war der Schlüssel, um den chinesischen Markt effektiv zu erreichen. Für deutsche KMU unterstreicht dies die Notwendigkeit, bei der internationalen Expansion nicht nur auf das Produkt, sondern intensiv auf die Auswahl der richtigen lokalen E-Commerce-Partner und Vertriebskanäle zu achten. Zudem ist die sorgfältige Analyse der regionalen Kaufkraft und die darauf abgestimmte Preisstrategie entscheidend, um die Akzeptanz bei den Konsumenten zu sichern. Die erfolgreiche Markteinführung ist somit weniger ein Zufall als das Ergebnis präziser Planung.

Abschliessend lässt sich festhalten, dass der Erfolg im Ausland stark von der Kenntnis und Nutzung lokaler Gegebenheiten abhängt. Mittelständler, die eine Expansion nach Asien oder in andere komplexe Märkte erwägen, sollten daher frühzeitig eine detaillierte Marktanalyse durchführen. Die Identifizierung und Bewertung potenzieller lokaler Vertriebspartner stellt dabei den ersten und wichtigsten Schritt dar, um eine solide Grundlage für den eigenen Produkterfolg zu schaffen.