Der Gründer von Oracle, Larry Ellison: KI - noch gewaltiger als die industrielle Revolution und wird alles verändern!

Wer als erster Probleme mit KI vollständig löst, steht am Anfang einer neuen Ära.

15. Oktober 2025, Las Vegas, USA.

Am Veranstaltungsort der Oracle CloudWorld 2025-Konferenz warf Larry Ellison, sobald er auf die Bühne trat, einen Satz aus:

KI verändert alles. Das ist eine ziemlich weitgehende Behauptung. "Alles", aber ich finde, diese Aussage kommt der Wahrheit schon ziemlich nahe.

Es geht nicht um "die Änderung der Suche" oder "die Änderung der Produktivität", sondern um "alles", wie er sagt.

Während seines 90-minütigen Vortrags zeigte er keine KI-Demo und wiederholte auch nicht, wie leistungsstark die Modelle seien. Er wollte erklären, warum die KI die Arbeitsweise der ganzen Welt neu definieren wird.

Er sagte: Vom 20-Watt-Hirn des Menschen bis zum 1,2-Milliarden-Watt-KI-Hirn müssen soziale und Unternehmenssysteme neu definiert werden.

Diese Neudefinition betrifft grundlegende Fragen:

Was ist "Infrastruktur"?
Was sind "nutzbare Daten"?
Wer hat tatsächlich das Recht, die Gewinne aus der KI zu verteilen?

Diese Erkenntnisse stammen nicht von Forschern oder KI-Unternehmern, sondern von einem Technologie- und Geschäftsführer, der selbst das weltweit größte Datenbankreich aufgebaut hat und nun auf die KI-Schlussfolgerungsplattform umsteigt.

Und seine Warnung an Unternehmen: Hört auf, nur Modelle zu trainieren. Die echten Chancen liegen darin, wer die eigenen privaten Daten mit KI verstehen kann.

Wenn die KI tatsächlich stärker wirkt als die industrielle Revolution, sind Sie bereit?

Abschnitt 1

Das KI-Modell soll sprechen können und Sie verstehen

Larry Ellisons erste These: Die Regeln des KI-Spiels haben sich geändert.

Er sagte: "Früher sprach man nur über Training, jetzt sprechen wir über 'Schlussfolgerungen'. Und das ist nicht die alte Art von Schlussfolgerungen, bei der 'ein Modell eine Entscheidung trifft'. Jetzt denken sie tatsächlich."

✅ Multimodale KI-Modelle sind wie elektronische Gehirne

Im Vortrag benutzte Ellison eine Metapher: Die heutigen KI-Modelle bestehen aus mehreren neuronalen Netzen, ähnlich wie die verschiedenen Regionen in unserem Gehirn.

Beispielsweise:

Ein Netzwerk analysiert ein Bild.
Ein anderes Netzwerk versteht, was auf dem Bild zu sehen ist.
Ein drittes Netzwerk entscheidet, ob das Bild "Gefahr" oder "Handlungsbedarf" beschreibt.

Jedes Teilnetzwerk hat seine eigene Aufgabe: Einige verarbeiten Texte, andere erkennen Bilder, wieder andere analysieren Stimmen oder ziehen Schlussfolgerungen. So wie im menschlichen Gehirn verarbeitet die Sehregion Farben und Bewegungen, und die Sprachregion behandelt Logik.

Früher dachten wir, die KI "lerne sprechen". Tatsächlich ist es viel wichtiger, dass sie "verstehen" lernt.

✅ Nach der "Sprachgenerierung" beginnt die Phase der "Sprachverstehen"

Larry Ellison nannte ChatGPT 3.0 "den echten Wendepunkt":

Das war der Moment, als die KI erstmals wie ein Mensch sprach.

Aber er sagte, der Wert liegt nicht darin, menschenähnliche Antworten zu generieren, sondern darin, ob die KI die Frage wirklich versteht und weiß, wo sie die Antwort finden und wie sie schlussfolgern soll.

Dies ist der Übergang von der "Nachahmung menschlicher Sprache" zur "Lernens menschlichen Denkens".

ChatGPT, Anthropic, Grok, Gemini - diese gängigen Modelle sind bereits sehr leistungsstark. Aber Ellison weist darauf hin, dass es ein Problem gibt: Sie werden alle mit öffentlichen Daten trainiert, was bei weitem nicht genug ist.

"Das Modell ist nicht allmächtig. Es weiß nichts von den Rechnungen Ihres Unternehmens, nichts davon, was Ihre Kunden gekauft haben, und nichts von den Rezepten, die Sie in der Vergangenheit ausgestellt haben. All das ist nicht im Internet."

Die wirklich wertvollen Daten sind Ihre privaten Daten.

Das wahre Potenzial des Modells besteht darin, Ihre Welt zu verstehen und dann für Sie über die anstehenden Dinge nachzudenken.

✅ Was ist der Unterschied zwischen "Antwortgenerierung" und "Urteilsbildung"?

Er gab ein Beispiel: Die KI kann jetzt anhand von Straßenvideos entscheiden, ob ein Auto auf Sie zufährt, und in wenigen Millisekunden entscheiden, ob es bremsen oder lenken soll.

Dies geschieht nicht anhand vordefinierter Regeln, sondern das Modell lernt selbst, Gefahren zu erkennen, nachdem es Tausende von Videos angesehen hat.

Schlussfolgerungen ziehen bedeutet nicht mehr, die richtige Antwort zu finden, sondern Handlungsempfehlungen unter komplexen Bedingungen zu geben. Mit anderen Worten, die KI hilft Ihnen nicht nur, "Informationen zu finden", sondern auch, "was zu tun ist" zu entscheiden.

Wenn die KI tatsächlich über Verständnis-, Assoziations- und Urteilsfähigkeiten verfügt und dieses "elektronische Gehirn" komplexe Probleme mit hoher Geschwindigkeit lösen kann, ist der echte Engpass nicht mehr die Technologie.

Der Engpass liegt bei uns: Können wir Fragen stellen, die es lohnen, von der KI bearbeitet zu werden?

Also aufhören, sich darüber zu sorgen, ob das Modell stark genug ist.

Das Wichtigste ist, ob Sie Fragen haben, die es wirklich wert sind, von der KI verstanden zu werden.

Abschnitt 2

Das 1,2-Milliarden-Watt-KI-Hirn wird gebaut

Wenn die KI "verstehen" lernt, was ist der Preis für dieses Verständnis?

Larry Ellison stellte einen sehr anschaulichen Vergleich: Das menschliche Gehirn benötigt nur 20 Watt Strom, das KI-Hirn hingegen 1,2 Milliarden Watt.

Er sagte, eine 20-Watt-Glühbirne leuchtet nicht besonders hell, aber mit ihr werden Sprache, Vorstellungskraft, Gleichgewicht und logisches Denken des Menschen angetrieben.

Und jetzt?

Oracle baut in Texas für OpenAI die weltweit größte KI-Clustergruppe, deren Stromversorgung 1 Million Vier-Zimmer-Wohnungen versorgen kann, was einer mittelgroßen Stadt entspricht.

✅ Es geht nicht nur um den Kauf von GPUs, sondern um den Bau einer ganzen "KI-Infrastruktur"

Ellison sagte: "Denken Sie, dass wir nur GPUs kaufen? Nein, das reicht bei weitem nicht."

Er erläuterte im Detail, was für das "Training eines KI-Modells" tatsächlich benötigt wird:

Eine Kraftwerksanlage zur Energieversorgung (mit Gasturbinen)
Ein Stromnetz, das den Strom präzise in jedes GPU-Array leiten kann
Eine Kühlanlage, um eine stabile Temperatur aufrechtzuerhalten
Eine Netzwerkinfrastruktur, damit 500.000 GPUs wie "ein Gehirn" funktionieren
Arbeiter, die all dies bauen - täglich 3.500 Arbeiter vor Ort

Dies hat nichts mit dem Schreiben von Code in seiner Studentenzeit zu tun.

✅ Unternehmen müssen nicht nur KI-Modelle nutzen, sondern auch die Fähigkeit haben, die KI zu unterstützen

Er machte ein Vergleich: Ein KI-Modell ist wie ein Formel-1-Rennwagen, aber Sie brauchen zuerst eine Rennstrecke.

Die meisten Unternehmen sind noch nicht einmal mit "Tankstellen" und "Werkstätten" ausgestattet, aber sie sind schon eilig, den "KI-Rennwagen loszufahren".

Er betonte: "Wir bauen nicht nur Software, wir bauen Kraftwerke."

Er warnt Unternehmen: Die KI-Fähigkeit hängt nicht davon ab, welches Modell verwendet wird, sondern davon, ob die grundlegenden Fähigkeiten vorhanden sind. Genauer gesagt:

Haben Sie eine eigene Datenstruktur, die vom Modell verstanden werden kann?

Haben Sie eine Pipeline, um die KI-Ergebnisse schnell abzurufen?

Haben Sie eine Ausführungsumgebung, die schnelle Schlussfolgerungen unterstützt?

Wenn dies alles fehlt, ist es wie ein Formel-1-Rennwagen, der auf einer Feldstraße steht.

✅ Warum ist "1,2 Milliarden Watt" ein Wendepunkt?

Weil es nicht nur den Energieverbrauch beim Training des Modells darstellt, sondern auch den Beginn einer Ära, in der "staatliche Ressourcen" für den Aufbau der KI eingesetzt werden.

Es geht nicht nur um den Kauf von Servern, sondern um die Planung von Energie, Kommunikation, Basissoftware und Speicher
Es geht nicht nur um die Demonstration von KI-Demos, sondern um die Bereitstellung zuverlässiger und kontinuierlicher KI-Produktivität
Es geht nicht nur um die Anpassung von Modellparametern, sondern darum, zu wissen, welche Probleme mit dieser Fähigkeit gelöst werden sollen

Ellison fasste zusammen:

"Wir bauen die industrielle KI-Fähigkeit auf, die Infrastruktur für eine neue Welt."

Dies ist keine leere Rede. Die erste Version von Musks Grok wurde fast vollständig auf der Oracle Cloud trainiert.

Das 1,2-Milliarden-Watt-KI-Hirn ist in Betrieb, und die Regeln des Spiels ändern sich.

Abschnitt 3

Der Einstieg der KI in Unternehmen sollte mit privaten Daten beginnen

Vor Ort wies Larry Ellison auf eine vernachlässigte Wahrheit hin:

"Diese Modelle werden mit öffentlichen Daten trainiert. Sie wissen, was in der Welt passiert, aber sie wissen nicht, wie die Rechnungen Ihres Unternehmens funktionieren."

Dies ist keine Beschwerde, sondern eine Chance.

Die echten Chancen liegen nicht darin, ein neues Modell zu trainieren, sondern darin, dass diese Modelle Ihre Daten verstehen lernen.

✅ Warum reichen öffentliche Daten nicht aus?

Die heutigen großen Modelle wie ChatGPT, Grok, Gemini werden alle mit öffentlichen Daten trainiert: Inhalten, die im Internet gefunden werden können, Artikeln, Webseiten, Enzyklopädien, Codebibliotheken...

Aber die täglichen Entscheidungen von Unternehmen basieren nicht auf diesen Dingen.

"ChatGPT hat nie Ihre Angebote an Kunden gesehen, und es weiß auch nicht, welche Krankenversicherungsrechnung Sie gerade bearbeiten oder welcher Lieferant Ihnen Geld schuldet."

Ihre Datenbanken, Berichte, Transaktionsaufzeichnungen, Kundenbetreuungsgespräche - all diese echten geschäftlichen Daten sind im Unternehmen versteckt und wurden nie für das Training des Modells verwendet.

Ellison wies auf das Problem hin:

"Menschen hoffen, dass die KI ihnen helfen wird, Probleme zu lösen. Aber die Hinweise auf diese Probleme liegen in ihren eigenen Daten."

✅ Ich möchte meine Daten nicht veröffentlichen, aber ich möchte, dass die KI sie analysiert

Dies ist eines der größten Konflikte bei der Einführung der KI in Unternehmen.

Niemand möchte seine Kundenliste, Vertragsinhalte, Finanzaufzeichnungen an externe Modelle senden. Aber man möchte, dass die KI diese Materialien versteht und darauf reagiert, wie ein kompetenter Kollege.

Das ist wie wenn Sie Ihre Privatsphäre schützen möchten, aber auch den klügsten Menschen bitten möchten, Ihre Daten zu analysieren.

Ellison sagte: Dies ist keine unauflösbare Dilemma, sondern etwas, das möglich ist.

Er gab bekannt, dass Oracle dafür eine neue Methode namens "KI-Datenbank" und "KI-Datenplattform" entwickelt hat. Die Kernidee ist einfach:

Das Modell soll Ihre Daten verstehen, aber nicht mitnehmen.

Wie funktioniert das? Sie verwenden eine Methode namens RAG (Retrieval Augmented Generation).

Dies ist eine Methode, die es der KI ermöglicht, relevante Daten vorübergehend einzulesen, ohne sie vorher zu lernen. Einfach ausgedrückt:

"Ihre Daten müssen nicht in das Modell trainiert werden. Das Modell wird vor der Beantwortung der Frage wie eine Suchmaschine Ihre Daten 'überfliegen' und dann die Antwort generieren."

Das ist wie wenn Sie einen Experten in Ihr Büro einladen, um Ihre Daten zu prüfen, anstatt die Daten abzusenden.

Oracle hat diese Methode in seine Datenbanken, Objektspeicher integriert und kann sogar mit den Daten von AWS verbinden. Egal, wo Ihre Daten gespeichert sind, können sie Ihnen helfen, eine "Fenster, das vom Modell verstanden werden kann" zu schaffen.

✅ Lassen Sie die KI Ihre Daten "lesen"

Dieser Schritt heißt "Vektorisierung".

Normalerweise müssen Sie keine mathematischen Details verstehen. Sie müssen nur wissen:

Das Modell erkennt nicht die "Rechnungsnummer" in Ihrer Excel-Tabelle.
Es kann aber verstehen, "was diese Nummer bedeutet".
Deshalb müssen die Daten umgewandelt werden, damit die KI die Beziehungen, Ähnlichkeiten und zeitliche Reihenfolge der Daten wahrnehmen kann.

Sie müssen Ihre Daten nicht ändern. Sie müssen nur Oracle sagen, welche Daten Sie möchten, dass das Modell versteht, und sie werden es für Sie in eine Sprache umwandeln, die das Modell versteht.

Das ist wie wenn Sie einen Übersetzer beauftragen, ein gesamtes Geschäftsmanual für die KI zu übersetzen, damit sie weiß, wie sie es analysieren soll.

Ellison verwendete das Beispiel einer Arztpraxis, um den praktischen Wert dieser Methode zu veranschaulichen:

"Einige kleine Arztpraxen in den USA haben jedes Monat Schwierigkeiten mit der Krankenversicherungsabrechnung. Wenn die Abrechnung nicht genehmigt wird, bricht der Cashflow der Praxis zusammen, und die Praxis kann keine neuen Patienten aufnehmen."

Die von ihm entwickelte KI-Anwendung soll nicht "Krebs vorhersagen", sondern:

Die Praxis dabei helfen, hunderte von Rechnungen zu scannen
Jeden Eintrag auf Übereinstimmung mit den Vorschriften zu prüfen
Die Wahrscheinlichkeit der Zahlung der Erstattung zu schätzen
Automatisch einen vertrauenswürdigen Bericht zu generieren, der für eine Bankdarlehen verwendet werden kann

Ellisons Ansatz ist sehr praktisch: Die KI soll nicht etwas Hohes und Distantes tun, sondern Ihnen helfen, die lästigen alltäglichen Aufgaben zu lösen.

Wenn das Training des Modells wie das "Aufbauen eines Gehirns" ist, dann ist das Verständnis der Unternehmensdaten wie das "Installieren von Augen".

Öffentliche Modelle sind Werkzeuge, Ihre Daten sind die Schlüssel.

Die KI weiß, was in der Welt passiert, aber Sie müssen ihr sagen, was Sie