Hi AInauten,

Willkommen zum Deep-Dive! Diese Woche waren wir am AI Summit in New York. Wir dachten, wir wissen, was kommt: Agentic AI, Foundation Models, das übliche Buzzword-Bingo. Nope. Nicht dieses Mal. Stattdessen: konzentrierte Betriebsamkeit.

Als hätte jemand den Hype-Regler runtergedreht und den Reality-Check hochgefahren. Weniger Aufregung, mehr Substanz. Weniger Versprechen, mehr Fragen. Und Antworten, mit denen wir nicht gerechnet haben …

So ist der Post aufgebaut:

Legen wir los - mit ein paar Impressionen zur Einstimmung 😁.

10. Dezember 2025. Zehn Jahre AI Summit. Draußen ist es arschkalt, der bissige Wind reißt mir fast den Hut vom Kopf. Der Hudson River dampft in der Dezemberluft.

Und ich will rein ins Getümmel ... Rein zu den 5.000 Menschen, die alle dasselbe wollen - verstehen, wohin die AI-Reise geht.

Aber nach den ersten Sessions und Gesprächen merke ich schnell, dass es sich dieses Jahr anders anfühlt als im letzten Jahr. Nicht weil die Vorträge und Panels besser wären. Oder weil die Demos beeindruckender sind. Sondern weil niemand fragt: "Wann wird AI wirklich was verändern?"

Die Frage lautet stattdessen: "Wie schnell können wir mithalten?"

Der AI Summit New York ist gewachsen - von einem Nischen-Treffen für Forscher und Early Adopters zur Bühne, auf der Unternehmen, Anbieter und Innovatoren zusammenkommen.

Es ist keine nerdige Tech-Konferenz mehr, sondern ein Business-Event, auf dem über Technologie geredet wird. Das ist ein Unterschied, ein großer.

Als der AI Summit 2016 zum ersten Mal stattfand, hatte AlphaGo gerade die Welt schockiert (Doku dazu hier), indem es den Go-Weltmeister besiegte. ChatGPT existierte nicht mal als Konzept. GPT-3 war fünf Jahre entfernt. 

Seitdem? Erste kommerzielle Chatbots (2018). GPT-2 (2019). Die Pandemie als Beschleuniger (2020). GPT-3 mit 175 Milliarden Parametern (2020). Dann der große Knall: ChatGPT im November 2022 - 100 Millionen Nutzer in zwei Monaten, die am schnellsten wachsende Consumer-App aller Zeiten. Start des AInauten Newsletters (Dezember 2022). Und jetzt: Agentic AI.

Letztes Jahr ging es um "AI in Production". Die große Herausforderung war: Wie kriegen wir die Modelle aus dem Lab in echte Workflows? Wie überzeugen wir das Management? Wie messen wir ROI?

Alles valide Fragen. Aber dieses Jahr ist man einen Schritt weiter.

"Cool Demo. Now What?" hieß eine der Sessions. Und ehrlich gesagt fasst das die Stimmung perfekt zusammen. Die Wow-Phase ist vorbei. Jetzt geht's ans Eingemachte.

Niemand diskutiert mehr, ob man AI einsetzen sollte. Die Gespräche haben sich verschoben. Es geht um Skalierung. Um Governance. Um die Frage, was passiert, wenn nicht ein Modell arbeitet, sondern mehrere - und die sich gegenseitig orchestrieren.

"If one story defines 2025, it's the dawn of the AI Agent."

„Wenn es eine Geschichte gibt, die das Jahr 2025 prägt, dann sind es AI-Agenten.“ So formulieren es die Veranstalter. "Agent" landet laut AI-Analyse der Vorträge auf Platz 3 der meistgenannten Begriffe - über 2.500 Erwähnungen.

Vor einem Jahr fragten Unternehmen noch: "Sollen wir ChatGPT für den Kundenservice testen?" Heute fragen sie: "Wie bauen wir ein System, in dem ein Agent die Anfrage kategorisiert, ein zweiter die Wissensdatenbank durchsucht, ein dritter die Antwort formuliert und ein vierter die Qualität prüft - und das alles ohne menschliches Zutun?"

Das ist eine komplett andere Diskussion.

"AI Agent" muss immer noch als Buzzword herhalten. Jeder Vendor hat plötzlich "Agentic AI" im Portfolio. Jede Pressemitteilung verspricht "autonomous workflows".

Und obwohl das verdächtig nach dem nächsten Hype-Zyklus riecht, steckt mehr dahinter.

Die Grundidee eines Agenten ist simpel: Statt ein AI-Modell eine Aufgabe auf Zuruf erledigen zu lassen, baust du Systeme, in denen mehrere spezialisierte Agenten zusammenarbeiten. Einer recherchiert. Einer analysiert. Einer schreibt. Einer prüft. Sie übergeben sich Aufgaben, wie ein Team von Mitarbeitern.

Was Agents von bisherigen AI-Anwendungen unterscheidet, ist die Autonomie. Ein klassischer Chatbot wartet auf deine Eingabe und antwortet. Ein Agent kann selbstständig handeln.

Er erkennt, dass er mehr Informationen braucht, holt sie sich, entscheidet, welchen nächsten Schritt er macht, und führt ihn aus. Das klingt banal, ist aber ein Paradigmenwechsel.

Denk mal drüber nach: Bisher war AI ein Werkzeug. Du hast es benutzt. Mit Agents wird AI zum Kollegen. Einer, der Aufgaben übernimmt, nicht nur assistiert.

Die spannende Frage, die auf dem Summit diskutiert wird: Was passiert, wenn AI-Tools anfangen zusammenzuarbeiten statt isoliert Tasks zu erledigen?

Die Antworten sind faszinierend und beunruhigend zugleich.

Faszinierend, weil Multi-Agent-Systeme Dinge können, die einzelne Modelle nicht schaffen. Sie können komplexe Aufgaben in Teilschritte zerlegen, spezialisiertes Wissen kombinieren, sich gegenseitig korrigieren. 

Beunruhigend, weil niemand so richtig weiß, was passiert, wenn diese Systeme anfangen, Entscheidungen zu treffen, die wir nicht mehr nachvollziehen können.

Und die noch spannendere Frage, die man lieber nicht so richtig laut ausspricht: Was passiert mit den Menschen in diesen Workflows?

Bei vielen lizenzierten und regulierten Berufsgruppen (Ärzte, Pflege, Anwälte, Finanzen, Sicherheit, …) haben Menschen immer noch das letzte Wort. Aber die Verantwortung verschiebt sich trotzdem.

Ein neues Konzept macht die Runde: "Human above the loop" statt "human in the loop". Der Unterschied? Bisher war der Mensch der Kontrolleur, der AI-Outputs absegnet. Jetzt wird er zum Strategen, der die Richtung vorgibt - während die AI die Ausführung übernimmt. Klingt nach einem feinen Unterschied. Ist aber mehr.

Wir haben das Gefühl, dass diese Frage 2026 nicht mehr ignoriert werden kann.

Von Experimenten zu Enterprise. Von Modellen zu Systemen. Von Hype zu Implementation. Von "Wird AI was verändern?" zu "Wie schnell können wir mithalten?"

Die Zahlen sprechen für sich: Mehr als 60 Länder haben mittlerweile nationale AI-Strategien veröffentlicht. 65% der Unternehmen nutzen bereits Generative AI in mindestens einer Funktion.

Deloitte prognostiziert, dass bis Ende 2025 ein Viertel aller Enterprises agentic AI-Systeme im Einsatz haben - bis 2027 die Hälfte. Gleichzeitig haben 87% der Cybersecurity-Experten im letzten Jahr AI-gestützte Angriffe erlebt.

Der AI Summit ist auch kein Akademikertreffen. Das sind die Leute, die AI tatsächlich in Unternehmen implementieren. CTOs von Großkonzernen. AI-Teams von Banken. Strategen aus der Pharma-Industrie. CIOs von globalen Konglomeraten.

Und natürlich viele Praktiker aus kleineren Unternehmen, die von den Großen lernen wollen - und sich freuen, wie agil man sein kann, wenn man nicht zwölf Gremien und 7 Stufen horizontal und vertikal abholen muss. 

Und wenn man ihnen zuhört - wirklich zuhört, nicht nur den polished Keynotes, sondern den Gesprächen beim Kaffee, den Fragen nach den Sessions - dann hört man Dinge, die sich in keiner Pressemitteilung finden.

Nicht weil die Technologie schlecht ist. Sondern weil Organisationen nicht bereit sind. Die Gründe sind mittlerweile gut dokumentiert: Fehlendes Alignment mit Business-Zielen. Legacy-Systeme. Daten-Chaos. Change Management. Skills. Governance. Kultur. Sieben Hürden - und die Technologie ist keine davon.

Das kennen wir aus eigener Erfahrung. Die Begeisterung am Anfang. Die harte Realität danach. Ein AI-Tool einzuführen ist einfach. AI sauber zu skalieren, ist verdammt schwer.

Viele AI-Projekte schaffen es nie über die Pilotphase hinaus. Nicht weil sie technisch scheitern. Sondern weil die Organisation nicht mitzieht. Weil der Sponsor wechselt. Weil das Budget nach dem Proof-of-Concept gestrichen wird. Weil die Mitarbeiter die neuen Tools nicht nutzen wollen.

Es sind die, die am konsequentesten implementieren. 

Wie dominant das Thema ist, zeigt nochmals die Wortanalyse der Veranstalter: "Data" landet auf Platz 2 der meistgenannten Begriffe - fast 4.000 Erwähnungen, direkt hinter "AI" selbst.

Es geht um die langweilige Arbeit: Daten aufräumen, Prozesse standardisieren, Governance sicherstellen, Menschen schulen. Weniger "Wow, schau was AI kann!" und mehr "Okay, wie integrieren wir das in SAP?"

Es gibt Unternehmen, die seit Jahren mit AI experimentieren und trotzdem keinen messbaren Business Impact haben. Und es gibt andere, die mit einem einzigen, fokussierten Use Case angefangen haben und heute AI in hunderten von Prozessen nutzen. Der Unterschied? Die zweiten haben verstanden, dass die Technologie der einfache Teil ist.

Ein Beispiel, das hängen bleibt: Northwell Health rollt "Ambient Listening" aus - AI, die bei Arzt-Patienten-Gesprächen mithört und die Dokumentation automatisch erledigt. Das Ziel? Provider Burnout reduzieren. Das ist kein Hype-Projekt. Das ist eine konkrete Antwort auf ein echtes, komplexes Problem (es gibt viele Auflagen in dem Bereich).

Sexy? Nein. Effektiv? Absolut.

Auch unsexy, aber wahr. Die Unternehmen, die jetzt ihre AI-Governance-Frameworks bauen, werden künftig die sein, die schnell skalieren können. 

Early Adopters, die früh in Governance investiert haben, können neue Use Cases in Wochen ausrollen. Die anderen brauchen Monate - weil jedes Mal die Rechtsabteilung von vorne anfängt, weil niemand weiß, welche Daten wo verwendet werden dürfen, weil die Compliance-Prozesse nicht existieren.

AI-Governance ist wie eine gute Infrastruktur: Man merkt sie nicht, wenn sie funktioniert. Aber man merkt es sofort, wenn sie fehlt. Tipp aus der Praxis: Im Beschaffungsprozess eine Frage einbauen, ob die Beschaffung “AI-relevant” ist - und wenn ja, entsprechende Follow-up-Maßnahmen einleiten.

Buchtipp zum Thema: “Governing the Machine” von Ray Eitel-Porter, Paul Dongha und Miriam Vogel.

Ein Satz, der auf dem Summit für Stirnrunzeln sorgte: "The only way forward is not to modernize the business to be AI ready. It is to reimagine the business and to be AI native." 

AI-ready heißt: Du streust AI über die gleichen alten Prozesse und nennst es Transformation. AI-native bedeutet das Gegenteil: Du denkst dein Business neu, so als hätte AI von Tag 1 an existiert. Andere Architektur. Andere Annahmen. Andere Abläufe. Alles.

Anders gesagt: Es reicht nicht, bestehende Prozesse mit AI-Tools aufzuhübschen. Stattdessen soll der Prozess oder sogar das Unternehmen von Grund auf neu gedacht werden. AI-native Companies spielen ein anderes Spiel, mit anderen Regeln.

Die meisten Unternehmen wählen den AI-ready-Ansatz, weil es „einfacher“ ist und weil genau das von den Consultants verkauft wird.

AI-ready vs. AI-native - das ist der Unterschied zwischen einem Pflaster und einer Operation. Beide haben ihre Berechtigung. Aber nur eine löst das Problem nachhaltig.

Eine ganze Bühne beim Summit war dem Thema Cybersecurity gewidmet. Der Titel: "AI vs. AI: The New Cybersecurity Arms Race."

Dieselben Technologien, die Unternehmen produktiver machen, machen auch Angreifer produktiver. Vorbei sind die Zeiten, wo man Phishing-Mails vom Schiff aus spotten konnte. Heute kann man AI-generierte Phishing-Mails kaum mehr von echten unterscheiden. Dahinter steht Social Engineering auf Steroiden mit automatisierten Angriffen, die sich in Echtzeit anpassen.

Was das konkret bedeutet: Die Angriffe werden personalisierter, schneller, schwerer zu erkennen. AI kann in Sekunden analysieren, welche Mitarbeiter am ehesten auf einen bestimmten Betrug reinfallen. Sie kann Social-Media-Profile durchforsten, den Kommunikationsstil imitieren, perfekt getimte Nachrichten schicken. Das ist keine Theorie. Das passiert bereits.

Auf der anderen Seite steht die AI-basierte Verteidigung. Systeme, die Anomalien erkennen, bevor ein Mensch es könnte. Die Millionen von Log-Einträgen in Echtzeit analysieren. Die Angriffsmuster vorhersagen.

Es ist ein Wettrüsten. Und beide Seiten haben Zugang zu denselben Waffen.

Deshalb ein Reminder: Wenn du AI einführst, ohne gleichzeitig an Security zu denken, baust du ein Haus ohne Schlösser. Die Angreifer können AI nutzen, um deine AI-Systeme anzugreifen. Die Frage lautet dann, ob deine AI-Verteidigung schneller lernt als die AI deines Angreifers.

Willkommen in der Zukunft. Sie ist kompliziert…

Interessant war auch, was NICHT im Mittelpunkt stand: Generative AI.

Letztes Jahr war GenAI zentrales Thema. ChatGPT hier, Midjourney da, jeder redete davon. Dieses Jahr? GenAI ist einer von zehn Tracks. Nicht mehr die Hauptattraktion.

Das ist aber kein Zeichen von Bedeutungsverlust, sondern ein Zeichen von Reife.

Generative AI ist Commodity geworden. Wie Cloud Computing vor zehn Jahren. Anstatt "Wow, AI kann Texte schreiben!" lautet die Frage jetzt "Wie baue ich damit Produkte, die Menschen wirklich nutzen wollen?"

Der Shift ist spürbar. Vor einem Jahr ging es darum, was möglich ist. Jetzt geht es darum, was nützlich ist. Beth Roth, AI-Strategin, bringt es auf den Punkt: "Impressive technology is not inherently useful. Evaluate AI actions based on necessity, not capability."

Das fasst den Shift zusammen, den wir gerade erleben. Vor einem Jahr war "Wow" genug. Jetzt fragt jeder: "Und was bringt mir das konkret?"

Die Unternehmen, die diesen Shift verstanden haben, gewinnen. Die, die immer noch von den Möglichkeiten schwärmen, bleiben stecken.

Der Hype ist vorbei. Die Arbeit beginnt. Und das ist eigentlich eine gute Nachricht. Denn jetzt können wir uns auf das konzentrieren, was wirklich zählt: echten Wert schaffen.

Wir haben den AI Summit New York 2025 aus unserer eigenen Perspektive verarbeitet. Aber ein Event wie dieses lebt nicht nur von Keynotes und Folien, sondern von den Gesprächen dazwischen.

(Video by The AI Summit Series)

Daniella De Grande (Global Operations and Transformation Executive) hat den Summit pragmatisch eingerahmt: Selbst Branchen, von denen man es nicht erwartet, sind bei AI dabei und motiviert, nur fehlt ihnen oft das Know-how für die Integration.

Darum brauche es erfahrene Begleitung, und zwar nicht nur beim Thema AI selbst, sondern auch bei der Modernisierung von Legacy-Systemen und Infrastruktur. Ohne diese Basis werde das Ergebnis nicht sauber live gehen.

Der Kernpunkt bleibt dabei bodenständig: AI ist ein Werkzeug, entscheidend sind Nutzen für Menschen und echter Geschäftswert, nicht technische Spielerei.

Tom Bendien (Founder & CEO von GT Edge AI) bringt die Perspektive des Wettbewerbs mit ein: Eine kleine, frühe Gruppe fährt schon jetzt mit Vollgas und erzielt starke Resultate. In den nächsten zwölf Monaten wird dieser Anteil deutlich wachsen, und die frühen Vorreiter werden davonziehen.

Für die untere Hälfte sieht er dagegen massiven Druck, wie in einem Rennen, bei dem man immer weiter zurückfällt. Besonders auffällig fand er die Vielzahl von “Wrapper”-Firmen, die vermutlich nicht überleben werden. Da kommt das Dotcom-Gefühl hoch.

Eine Infrastruktur-Blase sieht er hingegen nicht, die Rechen-Infrastruktur werde gebraucht und sich bei denjenigen konzentrieren, die nachhaltige Geschäftsmodelle haben und die AI-Power wirklich benötigen.

Genau diese Skepsis griff auch Andres Andreu (CEO und Global Technology Executive bei Constella Intelligence) auf, mit einer unbequemen Beobachtung: Viele Unternehmen springen auf den Hype auf, ohne echte Enterprise-Chancen. Solche Fehlstarts habe die Branche schon öfter erlebt.

Und Tiago Aragona (Creative Technologist & Designer) brachte den vielleicht wichtigsten Perspektivenwechsel: Wir brauchen andere Benchmarks, um Erfolg von AI zu messen. Geschwindigkeit, Profit oder “wie menschlich es wirkt” reichen nicht aus, wenn man über ethische, nachhaltige und repräsentative AI sprechen will.

Dazwischen gab es weitere Stimmen, die den realen Lackmustest liefern: Wir lernen noch, wir entwickeln uns noch, und wir sollten nicht aufhören, Fragen zu stellen.

Cybersecurity wurde mehrfach als Augenöffner genannt, gerade für Leute außerhalb der klassischen Tech-Bubble. Und wie unterschiedlich ein einziges Problem gelöst werden kann - nicht als Verwirrung, sondern als Inspiration.

(Video by The AI Summit Series)

Auch was auf Konferenzen NICHT gesagt wird, ist oft genauso aufschlussreich wie das, was gesagt wird.

OpenAI? Nicht vertreten. Anthropic? Glänzt durch Abwesenheit.

Stattdessen auf der Sponsor-Liste: Enterprise-Software-Companies. Consulting-Firmen. Cloud-Provider. Die Infrastruktur-Anbieter.

Das kommt nicht von ungefähr. Die Foundation-Model-Companies sind beschäftigt - mit sich selbst, mit ihrem Wettrennen um das nächste große Modell, mit den Milliarden, die sie verbrennen. Aber die eigentliche Action? Die passiert woanders.

Die Botschaft ist klar: Beim AI Summit geht es nicht um die Foundation Models. Es geht um deren Anwendung. Um die Frage, wie du AI in deinen Kunden-Support integrierst oder mit deinem CRM verheiraten kannst. Wie du aus der Technologie Business Value machst.

Das ist übrigens auch der Grund, warum wir glauben, dass die "Welches Modell ist besser?"-Debatte zunehmend irrelevant wird. Klar, die Modelle unterscheiden sich. Aber für die meisten Business-Anwendungen ist der Unterschied zwischen GPT, Gemini und Claude minimal im Vergleich zum Unterschied zwischen guter und schlechter Implementation.

Für uns ist das die wichtigste Erkenntnis: Die Zukunft wird nicht von denen gebaut, die die besten Modelle haben. Sie wird von denen gebaut, die am besten implementieren.

Das sollte ermutigend sein. Du brauchst kein Riesen-Budget, um von AI zu profitieren. Du brauchst Fokus, gute Daten, klare Prozesse und die Bereitschaft, die langweilige und langwierige Implementierungsarbeit zu machen.

Nach zwei Tagen Summit, vielen Vorträgen und Panels, interessanten Gesprächen und Zeit zum Nachdenken, bleiben die wirklich wichtigen Fragen aber nicht beantwortet. Und das ist okay. Es wäre auch etwas seltsam, wenn eine Konferenz die großen Fragezeichen unserer Zeit beantworten würde…

Wer profitiert wirklich von AI? Die Unternehmen, die investieren können? Die Arbeitnehmer, die umschulen? Oder nur die Tech-Companies, die Tools verkaufen? Wir sehen gerade eine massive Konzentration: Die Großen werden größer, die Schnellen werden schneller. Was passiert mit denen, die nicht mithalten können?

Und was machen wir mit den Menschen? Wenn Agents Workflows übernehmen, was bleibt für die Mitarbeiter? Die Zahlen, die kursieren, sind weniger abstrakt als man denkt: Goldman Sachs schätzt, dass AI zwei Drittel aller Wissensarbeit automatisieren könnte. Ein Viertel aller Jobs. Das ist die Arbeitshypothese, mit der Konzerne gerade ihre Fünf-Jahres-Pläne schreiben. Kein Wunder, wenn wir alle Zugang zu einem Rechenzentrum mit frei skalierbaren Genies haben!

Auch die "AI als Assistenz"-Story klingt weniger überzeugend als auch schon, je besser die Agents werden. Wir hören von Unternehmen, die ganze Abteilungen umstrukturieren wollen. Nicht in fünf Jahren, sondern jetzt, am liebsten schon gestern …

Wie viel Kontrolle geben wir ab? Wenn AI-Systeme anfangen, sich selbst zu orchestrieren, wer trägt die Verantwortung, wenn etwas schiefgeht? Klar, der Mensch bleibt im Loop - das ist aber einfacher gesagt als getan, je autonomer die Systeme werden. Denn was passiert, wenn der Loop so schnell ist, dass kein Mensch mehr mitkommt?

Und können wir bei dem Tempo mithalten? Nicht nur technologisch. Sondern menschlich, organisatorisch, gesellschaftlich. Die Technologie entwickelt sich exponentiell. Menschen tun das nicht. Irgendwann muss sich etwas geben. Klar ist, dass für uns Menschen Dinge wie kritisches, vernetztes, systemisches Denken immer wie wichtiger wird.

Wie gesagt, das sind nicht die Fragen, die ein Summit beantwortet. Aber es sind die Fragen, über die wir alle nachdenken sollten.

So, jetzt wird's konkret. Was bedeutet das alles für dich?

Der Pilot ist einfach. Die Skalierung ist schwer. Wenn du AI in deinem Unternehmen einführen willst, investiere 20% in die Technologie und 80% in Change Management, Datenqualität und Governance. Klingt langweilig. Funktioniert.

Ja, Multi-Agent-Systeme sind bereits hier und werden weiter ihren Platz einnehmen. Ja, sie werden Arbeitsweisen fundamental verändern. Aber nicht nächste Woche. Beobachte die Entwicklung, experimentiere im definierten Rahmen, aber setz nicht alles auf eine Technologie, die noch in den Kinderschuhen steckt und viele Abhängigkeiten mit sich bringt.

Egal, ob du GPT, Claude oder Gemini nutzt: am Ende gewinnt, wer die besseren Daten und Prozesse hat und weiß, wie man sie nutzt. Investiere in deine Infrastruktur. Das ist der echte Wettbewerbsvorteil.

Nicht mit dem größten, coolsten AI-Projekt. Sondern mit dem, das am ehesten funktionieren wird. Überschaubar, fokussiert, messbar. Erfolg baut Momentum. Momentum ermöglicht größere Projekte.

Erst AI als Assistenz für bestehende Mitarbeiter. Dann einzelne Workflows automatisieren. Dann - und nur dann - größere Agent-Systeme. Wer gleich rennen will, fällt hin.

Wenn du tief in der AI-Bubble steckst, fühlt sich jeder Tag an wie ein FOMO-Raketenstart: Dauerbeschleunigung, Ziel unbekannt.

Aber weißt du was? Manchmal ist eine Konferenz mehr als ihre Vorträge. Ein paar Blocks von der Konferenz steht der Weihnachtsbaum am Rockefeller Center. 23 Meter hoch, 50.000 Lichter, ein 400-Kilo-Swarovski-Stern mit drei Millionen Kristallen.

Kitschig? Absolut. Aber auch irgendwie perfekt nach einem solchen Tag. Und auch wenn ich nun schon über 15 Jahre hier im Big Apple lebe, genieße ich diese kitschige, wunderbare Weihnachtsmagie.

Auch die legendären Rockettes ziehen ihr Programm durch. Sie feiern dieses Jahr 100-jähriges Bestehen. Ein ganzes Jahrhundert synchronisierter High-Kicks in perfekter Präzision - wie immer, seit 1925.

Manche Dinge ändern sich nicht. Und das ist beruhigend.

Im Bryant Park kannst du Schlittschuh laufen und in beheizten Iglus Glühwein trinken, während um dich herum Weihnachtsmarktstände europäisches Flair versprühen.

Okay, an die deutschen Weihnachtsmärkte kommen sie nie und nimmer ran. Aber immerhin…

Die Agenten kommen. Die Fragen bleiben. Und in NYC leuchtet der Weihnachtsbaum.

Vielleicht ist das die eigentliche Lektion: Technologie verändert sich ständig. Aber Menschen? Die wollen im Winter immer noch Lichter sehen und zusammen feiern. Die wollen sich wärmen, staunen und für einen Moment vergessen, dass die Welt sich immer schneller dreht.

Und genau in dieser Lücke entsteht die Magie.

Es sind spannende Zeiten, liebe AINAUTEN - danke, dass du uns auf dieser Reise begleitest!

Bis bald,
Reto & Fabian von den AInauten