Connect with us

Künstliche Intelligenz

Warum Softwareentwicklung oft wie ein Escape Room ist


Ich habe vor kurzem eine Analogie gehört, die auf den ersten Blick ungewöhnlich wirkt, sich bei näherem Nachdenken jedoch als erstaunlich treffend erweist:

„Softwareentwicklung ist wie ein Escape Room.“


the next big thing – Golo Roden

the next big thing – Golo Roden

Golo Roden ist Gründer und CTO von the native web GmbH. Er beschäftigt sich mit der Konzeption und Entwicklung von Web- und Cloud-Anwendungen sowie -APIs, mit einem Schwerpunkt auf Event-getriebenen und Service-basierten verteilten Architekturen. Sein Leitsatz lautet, dass Softwareentwicklung kein Selbstzweck ist, sondern immer einer zugrundeliegenden Fachlichkeit folgen muss.

Je länger ich über dieses Bild nachgedacht habe, desto passender erschien es mir. Und weil ich diesen Vergleich für ausgesprochen gelungen halte, widme ich ihm heute diesen Beitrag. An dieser Stelle übrigens ein herzliches Dankeschön an Jörg für diese großartige Analogie.

Stellen Sie sich also vor, Softwareentwicklung wäre wie ein Escape Room. Nur eben – ein bisschen anders. Oder genauer gesagt: ganz erheblich anders. Denn in diesem Escape Room hat ihn zuvor niemand für Sie getestet. Es hat Ihnen niemand gesagt, wie viele Räume es überhaupt gibt. Es existiert kein Spielleiter, der Ihnen Tipps gibt. Und es gibt nicht einmal die Garantie, dass überhaupt irgendwo ein Ausgang vorhanden ist. Das Beste daran: Während Sie sich darin befinden, zahlt jemand, der draußen wartet – und zwar auf Stundenbasis.

Empfohlener redaktioneller Inhalt

Mit Ihrer Zustimmung wird hier ein externes YouTube-Video (Google Ireland Limited) geladen.

Softwareentwicklung ist ein Escape-Room // deutsch

Das Ziel ist natürlich klar: Sie wollen einen Weg nach draußen finden. Im übertragenen Sinne heißt das: Sie möchten, dass die Anwendung live geht, dass das Feature deployed wird, dass die CI/CD-Pipeline grün ist und die Kundin oder der Kunde zufrieden. Nur: Wie genau Sie dorthin gelangen, weiß zu Beginn niemand.

In einem Escape Room erhalten Sie immerhin ein kurzes Briefing, etwa:

„Sie haben 60 Minuten Zeit, hier ist Ihre Geschichte, viel Erfolg!“

Am Ende, egal ob Sie es geschafft haben oder nicht, öffnet jemand die Tür und sagt:

„Immerhin, Sie haben es versucht und ein paar Schlösser geknackt.“

In der Softwareentwicklung läuft das etwas anders:

„Wir benötigen dieses Feature so schnell wie möglich, am besten gestern.“

Wenn Sie dann nachfragen, was das Feature denn genau leisten soll und worum im Detail es gehe, kommt häufig eine Antwort wie:

„Ach, das ist nicht viel, nur ein paar Buttons.“

Das klingt harmlos – bis Sie die Aufgabe genauer betrachten und feststellen, dass dort im Grunde steht:

„Bitte entwickeln Sie uns kurzfristig ein Flugzeug. Nur eben ohne Tragflächen, die können wir später ergänzen. Aber fliegen sollte es schon jetzt.“

Dann betreten Sie also Ihren Escape Room. Sie öffnen die erste Tür, stoßen auf das erste Rätsel – zum Beispiel: Welche Schnittstellen benötigen wir? Liefern diese tatsächlich die Daten, die laut Confluence dokumentiert sind? Oder kommt am Ende lediglich ein leeres JSON-Objekt zurück, weil irgendjemand irgendwo ein return hingeschrieben hat, dabei jedoch den Rückgabewert vergessen hat?

Trotzdem denken Sie sich, dass alles in Ordnung sei und Sie das schon irgendwie hinbekommen werden. Und tatsächlich lösen Sie das erste Rätsel. Sie öffnen die nächste Tür – und stehen plötzlich in einem Raum mit zwölf weiteren Türen, einer Falltür und einem zufällig umherfahrenden Laser, der Ihnen zuerst einmal Ihren gesamten Data-Layer zerschießt.

So geht es weiter. Manchmal lösen Sie ein Problem und sind sicher, es fast geschafft zu haben. Dann öffnen Sie die nächste Tür – und plötzlich bricht die Performance komplett ein. Oder die Security wird zum Problem. Oder Ihre CI/CD-Pipeline stürzt ab. Selbstverständlich nur bei jedem zweiten Durchlauf, mit einer ominösen Meldung wie „exit code 137“, einfach weil Jenkins gerade beschlossen hat:

„Nö, heute mal nicht.“

Vielleicht stellen Sie auch fest, dass das Legacy-System auf der Gegenseite noch auf Java 6 läuft, ausschließlich SOAP spricht und aus unerfindlichen Gründen zufällige Timeouts produziert. (Spoiler: Die Timeouts sind gar nicht zufällig. Das System hasst Sie einfach.)

Dann natürlich der Klassiker:

„Also bei mir läuft’s.“

Diesen Satz kennen Entwicklerinnen und Entwickler zur Genüge. Natürlich läuft es bei der Kollegin oder dem Kollegen auf dem Notebook, weil dort die Umgebungsvariable NODE_ENV auf „chaos“ gesetzt ist und noch fünf Docker-Container von vor drei Jahren laufen, die aber ausschließlich auf diesem einen Rechner jemals funktioniert haben.

Mitunter sieht ein Problem riesig aus, lässt sich dann jedoch in zwei Tagen erledigen, weil irgendeine Library es längst gelöst hat. Manchmal halten Sie es für trivial – und es kostet Sie Wochen, weil Sie plötzlich Merge-Konflikte in Dateien haben, die eigentlich gar nicht mehr existieren (sollten). So nach dem Motto:

„Warum liegt hier eigentlich noch eine package-lock.json von 2018 herum?“

In einem Escape Room hängt immerhin eine Uhr an der Wand. 60 Minuten, dann ist Schluss. In Softwareprojekten hingegen heißt es meist:

„Wir schätzen das auf etwa drei Monate.“

Was, wenn man ehrlich ist, bedeutet:

„Drei Monate plus minus alles.“

Denn Sie wissen schlicht nicht, ob Sie hinter der nächsten Tür ein kleines Zahlenschloss finden oder eine riesige Hydra aus zwanzig Services, die sich gegenseitig aufrufen und natürlich komplett auseinanderfallen, sobald Sie versuchen, auch nur einen davon zu aktualisieren.

Dann treten die Stakeholder auf den Plan. Im Escape Room stehen die wenigstens nicht mit Ihnen im Raum. In Softwareprojekten schon. Oder sie kommen alle fünf Minuten herein und fragen:

„Könnt ihr kurz zeigen, wie weit ihr schon seid?“

Und das, während Sie gerade herauszufinden versuchen, warum Ihr Deployment plötzlich alle Assets verschluckt und der Health-Check Ihrer API neuerdings nur noch den HTTP-Status-Code 418 zurückliefert („I’m a Teapot“). Wie sieht der Fortschritt also aus, den Sie zeigen könnten? Ein komplett rotes Dashboard und ein Entwickler, der seit drei Stunden reglos auf sein Terminal starrt …

Mein persönliches Lieblingsrätsel sind die Anforderungen. Am Anfang heißt es:

„Wir brauchen nur dieses eine Feature.“

Eine Woche später:

„Ach übrigens, könntet ihr das bitte alles Event-basiert umsetzen? Oder doch lieber mit synchronen REST-Calls? Am besten noch mit Dark Mode, Predictive AI und einem Self-Service-Portal, das Forecasts für die nächsten zwölf Monate liefert.“

Klar, warum nicht. Für mich entwickeln sich Requirements oft wie Pokémon: Zuerst ist es nur ein kleiner Button. Dann wird es ein Formular. Und irgendwann mutiert das Ganze zu einem Workflow mit OAuth, Approval-Chain und einem komplexen Dashboard.

Wenn man das – vielleicht etwas nüchterner als hier – im geschäftlichen Alltag zu erklären versucht, kommt garantiert jemand und sagt:

„Aber beim Hausbau geht das doch auch.“

Ja, aber wissen Sie was? Beim Hausbau ist auch alles bekannt. Da gibt es einen Plan. Hier stehen die Wände, dort kommen die Fenster hin, fertig. Kein Architekt kommt zwei Monate nach Baubeginn auf die Baustelle und sagt:

„Wir haben uns das noch einmal anders überlegt. Das Dach hätten wir jetzt gern aus Käse.“

In der Softwareentwicklung passiert genau das – und zwar ständig. Entweder, weil die Kundin oder der Kunde merkt, dass eigentlich etwas ganz anderes benötigt wird. Oder weil Sie unterwegs feststellen, dass sich unter dem Fundament noch ein riesiger Sumpf aus Altlasten verbirgt. Oder aus hundert anderen Gründen. Dann sind Sie schon froh, wenn Sie zumindest ein paar stabile Pfosten einziehen können, bevor Ihnen alles absäuft.

Wie geht man damit um? Indem man iterativ arbeitet. Man versucht nicht, den gesamten Escape Room mit allen Rätseln auf einmal zu lösen, sondern nimmt sich ein Rätsel nach dem anderen, Raum für Raum, Tür für Tür. Man testet regelmäßig, schreibt Logs (bevor es knallt), baut Metriken ein, macht Fehler früh sichtbar. Und man hat vor allem keine Angst, einmal das Licht anzuschalten und nachzusehen, was dort wirklich kreucht und fleucht.

Dabei macht das Team einen erheblichen Unterschied. Es ist ein großer Unterschied, ob Sie mit einem eingespielten Team von drei Personen in einem Escape Room stehen, die das schon hundertmal gemacht haben – oder mit einem Haufen planloser und nervöser Menschen, die von nichts eine Ahnung haben. Ein gutes Team erkennt Muster. Ein gutes Team weiß, wo man Tests sofort hinschreibt, statt später hektisch die Coverage zu schönen. Ein gutes Team baut Logging nicht erst dann ein, wenn es bereits brennt. Und es richtet CI/CD nicht fünf Minuten vor Schluss ein, wenn die Kundin oder der Kunde schon danebensteht und fragt, warum auf Staging noch das Feature von letzter Woche läuft.

Aber auch das beste Team kann Ihnen nicht garantieren, dass sich hinter der nächsten Tür nicht ein Monster verbirgt, das sagt:

„Hallo, ich bin Ihr zehn Jahre altes Legacy-CRM. Ich spreche nur EBCDIC und bin fest verdrahtet mit einer Oracle-Version, die offiziell seit 2012 nicht mehr unterstützt wird.“

Wenn Sie auf dieser Datenbank dann einmal ein SELECT ausführen, erhalten Sie entweder 200.000 Zeilen – oder eben gar nichts. Bei derselben Query, mal so, mal so. Aus Gründen.

Doch irgendwann kommt (hoffentlich) dieser Moment, in dem Sie tatsächlich vor der finalen Tür stehen. Alle Tests sind grün. Die Pipeline läuft. Das Deployment ist sauber. Das fühlt sich ungefähr so an, wie wenn Sie im Escape Room den letzten Schlüssel drehen, die Tür aufspringt und draußen jemand mit einer Konfettikanone auf Sie wartet. Zumindest so lange, bis jemand sagt:

„Könnten wir jetzt noch schnell einen Admin-Bereich einbauen? Am besten bis morgen, das wäre super.“

Das Schöne daran ist: All das gehört irgendwie auch dazu und macht ein Stück weit den Reiz dieses Berufs aus. Softwareentwicklung ist ein Escape Room. Nur größer, chaotischer, unvorhersehbarer. Manchmal extrem nervenaufreibend, manchmal frustrierend, aber immer mit diesem kleinen Kick, wenn Sie ein Rätsel gelöst haben. Wenn Sie eine Tür öffnen und dahinter nicht noch ein Drache wartet, sondern tatsächlich der Ausgang. Dann können Sie hinausgehen, sich kurz schütteln und voller Stolz sagen, dass Sie es geschafft haben. Zumindest bis jemand von hinten ruft:

„Übrigens, wir hätten da noch ein neues Projekt. Dieses Mal mit Machine Learning, IoT und Blockchain. Das sollte jetzt aber schnell gehen, oder?“


(rme)



Source link

Weiterlesen
Kommentar schreiben

Leave a Reply

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Künstliche Intelligenz

KI-Update kompakt: Grok, Baustellenunfälle, Bias, vergiftete KI


Elon Musks KI-Dienst Grok wurde nach einer „Verbesserung“ wegen antisemitischer Äußerungen abgeschaltet. Der X-Chef hatte zuvor kritisiert, dass die KI „zu links“ sei und eine Überarbeitung angekündigt. Nach der Anpassung begann das System jedoch, antisemitische Verschwörungsmythen zu verbreiten, Hitler zu loben und sich selbst als „mechanisierten Hitler“ zu bezeichnen. Nutzer hatten gezielt kontroverse Antworten provoziert, die das System bereitwillig lieferte.


Eigenwerbung Fachdienst heise KI PRO

Eigenwerbung Fachdienst heise KI PRO

X hat den Dienst inzwischen deaktiviert und eine erneute Überarbeitung angekündigt.

Der KI-Anbieter Perplexity hat mit Perplexity Max ein Premium-Angebot gestartet. Für monatlich 200 US-Dollar erhalten Nutzer unbegrenzten Zugang zu allen Diensten sowie künftigen Angeboten. Der Preissprung folgt einem Branchentrend: Auch OpenAI, Anthropic und Google haben ähnlich teure Abonnements eingeführt. Die hohen Kosten spiegeln die wirtschaftliche Realität wider – Entwicklung und Betrieb von KI-Systemen verschlingen enorme Summen, die sich durch günstigere Abos nicht decken lassen. Perplexity Max richtet sich mit Features wie dem Orchestrierungstool Labs und Zugang zu Drittanbieter-Modellen wie OpenAIs o3-pro klar an professionelle Nutzer.

Eine KI-Software namens Safety AI des US-Unternehmens DroneDeploy erkennt mit 95-prozentiger Genauigkeit Sicherheitsverstöße auf Baustellen. Das System analysiert Foto- und Videomaterial vom Baufortschritt und identifiziert Verstöße gegen US-Sicherheitsstandards. Die Technologie nutzt ein visuelles Sprachmodell (VLM), das Objekte wie Leitern oder Schutzhelme erkennt und daraus Schlüsse über mögliche Gefahrensituationen zieht.

Das System wurde mit zehntausenden Bildern von Sicherheitsverstößen trainiert und wird seit Oktober 2023 auf hunderten US-Baustellen eingesetzt. Inzwischen gibt es auch länderspezifische Versionen für Kanada, Großbritannien, Südkorea und Australien. Besonders für überlastete Sicherheitsmanager, die oft für bis zu 15 Baustellen gleichzeitig verantwortlich sind, könnte die Technologie eine wertvolle Unterstützung darstellen.

Mark Zuckerberg verstärkt seine KI-Ambitionen durch die Abwerbung führender Experten von Konkurrenten wie OpenAI, Anthropic, GitHub, Apple und Safe Superintelligence. Die Fachleute sollen das neu gegründete „Meta Superintelligence Labs“ aufbauen. Während die genauen finanziellen Anreize nicht bekannt sind, dürften die Vergütungen in Millionenhöhe liegen.

Meta profitiert dabei von einem entscheidenden Wettbewerbsvorteil: Das Unternehmen kann seine KI-Investitionen durch profitable Geschäftsbereiche, insbesondere Werbung in sozialen Netzwerken, quersubventionieren. Im Gegensatz dazu stehen Start-ups wie OpenAI und Anthropic unter erheblichem Druck, die externe Finanzierung zu sichern, was ihre langfristigen Perspektiven unsicherer macht.

Die meisten deutschen Arbeitnehmer bleiben bei KI-Weiterbildungen außen vor. Einer repräsentativen Bitkom-Umfrage zufolge erhielten nur 20 Prozent der Beschäftigten eine KI-Schulung durch ihren Arbeitgeber. Weitere 6 Prozent haben entsprechende Angebote bisher nicht genutzt, während 70 Prozent keinerlei Fortbildungsmöglichkeiten in diesem Bereich haben.

Jeder siebte Befragte hält es für möglich, beruflich vollständig durch KI ersetzt zu werden. Trotz dieser Sorgen sehen viele in der Technologie ein Mittel gegen den Fachkräftemangel. Bemerkenswert: Ein Drittel der Teilnehmer ist überzeugt, dass KI den eigenen Vorgesetzten ersetzen könnte.


KI-Update

KI-Update

Wie intelligent ist Künstliche Intelligenz eigentlich? Welche Folgen hat generative KI für unsere Arbeit, unsere Freizeit und die Gesellschaft? Im „KI-Update“ von Heise bringen wir Euch gemeinsam mit The Decoder werktäglich Updates zu den wichtigsten KI-Entwicklungen. Freitags beleuchten wir mit Experten die unterschiedlichen Aspekte der KI-Revolution.

Spanische Forscher bestätigen zentrale Beobachtungen aus Apples umstrittener Studie „The Illusion of Thinking“, ziehen jedoch andere Schlüsse. Die Untersuchung des Forschungszentrums für Automatisierung und Robotik bestätigt, dass KI-Modelle wie Gemini 2.5 Pro bei komplexeren Reasoning-Aufgaben tatsächlich scheitern. Doch wo Apple darin einen grundsätzlichen Mangel an Denkfähigkeit sieht, erkennen die spanischen Wissenschaftler ein differenzierteres Bild.

Besonders aufschlussreich: Der Tokenverbrauch der Modelle steigt, solange sie eine Lösung für möglich halten, und sinkt drastisch, wenn sie eine Aufgabe als unlösbar einstufen – ein Hinweis auf implizites Unsicherheitsmanagement. Die Forscher kritisieren zudem, dass viele der von Apple getesteten Flussüberquerungsrätsel mathematisch unlösbar waren. Bei gültigen Konfigurationen löste das Modell selbst großskalige Instanzen zuverlässig.

OpenAI hat seine Sicherheitsmaßnahmen drastisch verschärft, um seine wertvollen KI-Modelle vor Konkurrenten zu schützen. Die Financial Times berichtet, dass Systeme grundsätzlich keinen Internetzugang mehr erhalten, sofern nicht ausdrücklich genehmigt. Zudem gilt ein strenges Zugriffskonzept namens „Information Tenting“: Mitarbeiter dürfen nur auf explizit freigegebene Projekte zugreifen.

Die physische Sicherheit wurde ebenfalls verstärkt, mit strengeren Zutrittsregeln für Rechenzentren. OpenAI hat zudem Sicherheitsexperten mit militärischem Hintergrund rekrutiert, darunter den früheren US-General Paul Nakasone. Die Maßnahmen reagieren auf Warnungen der US-Behörden vor zunehmender Wirtschaftsspionage, besonders aus China, in einem Technologiebereich, der als kritisch für die nationale Sicherheit gilt.

Moderne KI-Systeme diskriminieren systematisch nach Geschlecht, wie eine Studie der Technischen Hochschule Würzburg-Schweinfurt zeigt. Bei identischen Ausgangsbedingungen empfehlen Sprachmodelle wie ChatGPT Frauen konsequent niedrigere Gehaltsvorstellungen als Männern. Die Forscher variierten in ihren Tests lediglich das Geschlecht der fiktiven Person, während Stelle, Branche und Stadt konstant blieben.

Ähnliche geschlechtsspezifische Verzerrungen zeigten sich auch bei der Karriereberatung und Verhaltensempfehlungen. Diese Bias bleiben bei klassischen Tests oft unentdeckt und manifestieren sich erst in realitätsnahen Anwendungen. Da viele Nutzer den vermeintlich objektiven KI-Empfehlungen vertrauen, könnten solche Verzerrungen bestehende gesellschaftliche Ungleichheiten verstärken. Die Studie ist Teil des EU-geförderten Projekts AIOLIA, das sich für faire und inklusive KI-Systeme einsetzt.

OpenAI stellt 10 Millionen Dollar bereit, um 400.000 US-Lehrkräfte im Umgang mit Künstlicher Intelligenz zu schulen. Das auf fünf Jahre angelegte Projekt „National Academy for AI Instruction“ entsteht in Kooperation mit der American Federation of Teachers. In New York City wird ein zentrales Ausbildungszentrum eingerichtet, weitere sollen bis 2030 folgen.

Die Behauptung, das Vergiften von KI-Trainingsdaten sei so wirkungslos wie „ins Meer zu pinkeln“, greift zu kurz. Xe Iaso, Gründerin des Datenschutz-Unternehmens Anubis, nutzt diesen Vergleich, um für ihre alternative Lösung zu werben: Browser-Bots werden durch kryptografische Aufgaben abgeschreckt, die Ressourcen verbrauchen.

Doch die Wirksamkeit von Datenvergiftung sollte nicht unterschätzt werden. Einzelne Manipulationen mögen wirkungslos bleiben, aber koordinierte Bemühungen – etwa Russlands gezielte Bereitstellung manipulierter Inhalte für KI-Training – können durchaus Einfluss nehmen. Studien zeigen zudem, dass selbst unzusammenhängende Zusatzinformationen Reasoning-Modelle erheblich stören können. Auch für Menschen unsichtbare, aber für KI-Systeme erkennbare Manipulationen auf Webseiten, können wirksam sein.

Ein Unbekannter hat offenbar mit KI-generiertem Material den US-Außenminister Marco Rubio imitiert und über den verschlüsselten Messenger Signal andere Außenminister und hochrangige US-Politiker kontaktiert. Die Washington Post berichtet unter Berufung auf interne Dokumente, dass US-Strafverfolgungsbehörden den Täter noch nicht identifizieren konnten.

Der Vorfall verdeutlicht die Sicherheitslücken bei der Nutzung kommerzieller Messenger-Dienste durch Regierungsvertreter. Für die Täuschung genügten die Handynummern der Zielpersonen sowie Trainingsmaterial für die KI-Imitation. Der falsche Rubio nutzte einen Signal-Account mit der nicht authentischen E-Mail-Adresse „Marco.Rubio@state.gov“ als angezeigten Namen.

Eine neue Karte namens „LooksMapping“ bewertet die durchschnittliche Attraktivität von Restaurantgästen in Manhattan. Programmierer Riley Walz analysierte dafür die Profilbilder von Google-Maps-Rezensenten mittels eines KI-Modells von OpenAI. Die Visualisierung zeigt „attraktive“ Bereiche in Rot und „weniger attraktive“ in Blau.

Die Ergebnisse offenbaren problematische Muster: Während das hippe East Village als attraktiv eingestuft wird, erscheint der vorwiegend von Schwarzen und Hispanics bewohnte Stadtteil Harlem tiefblau. Diese Bewertung deutet auf einen rassistischen Bias im KI-System hin – ein bekanntes Problem bei Algorithmen, die mit westlich geprägten Datensätzen trainiert wurden.


Eigenwerbung Fachdienst heise KI PRO

Eigenwerbung Fachdienst heise KI PRO


(igr)



Source link

Weiterlesen

Künstliche Intelligenz

Bastelprojekt: Halterung für French-Cleat-Wand aus dem 3D-Drucker


Eine French-Cleat-Wand ist ein modulares Ordnungssystem für Werkstätten. Dabei werden meist 20 Millimeter dicke Holzleisten im 45°-Winkel abgesägt und an die Wand montiert. Werkzeuge und Halterungen mit passendem 45°-Gegenstück lassen sich so einfach einhängen und flexibel anordnen.

Ein besonderer Vorteil dieses Systems ist seine hohe Anpassungsfähigkeit. Halterungen können jederzeit neu positioniert oder ausgetauscht werden. Dies ermöglicht eine effiziente Nutzung der Werkstatt, da Werkzeuge stets griffbereit sind und genau dort untergebracht werden können, wo sie benötigt werden. Der vorhandene Platz optimal genutzt, indem die Wandfläche zur geordneten Aufbewahrung dient und die Arbeitsfläche frei bleibt.

  • Halterblöcke für French-Cleat-Wände konfigurieren
  • Holz und Plastik-3D-Druck kombinierbar
  • Halter sind parametrisiert und perfekt auf das eigene Werkzeug anpassbar

Damit French Cleat optimal funktioniert, sollten die Halter so konstruiert sein, dass eine Werkzeugentnahme nach vorne möglich ist und der Schwerpunkt des Werkzeuges im Halter möglichst nah an der Wand liegt. So sind eine einfache Entnahme und sicherere Lagerung gewährleistet.


Das war die Leseprobe unseres heise-Plus-Artikels „Bastelprojekt: Halterung für French-Cleat-Wand aus dem 3D-Drucker“.
Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.



Source link

Weiterlesen

Künstliche Intelligenz

Nach Erfolg von „F1“-Film: Apple will angeblich Rechte an Formel 1 kaufen


Motorsport klassischer Art galt lange als überholt – schließlich setzt man in der Formel 1 standardmäßig immer noch auf Benzinverbrennung statt auf saubere E-Antriebe. Doch das Interesse der Menschen an aufheulenden Motoren mit fossiler Speisung scheint nach wie vor groß zu sein.

Das erlebt auch Apple: Der Konzern feierte mit dem Brad-Pitt-Streifen „F1“ seinen bislang größten Kinoerfolg, der von Warner Bros. Pictures zusammen mit Apple Original Films produziert wurde. Nun will sich Apple offenbar einen Formel-1-Nachschlag holen: Wie die Financial Times schreibt, verhandelt der iPhone-Hersteller über Streamingrechte.

Laut dem Bericht möchte man gerne die notwendigen Lizenzen von der Disney-Tochter ESPN übernehmen. Aktuell geht es offenbar nur um Rechte für den amerikanischen Markt, obwohl Apple normalerweise stets versucht, weltweite Streaminglizenzen zu akquirieren.

Besitzerin der Rennserie in den USA ist die Firma Liberty Media. Dort hofft man, dass der Erfolg von „F1“ und anderem Renn-Content wie der Netflix-Show „Drive to Survive“ dazu führt, dass die Preise anziehen. Angeblich interessieren sich mehr und mehr jüngere Menschen in den USA für die Formel 1, darunter auch vermehrt Frauen, heißt es.

Analystenschätzungen zufolge könnte eine Formel-1-Lizenz für die USA rund 121 Millionen US-Dollar im Jahr wert sein. Zum Vergleich: Apple soll mit „F1“ bereits 300 Millionen Dollar Einnahmen anpeilen, allerdings war der Film auch sehr teuer (mehr als 200 Millionen Dollar). Weltweit ist die Formel 1 noch wertvoller: Laut Financial Times lag der Umsatz für globale Medienrechte bei 1,1 Milliarden Dollar im Jahr 2024 – ein Plus von acht Prozent.

Bei Liberty Media hat man sich noch nicht entschieden, wem man die Rechte verkaufen will. Momentan zahlt ESPN angeblich „nur“ 85 Millionen Dollar. Der Rechteinhaber betreibt parallel eigene Streamingangebote und bittet Fans darüber direkt zur Kasse. Apple hatte unter anderem Rechte an wichtigen Spielen der US-Baseballliga MLB für seinen Streamingdienst TV+ erworben, außerdem verkauft man Abos (mit einigen Freispielen) für die Fußballliga MLS. Zwischenzeitlich soll Apple auch Interesse an der britischen Premier League gehabt haben, bekam dafür aber nicht die globalen Rechte im Angebot.


(bsc)



Source link

Weiterlesen

Beliebt