In this episode Gudrun speaks with <a href="https://www.scc.kit.edu/personen/nadja.klein.php">Nadja Klein</a> and <a href="https://mos-ks.github.io/bio/">Moussa Kassem Sbeyti</a> who work at the <a href="https://www.scc.kit.edu/">Scientific Computing Center</a> (SCC) at KIT in Karlsruhe. Since August 2024, Nadja has been professor at KIT leading the research group <a href="https://www.scc.kit.edu/en/research/mbd.php">Methods for Big Data</a> (MBD) there. She is an <a href="https://de.wikipedia.org/wiki/Emmy-Noether-Programm">Emmy Noether Research Group</a> Leader, and a member of <a href="https://de.wikipedia.org/wiki/AcademiaNet">AcademiaNet</a>, and <a href="https://www.diejungeakademie.de/en">Die Junge Akademie</a>, among others. In 2025, Nadja was awarded the Committee of Presidents of Statistical Societies (COPSS) Emerging Leader Award (ELA). The COPSS ELA recognizes early career statistical scientists who show evidence of and potential for leadership and who will help shape and strengthen the field. She finished her doctoral studies in Mathematics at the Universität Göttingen before conducting a postdoc at the University of Melbourne as a Feodor-Lynen fellow by the Alexander von Humboldt Foundation. Afterwards she was a Professor for Statistics and Data Science at the Humboldt-Universität zu Berlin before joining KIT. Moussa joined Nadja's lab as an associated member in 2023 and later as a postdoctoral researcher in 2024. He pursued a PhD at the TU Berlin while working as an AI Research Scientist at the Continental AI Lab in Berlin. His research primarily focuses on deep learning, developing uncertainty-based automated labeling methods for 2D object detection in autonomous driving. Prior to this, Moussa earned his M.Sc. in Mechatronics Engineering from the TU Darmstadt in 2021. The research of Nadja and Moussa is at the intersection of statistics and machine learning. In Nadja's MBD Lab the research spans theoretical analysis, method development and real-world applications. One of their key focuses is Bayesian methods, which allow to incorporate prior knowledge, quantify uncertainties, and bring insights to the “black boxes” of machine learning. By fusing the precision and reliability of Bayesian statistics with the adaptability of machine and deep learning, these methods aim to leverage the best of both worlds. The KIT offers a strong research environment, making it an ideal place to continue their work. They bring new expertise that can be leveraged in various applications and on the other hand Helmholtz offers a great platform in that respect to explore new application areas. For example Moussa decided to join the group at KIT as part of the Helmholtz Pilot Program Core-Informatics at KIT (KiKIT), which is an initiative focused on advancing fundamental research in informatics within the Helmholtz Association. Vision models typically depend on large volumes of labeled data, but collecting and labeling this data is both expensive and prone to errors. During his PhD, his research centered on data-efficient learning using uncertainty-based automated labeling techniques. That means estimating and using the uncertainty of models to select the helpful data samples to train the models to label the rest themselves. Now, within KiKIT, his work has evolved to include knowledge-based approaches in multi-task models, eg. detection and depth estimation — with the broader goal of enabling the development and deployment of reliable, accurate vision systems in real-world applications. Statistics and data science are fascinating fields, offering a wide variety of methods and applications that constantly lead to new insights. Within this domain, Bayesian methods are especially compelling, as they enable the quantification of uncertainty and the incorporation of prior knowledge. These capabilities contribute to making machine learning models more data-efficient, interpretable, and robust, which are essential qualities in safety-critical domains such as autonomous driving and personalized medicine. Nadja is also enthusiastic about the interdisciplinarity of the subject — repeatedly changing the focus from mathematics to economics to statistics to computer science. The combination of theoretical fundamentals and practical applications makes statistics an agile and important field of research in data science. From a deep learning perspective, the focus is on making models both more efficient and more reliable when dealing with large-scale data and complex dependencies. One way to do this is by reducing the need for extensive labeled data. They also work on developing self-aware models that can recognize when they're unsure and even reject their own predictions when necessary. Additionally, they explore model pruning techniques to improve computational efficiency, and specialize in Bayesian deep learning, allowing machine learning models to better handle uncertainty and complex dependencies. Beyond the methods themselves, they also contribute by publishing datasets that help push the development of next-generation, state-of-the-art models. The learning methods are applied across different domains such as object detection, depth estimation, semantic segmentation, and trajectory prediction — especially in the context of autonomous driving and agricultural applications. As deep learning technologies continue to evolve, they’re also expanding into new application areas such as medical imaging. Unlike traditional deep learning, Bayesian deep learning provides uncertainty estimates alongside predictions, allowing for more principled decision-making and reducing catastrophic failures in safety-critical application. It has had a growing impact in several real-world domains where uncertainty really matters. Bayesian learning incorporates prior knowledge and updates beliefs as new data comes in, rather than relying purely on data-driven optimization. In healthcare, for example, Bayesian models help quantify uncertainty in medical diagnoses, which supports more risk-aware treatment decisions and can ultimately lead to better patient outcomes. In autonomous vehicles, Bayesian models play a key role in improving safety. By recognizing when the system is uncertain, they help capture edge cases more effectively, reduce false positives and negatives in object detection, and navigate complex, dynamic environments — like bad weather or unexpected road conditions — more reliably. In finance, Bayesian deep learning enhances both risk assessment and fraud detection by allowing the system to assess how confident it is in its predictions. That added layer of information supports more informed decision-making and helps reduce costly errors. Across all these areas, the key advantage is the ability to move beyond just accuracy and incorporate trust and reliability into AI systems. Bayesian methods are traditionally more expensive, but modern approximations (e.g., variational inference or last layer inference) make them feasible. Computational costs depend on the problem — sometimes Bayesian models require fewer data points to achieve better performance. The trade-off is between interpretability and computational efficiency, but hardware improvements are helping bridge this gap. Their research on uncertainty-based automated labeling is designed to make models not just safer and more reliable, but also more efficient. By reducing the need for extensive manual labeling, one improves the overall quality of the dataset while cutting down on human effort and potential labeling errors. Importantly, by selecting informative samples, the model learns from better data — which means it can reach higher performance with fewer training examples. This leads to faster training and better generalization without sacrificing accuracy. They also focus on developing lightweight uncertainty estimation techniques that are computationally efficient, so these benefits don’t come with heavy resource demands. In short, this approach helps build models that are more robust, more adaptive to new data, and significantly more efficient to train and deploy — which is critical for real-world systems where both accuracy and speed matter. Statisticians and deep learning researchers often use distinct methodologies, vocabulary and frameworks, making communication and collaboration challenging. Unfortunately, there is a lack of Interdisciplinary education: Traditional academic programs rarely integrate both fields. It is necessary to foster joint programs, workshops, and cross-disciplinary training can help bridge this gap. From Moussa's experience coming through an industrial PhD, he has seen how many industry settings tend to prioritize short-term gains — favoring quick wins in deep learning over deeper, more fundamental improvements. To overcome this, we need to build long-term research partnerships between academia and industry — ones that allow for foundational work to evolve alongside practical applications. That kind of collaboration can drive more sustainable, impactful innovation in the long run, something we do at methods for big data. Looking ahead, one of the major directions for deep learning in the next five to ten years is the shift toward trustworthy AI. We’re already seeing growing attention on making models more explainable, fair, and robust — especially as AI systems are being deployed in critical areas like healthcare, mobility, and finance. The group also expect to see more hybrid models — combining deep learning with Bayesian methods, physics-based models, or symbolic reasoning. These approaches can help bridge the gap between raw performance and interpretability, and often lead to more data-efficient solutions. Another big trend is the rise of uncertainty-aware AI. As AI moves into more high-risk, real-world applications, it becomes essential that systems understand and communicate their own confidence. This is where uncertainty modeling will play a key role — helping to make AI not just more powerful, but also more safe and reliable. The lecture "Advanced Bayesian Data Analysis" covers fundamental concepts in Bayesian statistics, including parametric and non-parametric regression, computational techniques such as MCMC and variational inference, and Bayesian priors for handling high-dimensional data. Additionally, the lecturers offer a Research Seminar on Selected Topics in Statistical Learning and Data Science. The workgroup offers a variety of Master's thesis topics at the intersection of statistics and deep learning, focusing on Bayesian modeling, uncertainty quantification, and high-dimensional methods. Current topics include predictive information criteria for Bayesian models and uncertainty quantification in deep learning. Topics span theoretical, methodological, computational and applied projects. Students interested in rigorous theoretical and applied research are encouraged to explore our available projects and contact us for further details. The general advice of Nadja and Moussa for everybody interested to enter the field is: "Develop a strong foundation in statistical and mathematical principles, rather than focusing solely on the latest trends. Gain expertise in both theory and practical applications, as real-world impact requires a balance of both. Be open to interdisciplinary collaboration. Some of the most exciting and meaningful innovations happen at the intersection of fields — whether that’s statistics and deep learning, or AI and domain-specific areas like medicine or mobility. So don’t be afraid to step outside your comfort zone, ask questions across disciplines, and look for ways to connect different perspectives. That’s often where real breakthroughs happen. With every new challenge comes an opportunity to innovate, and that’s what keeps this work exciting. We’re always pushing for more robust, efficient, and trustworthy AI. And we’re also growing — so if you’re a motivated researcher interested in this space, we’d love to hear from you." <h1 class="waypoint-triggered" >Literature and further information</h1> <ul><li> <a href="https://kleinlab-statml.github.io/">Webpage of the group</a></li><li> <a href="https://arxiv.org/abs/1901.03214">G. Nuti, Lluis A.J. Rugama, A.-I. Cross: Efficient Bayesian Decision Tree Algorithm</a>, arxiv Jan 2019</li><li> <a href="https://en.wikipedia.org/wiki/Expected_value_of_sample_information">Wikipedia: Expected value of sample information</a></li><li> <a href="http://eprints.lse.ac.uk/12474/">C. Howson &amp; P. Urbach: Scientific Reasoning: The Bayesian Approach</a> (3rd ed.). Open Court Publishing Company. ISBN 978-0-8126-9578-6, 2005.</li><li> <a href="https://www.crcpress.com/Bayesian-Data-Analysis/Gelman-Carlin-Stern-Dunson-Vehtari-Rubin/p/book/9781439840955 ">A.Gelman e.a.: Bayesian Data Analysis</a> Third Edition. Chapman and Hall/CRC. ISBN 978-1-4398-4095-5, 2013.</li><li> <a href="https://web.archive.org/web/20130228060536/http://www.cogsci.ucsd.edu/~ajyu/Teaching/Tutorials/bayes_dt.pdf">Yu, Angela: Introduction to Bayesian Decision Theory</a> cogsci.ucsd.edu, 2013.</li><li> <a href="https://towardsdatascience.com/introduction-to-bayesian-networks-81031eeed94e">Devin Soni: Introduction to Bayesian Networks</a>, 2015.</li><li> <a href="https://arxiv.org/abs/1901.03214">G. Nuti, L. Rugama, A.-I. Cross: Efficient Bayesian Decision Tree Algorithm</a>, arXiv:1901.03214 <a href="stat.ML">stat.ML</a>, 2019.</li><li> <a href="https://www.tandfonline.com/doi/abs/10.1080/01621459.2023.2191820">M. Carlan, T. Kneib and N. Klein: Bayesian conditional transformation models</a>, Journal of the American Statistical Association, 119(546):1360-1373, 2024.</li><li> <a href="https://www.annualreviews.org/content/journals/10.1146/annurev-statistics-040722-053607">N. Klein: Distributional regression for data analysis</a> , Annual Review of Statistics and Its Application, 11:321-346, 2024 </li><li> <a href="https://arxiv.org/abs/2110.01050">C.Hoffmann and N.Klein: Marginally calibrated response distributions for end-to-end learning in autonomous driving</a>, Annals of Applied Statistics, 17(2):1740-1763, 2023 </li><li> <a href="https://openreview.net/forum?id=HuibNFkaoi">Kassem Sbeyti, M., Karg, M., Wirth, C., Klein, N., &amp; Albayrak, S. (2024, September). Cost-Sensitive Uncertainty-Based Failure Recognition for Object Detection</a>. In Uncertainty in Artificial Intelligence (pp. 1890-1900). PMLR.</li><li> <a href="https://openreview.net/pdf?id=vRYt8QLKqK">M. K. Sbeyti, N. Klein, A. Nowzad, F. Sivrikaya and S. Albayrak: Building Blocks for Robust and Effective Semi-Supervised Real-World Object Detection pdf</a>. To appear in Transactions on Machine Learning Research, 2025</li></ul> <h1 class="waypoint-triggered" >Podcasts</h1> <ul><li> <a href="https://fyyd.de/episode/13273689">Learning, Teaching, and Building in the Age of AI</a> Ep 42 of Vanishing Gradient, Jan 2025.</li><li> <a href="http://modellansatz.de/risikoentscheidungen">O. Beige, G. Thäter: Risikoentscheidungsprozesse</a>, Gespräch im Modellansatz Podcast, Folge 193, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2019. </li></ul>

Modellansatz

Modellansatz 253

In this episode Gudrun speaks with Nadja Klein and Moussa Kassem Sbeyti who work at the Scientific Computing Center (SCC) at KIT in Karlsruhe. Since August 2024, Nadja has been professor at KIT leading the research group Methods for Big Data (MBD) there. She is an Emmy Noether Research Group Leader, and a member of AcademiaNet, and Die Junge Akademie, among others. In 2025, Nadja was awarded the Committee of Presidents of Statistical Societies (COPSS) Emerging Leader Award (ELA). The COPSS ELA recognizes early career statistical scientists who show evidence of and potential for leadership and who will help shape and strengthen the field. She finished her doctoral studies in Mathematics at the Universität Göttingen before conducting a postdoc at the University of Melbourne as a Feodor-Lynen fellow by the Alexander von Humboldt Foundation. Afterwards she was a Professor for Statistics and Data Science at the Humboldt-Universität zu Berlin before joining KIT. Moussa joined Nadja's lab as an associated member in 2023 and later as a postdoctoral researcher in 2024. He pursued a PhD at the TU Berlin while working as an AI Research Scientist at the Continental AI Lab in Berlin. His research primarily focuses on deep learning, developing uncertainty-based automated labeling methods for 2D object detection in autonomous driving. Prior to this, Moussa earned his M.Sc. in Mechatronics Engineering from the TU Darmstadt in 2021. The research of Nadja and Moussa is at the intersection of statistics and machine learning. In Nadja's MBD Lab the research spans theoretical analysis, method development and real-world applications. One of their key focuses is Bayesian methods, which allow to incorporate prior knowledge, quantify uncertainties, and bring insights to the “black boxes” of machine learning. By fusing the precision and reliability of Bayesian statistics with the adaptability of machine and deep learning, these methods aim to leverage the best of both worlds. The KIT offers a strong research environment, making it an ideal place to continue their work. They bring new expertise that can be leveraged in various applications and on the other hand Helmholtz offers a great platform in that respect to explore new application areas. For example Moussa decided to join the group at KIT as part of the Helmholtz Pilot Program Core-Informatics at KIT (KiKIT), which is an initiative focused on advancing fundamental research in informatics within the Helmholtz Association. Vision models typically depend on large volumes of labeled data, but collecting and labeling this data is both expensive and prone to errors. During his PhD, his research centered on data-efficient learning using uncertainty-based automated labeling techniques. That means estimating and using the uncertainty of models to select the helpful data samples to train the models to label the rest themselves. Now, within KiKIT, his work has evolved to include knowledge-based approaches in multi-task models, eg. detection and depth estimation — with the broader goal of enabling the development and deployment of reliable, accurate vision systems in real-world applications. (...)

Bayesian Learning

Diesmal in BGT: Bagger, Internetprobleme, Backup-Lösungen, Smart Home, Datensicherheit und AI.
<h2>Blast from the Past</h2>
<ul>
<li>Internetleitung
<ul>
<li><a href="https://jit.social/@ingo/114444007123277348">Toot mit Bagger / Leitungsfoto</a></li>
<li>MikroTik CCR2004-1G-12S +2XS</li>
<li><a href="https://l33tsource.com/blog/2020/03/29/hex-s-the-good-the-bad-the-ugly/">HexS</a></li>
</ul>
</li>
<li>&quot;Aber Kenner und Liebhaber holen schon alleine der absolut überlegenen Ton- und Bildqualität wegen Blurays, weil's nicht so ne kack Komprimierung ist, wie beim Streaming. Natürlich dann nur dort, wo es die Filme zu kaufen gibt.&quot;</li>
</ul>
<h2>Toter der Woche</h2>
<ul>
<li><a href="https://www.theverge.com/news/652364/synology-nas-third-party-hard-drive-restrictions">Synology</a></li>
<li><a href="https://www.heise.de/news/TrueNAS-25-04-laesst-FreeBSD-fallen-Fangtooth-nur-noch-mit-GNU-Linux-Basis-10363136.html">Freebsd auf TrueNas</a>
<ul>
<li><a href="https://hexos.com/">hexos</a></li>
</ul>
</li>
<li><a href="https://join.gulas.ch/">GPN (für mich)</a></li>
<li><a href="https://www.heise.de/news/Google-beendet-Support-fuer-alte-Nest-Learning-Thermostate-Rueckzug-vom-EU-Markt-10363735.html">Nest Thermostate aus EU</a></li>
<li><a href="https://github.com/kkos/oniguruma">oniguruma</a></li>
<li><a href="https://hackaday.com/2025/04/24/a-bicycle-is-abandonware-now-clever-hack-rescues-dead-light/">Fahrräder Abandonware retten</a></li>
</ul>
<h2>Untoter der Woche</h2>
<ul>
<li><a href="https://www.theregister.com/2025/04/28/4chan_back_onlin/">4chan</a></li>
<li><a href="https://hackaday.com/2025/04/19/rockbox-4-0-released/">Rockbox 4.0</a>
-<a href="https://de.wikipedia.org/wiki/Windows_Media_Audio">WMA</a></li>
</ul>
<h2>AI der Woche</h2>
<ul>
<li>
<a href="https://qwenlm.github.io/blog/qwen3/">Qwen3</a>
</li>
<li>
<a href="https://www.heise.de/news/Australischer-Radiosender-nutzt-monatelang-KI-Stimme-als-Moderation-unbemerkt-10363585.html">KI-Stimme als Moderation</a>
<ul>
<li><a href="https://gnulinux.ch/ciw133-podcast">Captain it's Wednesday - Folge 133</a></li>
</ul>
</li>
<li>
<a href="https://www.heise.de/news/LG-Smart-TVs-sollen-Emotionen-der-Zuschauer-ueberwachen-und-per-KI-auswerten-10357123.html">LG Smart TVs sollen Emotionen überwachen (mit AI)</a>
<ul>
<li><a href="https://news.sky.com/story/you-wouldnt-steal-a-font-famous-anti-piracy-campaign-may-have-used-pirated-typeface-13357462">You wouldn't steal a font</a></li>
</ul>
</li>
<li>
<a href="https://arstechnica.com/ai/2025/04/regrets-actors-who-sold-ai-avatars-stuck-in-black-mirror-esque-dystopia/">AI avatar regrets</a>
</li>
</ul>
<h2>News</h2>
<ul>
<li><a href="https://www.youtube.com/watch?v=pVI_smLgTY0">I installed Linux (so should you) - (video)</a>
** <a href="https://www.youtube.com/playlist?list=PLUBKwq0XD0ueR3CXGUhGpsD1puLcYJPUp">Fully Ramblomatic</a></li>
<li><a href="https://www.tagesschau.de/inland/innenpolitik/epa-patientenakte-hacking-100.html">ePA jetzt wirklich richtig sicher!</a>
<ul>
<li><a href="https://www.heise.de/hintergrund/Bis-500-000-000-Euro-Schaden-Wie-die-Bahnbranche-das-Deutschlandticket-riskiert-10361820.html">Wie die Bahnbranche das D-Ticket riskiert</a></li>
</ul>
</li>
<li><a href="https://www.openbsd.org/77.html">OpenBSD 7.7</a></li>
<li><a href="https://hoefler.dev/articles/vsock.html">CVE-2025-21756</a></li>
</ul>
<h2>3D Druck</h2>
<ul>
<li>https://youtu.be/ZTmmEv9irbM?si=SGkuIhEgXB1XT6t4</li>
<li><a href="https://makerworld.com/en/models/1261871-eggsplode-bunny-surprise-egg">Easteregg</a></li>
</ul>
<h2>Themen</h2>
<ul>
<li><a href="https://www.radiotux.de/index.php?/archives/8106-RadioTux-Sendung-April-2025.html">RadioTux April 2025 über Smarthome</a></li>
</ul>
<h2>Lesefoo</h2>
<ul>
<li><a href="https://blog.edward-li.com/tech/advanced-python-features/#1-typing-overloads">14 advanced python features</a></li>
<li><a href="https://www.tomshardware.com/pc-components/storage/unpowered-ssd-endurance-investigation-finds-severe-data-loss-and-performance-issues-reminds-us-of-the-importance-of-refreshing-backups">Unpowered SSD endurance</a></li>
</ul>
<h2>Picks</h2>
<ul>
<li><a href="https://typst.app/">typst</a></li>
<li><a href="https://librelingo.app/">librelingo</a></li>
<li><a href="https://www.gl-inet.com/products/gl-rm1/">gl.inet comet internet kvm</a></li>
<li><a href="https://www.nixhub.io/">nixhub.io</a></li>
</ul>

Diesmal in BGT: Bagger, Internetprobleme, Backup-Lösungen, Smart Home, Datensicherheit und AI.

Binärgewitter

Binärgewitter Talk #358: Schönes Tablet habt ihr dort. Wäre doch schade, wenn ihm ein Home-Assistant Dashboard zustoßen würde

Unser Road Trip Podcast-Team macht sich auch in dieser Woche näher in Richtung Launch der Nintendo Switch 2. Diesmal diskutieren wir die Vorbestellerphase in den USA, der mit einem riesigen Andrang einhergegangen ist. Außerdem besprechen wir Gerüchte rund um einige Third-Party-Spiele und mutmaßen über das ein oder andere technische Detail.

Eingestiegen und los gehört!

Schaut außerdem auf www.pixelpolygoneplauderei.de vorbei und hinterlasst uns ein paar liebe, kritische oder lustige Worte. Wenn euch die Episode gefallen hat, sagt es uns in den Kommentaren, bei Discord https://discord.gg/QEZWjVy6Wt, und Instagram https://www.instagram.com/pixel_polygone_plauderei/ oder hinterlasst eine Bewertung bei iTunes & Spotify. Wir freuen uns über jedes Feedback.

Pixel, Polygone & Plauderei

Road to Nintendo Switch 2: Vol. 4 - US-Vorbestellungen, weitere Spiele & mehr

<img src='https://nintendo-online.dehttps://nbg1.your-objectstorage.com/no-media/203239450468151e7a901252-59793400.webp' alt='Image 135544' />Unser Road Trip Podcast-Team macht sich auch in dieser Woche näher in Richtung Launch der Nintendo Switch 2. Diesmal diskutieren wir die Vorbestellerphase in den USA, der mit einem riesigen Andrang einhergegangen ist. Außerdem besprechen wir Gerüchte rund um einige Third-Party-Spiele und mutmaßen über das ein oder andere technische Detail.Noch fünf Wochen! Eingestiegen und los gehört!Schaut gerne auf <a href="http://www.pixelpolygoneplauderei.de/" rel="noopener noreferrer" target="_blank">www.pixelpolygoneplauderei.de</a> vorbei. Wenn euch die Episode gefallen hat, sagt es uns in den Kommentaren auch auf Spotify, bei <a href="https://discord.gg/QEZWjVy6Wt" rel="noopener noreferrer" target="_blank">Discord</a>, auf <a href="https://www.threads.net/@pixel_polygone_plauderei" rel="noopener noreferrer" target="_blank">Threads</a> und <a href="https://www.instagram.com/pixel_polygone_plauderei/" rel="noopener noreferrer" target="_blank">Instagram</a> oder hinterlasst eine Bewertung bei <a href="https://itunes.apple.com/de/podcast/pixel-polygone-plauderei/id1006427932?mt=2" rel="noopener noreferrer" target="_blank">iTunes</a> &amp; <a href="https://open.spotify.com/show/2VDLP61cxVkJEun6HdgmJw?si=v6V0i4UAQ2WhNxGZXDpp4Q" rel="noopener noreferrer" target="_blank">Spotify</a>. Wir freuen uns über jedes Feedback.

Der Verfassungsschutz stuft jetzt die gesamte AfD als gesichert rechtsextrem ein!Mehr als drei Jahre haben die Verfassungsschützer an der Neueinstufung der Partei gearbeitet. Maßgeblich für die Einstufung der Partei als gesichert rechtsextremistisch sei, so der Verfassungsschutz, das „die AfD prägende ethnisch-abstammungsmäßige Volksverständnis, das ganze Bevölkerungsgruppen in Deutschland abwertet und in ihrer Menschenwürde verletzt.“Paul analysiert mit dem Geheimdienst-Experten Peter Neumann die Hintergründe: Was führte zu der Einstufung? Welche Rolle spielten V-Männer? Kann die gesamte Partei jetzt verboten werden?Wenn Euch der Podcast gefällt, dann lasst gerne Like &amp; Abo da!Ihr habt Fragen, Kritik oder Themenvorschläge? Schreibt an ronzheimer@axelspringer.com<a href="https://www.instagram.com/paulronzheimer/">Paul auf Instagram</a> | <a href="https://x.com/ronzheimer?s=20">Paul auf X</a>Redaktion: <a href="https://twitter.com/fpiatov">Filipp Piatov</a> &amp; Lieven JenrichPost Production: <a href="https://twitter.com/danvanmoll">Daniel van Moll</a>Executive Producer: <a href="https://twitter.com/danvanmoll">Daniel van Moll</a><hr> Hosted on Acast. See <a style='color:grey;' target='_blank' rel='noopener noreferrer' href='https://acast.com/privacy'>acast.com/privacy</a> for more information.

RONZHEIMER.

AfD ist „gesichert rechtsextremistisch“: Was passiert jetzt? Mit Peter Neumann

Der Verfassungsschutz stuft jetzt die gesamte AfD als gesichert rechtsextrem ein!
Mehr als drei Jahre haben die Verfassungsschützer an der Neueinstufung der Partei gearbeitet. Maßgeblich für die Einstufung der Partei als gesichert rechtsextremistisch sei, so der Verfassungsschutz, das „die AfD prägende ethnisch-abstammungsmäßige Volksverständnis, das ganze Bevölkerungsgruppen in Deutschland abwertet und in ihrer Menschenwürde verletzt.“
Paul analysiert mit dem Geheimdienst-Experten Peter Neumann die Hintergründe: Was führte zu der Einstufung? Welche Rolle spielten V-Männer? Kann die gesamte Partei jetzt verboten werden?
Wenn Euch der Podcast gefällt, dann lasst gerne Like &amp; Abo da!
Ihr habt Fragen, Kritik oder Themenvorschläge? Schreibt an ronzheimer@axelspringer.com
<a href="https://www.instagram.com/paulronzheimer/">Paul auf Instagram</a> | <a href="https://x.com/ronzheimer?s=20">Paul auf X</a>
Redaktion: <a href="https://twitter.com/fpiatov">Filipp Piatov</a> &amp; Lieven Jenrich
Post Production: <a href="https://twitter.com/danvanmoll">Daniel van Moll</a>
Executive Producer: <a href="https://twitter.com/danvanmoll">Daniel van Moll</a>

Der Verfassungsschutz stuft jetzt die gesamte AfD als gesichert rechtsextrem ein!

F.A.Z. Podcast für Deutschland
Unser F.A.Z.-Kollege Lorenz Hemicker hat ein Buch über seinen Großvater Ernst geschrieben, den SS-Offizier, der im Zweiten Weltkrieg am Massaker von Rumbula bei Riga beteiligt war. Wir sprechen im Podcast über Verbrechen, Schuld und Schlussstriche.
Host: Kathrin Jakob
Mitarbeit: Andreas Krobok, Kevin Gremmel und Kathrin Becker
Tickets zum Live-Podcast am 5. Mai in der Bar Shuka finden Sie <a href="https://bit.ly/barshuka_faz2">hier</a>
Mehr zum Thema dieser Folge:
<a href="https://www.faz.net/aktuell/gesellschaft/menschen/projekt-quarz-wie-ich-herausfand-was-mein-grossvater-als-nazi-tat-110325531.html">Täter als Großvater: Der Bauleiter der Todesstollen</a>
<a href="https://www.faz.net/aktuell/feuilleton/siegfried-unseld-was-bedeutet-seine-nsdap-mitgliedschaft-110410392.html">Unseld in der NSDAP: Was ist öffentliches Schweigen?
</a>
 <a href="https://abo.faz.net/?campID=INT-IPe2400001542">Uns gibt’s auch zum Lesen: Finden Sie hier Ihr passendes F.A.Z.-Abo.</a>
<a href="https://www.faz.net/aktuell/politik/inland/propaganda-vergiftet-die-lehren-aus-der-geschichte-19704451.html">8. Mai: Propaganda vergiftet die Lehren aus der Geschichte
</a>
 <a href="https://abo.faz.net/?campID=INT-IPe2400001542">Uns gibt’s auch zum Lesen: Finden Sie hier Ihr passendes F.A.Z.-Abo.</a>
Mehr über die Angebote unserer Werbepartner finden Sie <a href="https://cmk.faz.net/cms/articles/15603/anzeige/podcast-werbepartnerinnen/hier-gibt-s-weitere-infos-zu-den-angeboten-unserer-werbepartner-innen">HIER.</a>

Unser F.A.Z.-Kollege Lorenz Hemicker hat ein Buch über seinen Großvater Ernst geschrieben, den SS-Offizier, der im Zweiten Weltkrieg am Massaker von Rumbula bei Riga beteiligt war. Wir sprechen im Podcast über Verbrechen, Schuld und Schlussstriche.

F.A.Z. Podcast für Deutschland

Mein Großvater, der Totengräber von Rumbula

Spanien, Portugal und Teile Frankreichs haben durch einen Blackout chaotische Zustände erlebt. Auch Arztpraxen und Krankenhäuser waren lahmgelegt. Der Arzt und Wissenschaftler Alexander Kekulé hat sich auch beruflich viel mit dem Thema Katastrophenschutz beschäftigt. Mit ihm sprechen wir über den Blackout, mögliche Gründe und die Lehren für Deutschland, speziell mit Blick auf das deutsche Gesundheitssystem.
Podcast-Tipp: Tschüss Kohle, hallo Zukunft - <a href="https://1.ard.de/tschuess-kohle">https://1.ard.de/tschuess-kohle</a>
Für Fragen zu "Kekulés Gesundheits-Kompass" schreiben Sie gern an <a href="mailto:gesundheitskompass@mdraktuell.de">gesundheitskompass@mdraktuell.de</a>. Oder Sie rufen kostenlos an unter 0800 300 2200.

Spanien und Portugal haben durch einen Blackout chaotische Zustände erlebt. Auch Arztpraxen und Krankenhäuser waren lahmgelegt. Wir sprechen über den Blackout, mögliche Gründe und die Lehren für Deutschland.

Kekulés Gesundheits-Kompass von MDR AKTUELL

Blackout in Spanien – die Lehren für Deutschland

Markus Somm und Dominik Feusi über die wichtigsten Themen des Tages.
Freude an gutem Journalismus? Abonniere jetzt den Nebelspalter, das Magazin für gesunden Menschenverstand kostenlos zur Probe: <a href="https://www.nebelspalter.ch/abonnierung">Link</a>
Bern einfach live mit Carl Baudenbacher: <a href="https://www.nebelspalter.ch/events">Link</a> 
Partner der heutigen Show: Premium Grill mit grossem Onine Shop: <a href="https://premium-grill.ch/">Link</a> 
Die Shownotes zum Podcast «Bern einfach» des <a href="https://www.nebelspalter.ch">Nebelspalters</a>:
Bundeshaus-Briefing hier kostenlos abonnieren: <a href="https://www.nebelspalter.ch/newsletter/bundeshaus-briefing">Link</a> 
EU top court rules Malta's 'golden passport' scheme illegal (BW): <a href="https://www.dw.com/en/eu-top-court-rules-maltas-golden-passport-scheme-illegal/a-72387585">Link</a> 
100 Tage Trump. Eine Schadensbilanz: <a href="https://www.nebelspalter.ch/themen/2025/05/100-tage-trump-eine-schadensbilanz">Link</a>

Warum Bundesrat Ignazio Cassis plötzlich gegen das Ständemehr war. Wie die EU mit Malta umgeht – und die Bilanz aus 100 tagen Trump.

Bern einfach. Das Wichtigste zum Tag.

Markus Somm und Dominik Feusi über die wichtigsten Themen des Tages.

Ignazio Cassis und das Ständemehr, Malta und der EuGH, Trump und die Zölle

Zum verl&auml;ngerten Wochenende hat Juan Moreno wieder eine Empfehlung f&uuml;r alle Podcast-H&ouml;rer &ndash; die zweite Folge der dreiteiligen Serie des SPIEGEL-Podcasts &raquo;Firewall&laquo; &uuml;ber das Ph&auml;nomen Elon Musk. Folge eins konntet ihr vergangene Woche schon hier h&ouml;ren. Darin ging es um Musks Aufstieg im Silicon Valley, seine waghalsigen Investments und explodierende Raketen. Folge zwei behandelt Musks Radikalisierung w&auml;hrend der Coronapandemie und seine Twitter-Obsession. In der dritten Folge geht es um Elon Musks Abkehr von den US-Demokraten hin zu Donald Trump. H&ouml;rt gleich weiter bei &raquo;Firewall&laquo; oder auf SPIEGEL.de. Mehr: <a href="https://www.spiegel.de/wirtschaft/unternehmen/elon-musk-erfolgsgeschichte-radikalisierung-und-pakt-mit-donald-trump-podcastserie-a-3d56c9cf-8e5e-4076-b9ce-07443bb08bc3?d=1744880557">https://www.spiegel.de/wirtschaft/unternehmen/elon-musk-erfolgsgeschichte-radikalisierung-und-pakt-mit-donald-trump-podcastserie-a-3d56c9cf-8e5e-4076-b9ce-07443bb08bc3?d=1744880557</a>+++ Alle Infos zu unseren Werbepartnern finden Sie <a href="https://cmk.spiegel.de/cms/articles/16711/anzeige/podcast/hier-gibt-s-weitere-infos-zu-den-angeboten-unserer-werbepartner-innen">hier</a>. Die SPIEGEL-Gruppe ist nicht für den Inhalt dieser Seite verantwortlich. +++ Den SPIEGEL-WhatsApp-Kanal finden Sie <a href="https://www.whatsapp.com/channel/0029VaCcJmDHgZWXoZcsJE3E">hier</a>. Alle SPIEGEL Podcasts finden Sie <a href="https://www.spiegel.de/audio/">hier</a>. Mehr Hintergründe zum Thema erhalten Sie mit SPIEGEL+. Entdecken Sie die digitale Welt des SPIEGEL, unter <a href="https://spiegel.de/abonnieren">spiegel.de/abonnieren</a> finden Sie das passende Angebot. Informationen zu unserer <a href="https://www.spiegel.de/datenschutz-spiegel">Datenschutzerklärung</a>.

Acht Milliarden

Podcast-Tipp »Firewall«: Systemsprenger Elon Musk (2/3)

Außerdem: Erderhitzung - Wird Europa unbewohnbar? (09:45) // Habt Ihr Feedback, Anregungen oder Fragen, die wir wissenschaftlich einordnen sollen? Dann meldet Euch über Whatsapp oder Signal unter 0162 344 86 48 oder per Mail: quarksdaily@wdr.de.
 Host dieser Folge ist Sebastian Sonntag. Und hier kommen die wichtigsten Infos für Dich. GESUNDHEITSINFOS – WIE KOMPETENT SIND WIR WIRKLICH? Noch nie fiel es so vielen Menschen in Deutschland so schwer, Gesundheitsinfos zu finden, einzuordnen und im Alltag danach zu handeln. Doch: Gesundheitskompetenz lässt sich trainieren. Autor: Lukas Kohlenbach Gesundheitsinfos sollten einfach sein, zeigen diese beiden Übersichtsarbeiten: https://bmcpublichealth.biomedcentral.com/articles/10.1186/s12889-018-6331-7 und https://bmcpublichealth.biomedcentral.com/articles/10.1186/s12889-020-08991-0 Ein hilfreiches Kriterienraster, um gute von schlechten Gesundheitsinfos zu unterscheiden, hat die Bertelsmann-Stiftung entwickelt: https://www.bertelsmann-stiftung.de/de/publikationen/publikation/did/schlechte-und-gefaehrliche-gesundheitsinformationen Die Medizinischen Hochschule Hannover bietet Orientierung: https://www.pfadfinder-gesundheit.de/ ERDERHITZUNG – WIRD EUROPA UNBEWOHNBAR? Der europäische Kontinent gehört wohl nicht zu den Gebieten, in denen Menschen in Zukunft nicht mehr leben können. Grund für Entwarnung ist das allerdings nicht: Autorin: Annika Franck Wie werden sich die Temperaturen voraussichtlich entwickeln? Das zeigt der Climate Action Tracker: https://climateactiontracker.org/global/cat-thermometer/ In dieser Studie wurde berechnet, wie viele Menschen außerhalb der "Human Climate Niche" leben werden: https://www.nature.com/articles/s41893-023-01132-6 Ein animierter Globus verdeutlicht, wie sich Temperaturen und Lebensräume bis 2070 verändern könnten: https://sos.noaa.gov/catalog/datasets/human-climate-niche-2020-and-2070/ Aktuelle Daten zum Klima in Europa 2024 vom europäischen Copernicus-Klima-Dienst: https://climate.copernicus.eu/european-state-climate-striking-east-west-contrast-and-widespread-flooding-europes-warmest-year Auf der Instagram-Seite von Quarks checken wir, wie viele Menschen auf der Erde leben können: https://www.instagram.com/p/DI-eiDdyO99/

Außerdem: Erderhitzung - Wird Europa unbewohnbar? (09:45) // Habt Ihr Feedback, Anregungen oder Fragen, die wir wissenschaftlich einordnen sollen? Dann meldet Euch über Whatsapp oder Signal unter 0162 344 86 48 oder per Mail: quarksdaily@wdr.de.
 Von Sebastian Sonntag.

Quarks Daily

Außerdem: Erderhitzung - Wird Europa unbewohnbar? (09:45) // Habt Ihr Feedback, Anregungen oder Fragen, die wir wissenschaftlich einordnen sollen? Dann meldet Euch über Whatsapp oder Signal unter 0162 344 86 48 oder per Mail: quarksdaily@wdr.de.

PODLIST

Neue Episoden

02/05/2025

Bayesian Learning

Modellansatz

Binärgewitter Talk #358: Schönes Tablet habt ihr dort. Wäre doch schade, wenn ihm ein Home-Assistant Dashboard zustoßen würde

Binärgewitter

Road to Nintendo Switch 2: Vol. 4 - US-Vorbestellungen, weitere Spiele & mehr

Pixel, Polygone & Plauderei

Road to Nintendo Switch 2: Vol. 4 - US-Vorbestellungen, weitere Spiele & mehr

Pixel, Polygone & Plauderei

Road to Nintendo Switch 2: Vol. 4 - US-Vorbestellungen, weitere Spiele & mehr

Pixel, Polygone & Plauderei

AfD ist „gesichert rechtsextremistisch“: Was passiert jetzt? Mit Peter Neumann

RONZHEIMER.

AfD ist „gesichert rechtsextremistisch“: Was passiert jetzt? Mit Peter Neumann

RONZHEIMER.

Mein Großvater, der Totengräber von Rumbula

F.A.Z. Podcast für Deutschland

Blackout in Spanien – die Lehren für Deutschland

Kekulés Gesundheits-Kompass von MDR AKTUELL

Ignazio Cassis und das Ständemehr, Malta und der EuGH, Trump und die Zölle

Bern einfach. Das Wichtigste zum Tag.

Podcast-Tipp »Firewall«: Systemsprenger Elon Musk (2/3)

Acht Milliarden

Gesundheitsinfos - Wie kompetent sind wir wirklich?

Quarks Daily