Digitalgeschichte ist in den meisten Fällen ein hochinteressantes, aber oft sehr ärgerliches Fach. Retrospektiv kann man erkennen, wo wann wie welche später gigantischen, weltverändernden Entwicklungen angefangen haben. Anschließend muss man erkennen, wie wenig sowohl die Menschheit wie auch man selbst daraus zu lernen in der Lage war. Wie reich hätte man werden können, wenn man die ersten Anfänge von Bitcoin auch nur halbwegs richtig eingeschätzt hätte! Oder wie klug hätte man dastehen können, wenn man am 9. Dezember 1968 etwas besser aufgepasst hätte.

Damals fand einer der – retrospektiv natürlich – wirkmächtigsten Vorträge aller Zeiten statt, in der Szene »Mother of All Demos« , Mutter aller Vorträge genannt – der großen Öffentlichkeit trotzdem weitgehend unbekannt. Douglas Engelbart stellte eine Reihe von zu allerersten Mal überhaupt präsentierten Technologien vor, die er »Online-System« nannte. Dazu gehörten unter anderem eine Art Betriebssystem mit Fenstern, das Prinzip Hypertext, bis dahin kaum gekannte, digitale Grafiken, eine Form von grafischer Navigation auf dem Bildschirm, Echtzeit-Videokonferenz, die Computermaus, Textverarbeitung sowie Revisionskontrolle innerhalb einer kollaborativen Echtzeit-Arbeitsumgebung.

Vielleicht wird irgendwann der 20. Mai 2025 zu einem ähnlich gehypten Datum. Denn da fand die jährliche Google-Entwickler-Konferenz namens I/O statt. Und erst langsam, quasi in der öffentlich in sozialen Medien dokumentierten Nutzung der vorgestellten und verfügbaren Technologien, kristallisiert sich heraus, welche KI-Quantensprünge dort sichtbar wurden. Zum Beispiel die Interaktion mit einer KI-Brille, die ständig die Umgebung aufnimmt und bewertet und im Zweifel als ausgelagertes Gedächtnis funktionieren kann. Oder die ersten, substanziellen Schritte in die Zukunft der agentischen KI, also der AI Agents, die beinahe wie echte Personen im Digitalen agieren können – und auch werden. Oder die KI-Abkehr von der Google-Suche, die ökonomisch wie gesellschaftlich wie medial das Internet der letzten 20 Jahre maßgeblich geprägt hat.

Die mittelfristig – vielleicht – wirkmächtigste Neuerung aber ist in Deutschland noch nicht offiziell verfügbar: Google Veo 3, das neueste KI-Modell für den Bereich Text-to-Video. »Text-to-Video« hört sich langweilig und unspektakulär an, so umschrieben, entfaltet das vorgestellte Stück Software den Charme eines Diätsekt-Stehempfangs der Schweizer U-Boot-Veteranen. Aber wer die Veo3-Ergebnisse der ersten paar Tage betrachtet und ein wenig zu extrapolieren in der Lage ist, dürfte die Veränderungsradikalität erkennen.

Veo3 stellt Videoclips her aus hingeworfenen Prompts, und zwar inklusive der dazu passenden Töne und Worte. Ein KI-Fachmann namens Hashem Al-Ghaili  hat – neben vielen anderen Leuten – umgehend begonnen, die neue Kreativ-Technologie auszureizen. Eines der eindrucksvollsten, komplett KI-seitig hergestellten Videos ist so überraschend wie auf wunderbare und bewusstseinsöffnende Weise selbstreferentiell: Die KI-erschaffenen Figuren beschweren sich, bemitleiden sich, begehren auf – gegen ihren Schöpfer, der die Prompts ja auch ganz anders hätte setzen können.

Was wir hier sehen, und was in den extrem video-geprägten sozialen Medien derzeit geschieht – ist erst der Anfang, denn wie gesagt, ist diese Qualität erst seit kurzem möglich, und das auch nur für einen ausgewählten Personenkreis.

Jetzt könnte man leicht den Fehler machen und glauben, dass so sensationell gute Videos aus Texten herstellen zu können, nur ein paar wenige Branchen und Menschen anginge. »Hollywood is so dead«, lautete ein oft gehörter Satz der ersten Tage, auch Werbung wird natürlich betroffen sein, ebenso alle möglichen Einsatzgebiete von Videomedien, von Schulungen über Pornografie bis Nachrichten.

Aber diese Einengung der Wirkmacht ist spektakulär falsch. Denn Veo3 muss man eher als Prinzip begreifen und samt dessen Konkurrenten und Nachfolgern betrachten – und in Kombination mit anderen Technologie-Komplexen. Veo3 ist der erste große Schritt der skalierbaren Hyperpersonalisierbarkeit von Videoinhalten. Videos und speziell Erzählungen oder Gespräche in Form von Videos wiederum sind die bestfunktionierenden Instrumente der Persuasion überhaupt – das ist die Kunst der Überzeugung. Man muss also Veo3 der Werbefirma Google samt ihres Social Networks Youtube und Technologien wie Profiling betrachten.

Mark Zuckerberg hat Ende April 2025 davon gesprochen , die komplette Werbewirtschaft zu automatisieren, ärgerlicherweise hatte ich meine Kolumne darüber ein paar Wochen zu früh geschrieben. Was Zuckerberg konkret meint, kann Google jetzt in atemberaubender Weise umsetzen: Man wirft einen Prompt hin, wie »Erstelle ein Video, das mein Produkt X am besten verkauft.« Die Maschine stellt dann ein paar hundert verschiedene Videos her, zum Beispiel anhand bisheriger Daten aus der jeweiligen Branche, spielt sie testweise bei einem Testpublikum aus – und kommt mit einem konkreten Werbeangebot zurück, weil sie weiß, welche Videos bei welcher Zielgruppe am ehesten zum Kauf führen. Okay, Werbung scheint sich also tatsächlich dramatisch zu wandeln, aber warum sollte das praktisch alle betreffen?

Weil Persuasion heute nicht nur in der Werbung, sondern wirklich überall stattfindet – zum Beispiel in der politischen Kommunikation. In der Schurken-Variante davon, Propaganda. Bei Radikalisierungen aller Art durch und mit sozialen Medien.

Mithilfe von Daten über jede einzelne Person, gewonnen aus dem im Netz allgegenwärtigen Profiling, lässt sich schon bald auch für jede einzelne Person das anhand dieser Daten bestüberzeugende oder auch bestfunktionierende Video herstellen: Hyperpersonalisierung, von Putin-Propaganda über Firmen-Fortbildung bis Unterhaltung. Veo3 markiert wahrscheinlich den Beginn eines neuen Videozeitalters, in dem nur noch die Datenbasis einer Person und die Rendering-Geschwindigkeit der Inhalte Grenzen darstellen. Und oft unterschätzt wird, dass die jeweilige persönliche Reaktion auf Inhalte wiederum eine hervorragende Datenbasis für die weitere Verfeinerung der persönlichen KI-Persuasion darstellt. Genau deshalb ist ja TikTok so unglaublich wirksam und weltverändernd – der Algorithmus wird mit jeder Interaktion besser und spielt eben auch überzeugendere Inhalte aus. Bald kann eine Plattform wie TikTok dieses Wissen nicht nur zur Auswahl der bestpassenden Inhalte verwenden, sondern zur individuellen Erstellung der bestpassenden Inhalte.

Die Implikationen werden mit jedem neuen Entwicklungsschritt der generativen KI noch größer. Das Nachrichten-Kollektivlagerfeuer »Tagesschau« ist für eine bestimmte Altersgruppe längst weitgehend Geschichte, aber in Zukunft könnte selbst die gemeinsame Basis der Viralität – der massenhaft konsumierten Inhalte – noch weiter aufsplittern. Wie sieht zum Beispiel eine für die Demokratie essenzielle, öffentliche Debatte aus, wenn alle Teilnehmenden gar nicht mehr die gleichen Videos sehen, die man als »viral« bezeichnet – sondern hyperpersonalisierte Inhalte, die es im Extremfall nur ein einziges Mal gibt?

Wenn man vom persuasiven Element, der hyperpersonalisierten Video-Überzeugungskraft ausgeht, dann landet man irgendwann auch bei Deepfakes und Cyberkriminalität. Panikmache wäre unangebracht, weil Panikmache immer unangebracht ist. Aber ein wenig mehr sachkundige Vorbereitung auf eine Zeit, in der man praktisch gar keinem herumfliegenden Video mehr glauben darf und manchmal alle etwas anderes, auf sie persönlich zugeschnittenes sehen, kann man sich schon wünschen.