wiki-update(concepts): added platform concept page

wiki/concepts/platform.md

@@ -0,0 +1,198 @@
+---
+created: 2026-06-24
+updated: 2026-06-24
+sources: [blog/2026-06-24_wardley-on-platforms-and-ecosystems.md]
+tags: [platform, ecosystem, data-harvesting, aws, ai-hosting, ilc, commoditise, gemini]
+---
+
+# Platform & Ecosystem — Wardley's ILC-Modell und die KI-Erweiterung
+
+> *"The reason why you build a platform is to enable an ecosystem. The reason why you build an ecosystem is to exploit others through data mining on consumption."*
+> — [Simon Wardley](https://www.blogger.com/profile/04702421918430488600), [On Platforms and Ecosystems (2015)](https://blog.gardeviance.org/2015/08/on-platforms-and-ecosystems.html)
+
+## Definition: Was ist eine Platform in diesem Kontext?
+
+Eine **Platform** ist die Menge der Komponenten (idealerweise als [APIs](https://en.wikipedia.org/wiki/API) ausgedrückt), die ein **Ecosystem** exploitiert. Das Ecosystem besteht aus den Akteuren, die auf der Platform bauen — Startups, Entwickler, Unternehmen.
+
+Eine Platform ist kein Selbstzweck. Sie existiert ausschließlich, um ein Ecosystem zu **enabling**. Das Ecosystem wiederum existiert, um vom Plattformbetreiber durch **Data Mining on Consumption** exploitet zu werden.
+
+Dies ist kein neutraler Raum. Es ist eine asymmetrische Machtbeziehung, die vom Plattformbetreiber aktiv konstruiert wird.
+
+**Quelle:** [Simon Wardley — On Platforms and Ecosystems](https://blog.gardeviance.org/2015/08/on-platforms-and-ecosystems.html) · [Blog-Suche "platform"](https://blog.gardeviance.org/search?q=platform)
+
+---
+
+## Wardley's ILC-Modell (Innovate-Lever-Commoditise)
+
+Das **Innovate-Lever-Commoditise** (ILC) Modell beschreibt den Kreislauf, wie ein Plattformbetreiber sein Ecosystem ausbeutet:
+
+1. **Innovate:** Das Ecosystem baut Innovationen auf der Platform (neue Services, Produkte, Use Cases). Die Platform stellt dafür Commodity-Komponenten als Utility Services bereit → **Agility** und **reduzierte Kosten von Fehlern**.
+
+2. **Lever:** Der Plattformbetreiber minet das Konsumptionsverhalten — welche Komponenten werden wie genutzt? Welche Patterns tauchen auf? Welche neuen Use Cases sind erfolgreich? Aus der Größe und Aktivität des Ecosystems ergibt sich eine increasing rate of **apparent innovation, customer focus und economies of scale**.
+
+3. **Commoditise:** Erfolgreiche Patterns werden vom Plattformbetreiber identifiziert und als **neue Commodity-Komponenten** in die Platform aufgenommen. Das vergrößert die Platform, vereinfacht das Ecosystem-Bauen und wächst das Ecosystem weiter.
+
+### Kreislauf-Diagramm
+
+```
+Innovate (Ecosystem baut) → Lever (Data Mining) → Commoditise (neue Platform-Komponenten)
+        ↑                                                              |
+        └──────────────────────────────────────────────────────────────┘
+```
+
+**Effektive Exploitation** hängt ab von:
+- **Aktiver Detektion** neuer Patterns
+- **Geschwindigkeit** der Pattern-Detektion
+- **Größe** des Ecosystems
+
+Wardley verweist auf seinen älteren Post: [Understanding Ecosystems Part I (2014)](http://blog.gardeviance.org/2014/03/understanding-ecosystems-part-i-of-ii.html). Man kann es auch "Network Effects" nennen.
+
+**Quelle:** [Wardley, 2015](https://blog.gardeviance.org/2015/08/on-platforms-and-ecosystems.html) · [Wardley Maps](https://swardleymaps.com/) · [Mapping Book (Medium)](https://medium.com/wardleymaps)
+
+---
+
+## Data Mining on Consumption als Geschäftsmodell
+
+Der Clou des ILC-Modells: Der Plattformbetreiber **bezahlt** nicht für Innovation — er **erfasst** sie. Jeder API-Call, jeder Service-Start, jedes Deployment ist ein Signal. Aus Millionen von Signalen entsteht ein Bild von:
+
+- **Welche Use Cases** entstehen im Ecosystem?
+- **Welche Komponenten** werden stark genutzt?
+- **Welche Patterns** sind erfolgreich?
+- **Welche Nischen** könnten skalierbar sein?
+
+Dieses Bild ist dem Plattformbetreiber exklusiv zugänglich. Die Ecosystem-Teilnehmer sehen nur ihre eigenen Daten. Der Plattformbetreiber sieht **alles**.
+
+---
+
+## AWS als Fallstudie: Kunden-Innovation → Amazon-Konkurrenz
+
+[AWS (Amazon Web Services)](https://aws.amazon.com/) ist das Paradebeispiel für ILC in der Praxis:
+
+1. **Innovate:** Tausende von Startups und Unternehmen bauen auf AWS. Sie nutzen EC2, S3, Lambda etc. und entwickeln neue Produkte und Services.
+2. **Lever:** Amazon sieht die Konsumptionsmuster — welche Services wachsen, welche Use Cases entstehen, welche Nischen erfolgreich sind.
+3. **Commoditise:** Amazon bringt konkurrierende Produkte als neue AWS-Services auf den Markt — oft als Commoditised-Version von dem, was Ecosystem-Teilnehmer erfolgreich gebaut haben.
+
+### Konkrete Beispiele
+
+- **[AWS Lambda](https://aws.amazon.com/lambda/)** (2014): Commoditised Serverless-Compute, das vorher von Startups wie [PiCloud](https://en.wikipedia.org/wiki/PiCloud) oder [Iron.io](https://iron.io/) gebaut wurde.
+- **[Amazon Aurora](https://aws.amazon.com/rds/aurora/)**: Commoditised Database-as-a-Service, konkurrenziert direkt mit früheren Ecosystem-Anbietern.
+- **[Amazon Connect](https://aws.amazon.com/connect/)**: Contact-Center-as-a-Service, nach dem Pattern von Startups wie [Twilio Flex](https://www.twilio.com/flex).
+
+> *"Amazon sieht alles, konkurriert dann direkt."*
+> — [k9ert](wiki/people/k9ert-antigravity.md), OME-Gruppe 2026-06-24
+
+**Quelle:** [Wardley, 2015](https://blog.gardeviance.org/2015/08/on-platforms-and-ecosystems.html) · [Amazon and the Last Man Standing (Wardley, 2015)](https://blog.gardeviance.org/2015/08/amazon-and-last-man-standing.html) · [Wardley Blog-Suche "platform"](https://blog.gardeviance.org/search?q=platform)
+
+---
+
+## Wardley's 13 Regeln für Platform-Erfolg/Misserfolg
+
+| # | Regel | Konsequenz bei Missachtung |
+|---|-------|---------------------------|
+| 1 | User Needs & Friction reduzieren | Niemand kommt oder geht schnell wieder |
+| 2 | Platform öffentlich (nicht nur intern) | Konkurrenz mit größerem Ecosystem überflügelt einen |
+| 3 | Data Mining auf Consumption | Platform stagniert ohne Pattern-Detektion |
+| 4 | Nicht over-harvesten | Ecosystem läuft weg |
+| 5 | Utility statt Product | Product-Platform = höhere Mining-Kosten, niedrigere Speed |
+| 6 | Industrialised (Commodity) Components | Interfaces ändern sich → Ecosystem kann nicht vertrauen |
+| 7 | Nicht kleines gegen großes Ecosystem | Man verliert bevor man anfängt |
+| 8 | Evolutions-Mechanismus für Komponenten | Technical Debt → Spaghetti Junction → Kollaps |
+| 9 | ILC, Two-Factor Markets, Supplier Ecosystems kennen | Unwissenheit = Verlust |
+| 10 | Nicht nur Marketing | Marketing allein = Verlust |
+| 11 | Nicht nur Engineering | Engineering allein = Verlust |
+| 12 | Nicht unterschätzen | Wardley baute 2005 erste PaaS — "nichtmal anfangen" |
+| 13 | API-Standard-Falle | Offener Standard allein zieht kein Ecosystem an |
+
+**Quelle:** [Wardley, 2015](https://blog.gardeviance.org/2015/08/on-platforms-and-ecosystems.html)
+
+---
+
+## KI-Erweiterung: Extern gehostete AI als Platform 2.0
+
+> *"Extern gehostete AI geht weit darüber hinaus."*
+> — [k9ert](wiki/people/k9ert-antigravity.md), OME-Gruppe 2026-06-24
+
+Wenn ILC bei AWS bereits "Industriespionage auf höchstem Niveau" ist (k9ert), dann verschiebt extern gehostete KI das Paradigma dramatisch:
+
+### Was der Plattformbetreiber bei extern gehosteter KI sieht
+
+| Ebene | AWS (klassisch) | Extern gehostete KI |
+|-------|-----------------|---------------------|
+| Infrastruktur-Nutzung | ✅ Compute, Storage, Network | ✅ API-Calls, Token-Verbrauch |
+| Geschäftslogik | ❌ Nicht sichtbar | ✅ **Prompts, System Prompts, Agent-Pipelines** |
+| Kundenbeziehungen | ❌ Nicht sichtbar | ✅ **Chat-Historien, Customer Interactions** |
+| Innovationspipeline | ⚠️ Indirekt (welche Services wachsen) | ✅ **Direkt: Was wird gebaut, getestet, deployed?** |
+| Kognitive Prozesse | ❌ Nicht vorhanden | ✅ **Reasoning-Traces, Tool-Use-Patterns, Decision Trees** |
+
+### Gemini Enterprise App als aktuelles Beispiel
+
+[Google Gemini for Enterprise](https://workspace.google.com/gemini/) ist das aktuell prominenteste Beispiel für KI-Platform 2.0:
+
+- Unternehmen nutzen Gemini als KI-Assistent für Workspace (Docs, Sheets, Slides, Gmail)
+- Google sieht **alle Geschäftsdaten**, die durch Gemini fließen — nicht nur Compute-Last, sondern die **semantische Bedeutung** der Arbeit
+- Google sieht **welche Workflows** Unternehmen automatisieren, **welche Patterns** erfolgreich sind, **welche Nischen** entstehen
+- Die ILC-Schleife schließt sich: Google kann erfolgreiche Patterns als neue Gemini-Features commoditisieren — und damit direkt gegen Ecosystem-Teilnehmer konkurrieren
+
+Dies gilt analog für:
+- **[OpenAI](https://openai.com/) ChatGPT Enterprise** — alle Unternehmens-Prompts und -Workflows sichtbar
+- **[Anthropic](https://www.anthropic.com/) Claude for Enterprise** — inkl. der Fable/Mythos-Modelle (siehe [Anthropic Claude](wiki/tools/anthropic-claude.md))
+- **[Microsoft Copilot](https://www.microsoft.com/copilot)** — integriert in Office 365, sieht alle Dokumente und Workflows
+
+### Die Kardinalfrage
+
+Wenn ein Unternehmen seine gesamte **kognitive Arbeit** auf einer externen KI-Platform ausführt, dann ist nicht nur die Infrastruktur outgesourced — sondern die **komplette Innovationspipeline, das gesamte Wissen und alle Geschäftsprozesse** sind für den Plattformbetreiber transparent.
+
+Das ILC-Modell erreicht hier eine neue Qualität: Nicht mehr nur **welche Services** werden genutzt, sondern **wie denkt das Unternehmen? Was ist seine Strategie? Was sind seine Geheimnisse?**
+
+---
+
+## Gegenmaßnahmen: Dezentrale KI und Cloud-Exit
+
+Das Wiki enthält mehrere Konzepte, die als Gegenmaßnahmen zur Platform-2.0-Dynamik dienen:
+
+- [[concepts/hardware/cloud-exit-and-local-superiority|Cloud-Exit & Lokale Überlegenheit]] — Preisschock (Hetzner/HP), lokale MoE-Modelle mit 150 tok/s, RAM als digitale Währung
+- [[concepts/hardware/edge-inference-als-cloud-alternative|Edge-Inferenz als Cloud-Alternative]] — AMD Ryzen AI Max+ 395 (Strix Halo): 235B lokal, 128 GB unified memory
+- [[concepts/llm/decentralized-ai-counterpower|Dezentrale KI als Katalysator der Gegenmacht]] — Lokale unzensierte LLMs als Gamechanger, schnelle Analyse ohne Bias-Filter
+- [[concepts/llm/ai-intelligence-commoditization-thesis|Intelligence Commoditization Thesis]] — Wert verschiebt sich von Modellen zu Orchestrierung
+
+### Die Logik des Cloud-Exit
+
+Wenn Wardley's ILC-Modell zeigt, dass Platform-Betreiber das Ecosystem ausbeuten, dann ist die Konsequenz: **Das Ecosystem muss die Platform verlassen.** Lokale Modelle (siehe [GLM-5.2](concepts/llm/glm-5.2-zai-coding-model.md), [Kimi K2.7](tools/kimi-k2.7-code.md)) machen dies 2026 zunehmend praktikabel.
+
+---
+
+## Simon Wardley — Biografische Notiz
+
+[Simon Wardley](https://www.linkedin.com/in/simonwardley) ist Forscher, [Wardley Mapping](https://swardleymaps.com/)-Erfinder und Business Strategist. Er baute 2005 die erste Platform-as-a-Service und betrieb 2001-2006 eine Large Single Sign-On und Imaging Platform mit Millionen Usern. Autor des [Mapping Book](https://medium.com/wardleymaps) und Gründer von [Map Camp](http://www.map-camp.com/). Blog: [Bits or pieces?](https://blog.gardeviance.org/). Medium: [swardley](https://swardley.medium.com/).
+
+---
+
+## Cross-References
+
+### Intern (Wiki)
+- [[concepts/hardware/cloud-exit-and-local-superiority]] — Lokale Modelle als Gegenmaßnahme
+- [[concepts/hardware/edge-inference-als-cloud-alternative]] — Edge-Inferenz als Cloud-Alternative
+- [[concepts/llm/decentralized-ai-counterpower]] — Dezentrale KI als Gegenmacht
+- [[concepts/llm/ai-intelligence-commoditization-thesis]] — Commoditization im KI-Kontext
+- [[concepts/llm/glm-5.2-zai-coding-model]] — Lokales Open-Source-Modell
+- [[tools/kimi-k2.7-code]] — Lokales Coding-Modell
+- [[tools/anthropic-claude]] — Anthropic's Enterprise-Geschäft
+- [[tools/openclaw]] — OpenClaw als Selbst-Hosting-Plattform
+- [[people/k9ert-antigravity]] — k9ert's Kommentar als Auslöser dieser Seite
+
+### Extern
+- [Wardley — On Platforms and Ecosystems (2015)](https://blog.gardeviance.org/2015/08/on-platforms-and-ecosystems.html)
+- [Wardley — Understanding Ecosystems Part I (2014)](http://blog.gardeviance.org/2014/03/understanding-ecosystems-part-i-of-ii.html)
+- [Wardley — Amazon and the Last Man Standing (2015)](https://blog.gardeviance.org/2015/08/amazon-and-last-man-standing.html)
+- [Wardley Blog-Suche "platform"](https://blog.gardeviance.org/search?q=platform)
+- [Wardley Maps](https://swardleymaps.com/)
+- [Mapping Book (Medium)](https://medium.com/wardleymaps)
+- [Map Camp](http://www.map-camp.com/)
+- [Simon Wardley LinkedIn](https://www.linkedin.com/in/simonwardley)
+- [Simon Wardley Medium](https://swardley.medium.com/)
+- [AWS](https://aws.amazon.com/)
+- [AWS Lambda](https://aws.amazon.com/lambda/)
+- [Google Gemini for Enterprise](https://workspace.google.com/gemini/)
+- [OpenAI](https://openai.com/)
+- [Anthropic](https://www.anthropic.com/)
+- [API — Wikipedia](https://en.wikipedia.org/wiki/API)

wiki/index.md

@@ -2,7 +2,7 @@
 
 *Auto-generated: 2026-06-23*
 
-*Letzte Aktualisierung: 2026-06-23 (28. Update — WMT-009 Phase 1+2: 7 neue People-Pages: Mainzer, Aschenbrenner, Aravind Srinivas, Dario Amodei, Harry Stebbings, Lisa Su, k9ert. Index People-Sektion erweitert.)*
+*Letzte Aktualisierung: 2026-06-24 (29. Update — Wardley "On Platforms and Ecosystems" Ingest: Neue Concept-Page `concepts/platform.md` (ILC-Modell, Data Mining on Consumption, AWS-Fallstudie, KI-Hosting als Platform 2.0, Gemini Enterprise). Raw-Datei `blog/2026-06-24_wardley-on-platforms-and-ecosystems.md`.)*
 
 ## Architecture
 
@@ -35,6 +35,11 @@
 
 ## Concepts
 
+### General
+| Seite | Beschreibung | Quellen |
+|-------|-------------|---------|
+| [Platform & Ecosystem — Wardley's ILC-Modell](concepts/platform.md) | Platform existiert um Ecosystem zu enabling. ILC (Innovate-Lever-Commoditise), Data Mining on Consumption, AWS-Fallstudie, KI-Hosting als Platform 2.0 (Gemini Enterprise), 13 Regeln, Gegenmaßnahmen (Cloud-Exit, Dezentrale KI) | blog/2026-06-24_wardley-on-platforms-and-ecosystems.md |
+
 ### World Models
 | Seite | Beschreibung | Quellen |
 |-------|-------------|---------|
@@ -184,3 +189,4 @@
 | `raw/youtube/2026-06-22_jonas-keil-hermes-desktop.md` | youtube | Hermes DESKTOP ist der WAHNSINN!! — Jonas Keil Review der offiziellen Hermes Desktop App (Nous Research), Electron/React/Python, OpenClaw-Migrationstool, Architektur-Vergleich |
 | `raw/youtube/2026-06-22_ai-mit-arnie-glm-5-2-review.md` | youtube | GLM-5.2: Was dir niemand über Chinas Open-Source KI sagt — AI mit Arnie Deep-Dive: 4 Tests, Benchmarks, Kosten-Analyse, lokale Nutzung (LM Studio, Unsloth, DwarfStar), Nutzungsoptionen |
 | `raw/youtube/2026-06-21_tips-tricks-more-waymo-robotaxi.md` | youtube | Dieses Taxi fährt OHNE Fahrer durch die Stadt! Wie viele Fehler ... — Praxis-Belastungstest auf Level-4-Niveau durch dichten städtischen Verkehr, Sensorfusion (LiDAR/Radar/Kameras) und Sicherheitsüberlegungen |
+| `raw/blog/2026-06-24_wardley-on-platforms-and-ecosystems.md` | blog | Simon Wardley — On Platforms and Ecosystems (2015): ILC-Modell, 13 Regeln, Data Mining on Consumption, k9ert-Kontext (Industriespionage, AWS, KI-Hosting) |

wiki/log.md

@@ -2,6 +2,17 @@
 
 *Append-only changelog. Start: 2026-06-05*
 
+## [2026-06-24] Ingest | Simon Wardley — "On Platforms and Ecosystems" (Platform & Ecosystem Concept Page)
+**Type:** ingest | **Scope:** raw/blog, wiki/concepts
+**Source:** Blog — https://blog.gardeviance.org/2015/08/on-platforms-and-ecosystems.html
+**Trigger:** k9ert-Kommentar in OME-Gruppe (2026-06-24): "Platform = Industriespionage auf höchstem Niveau", AWS als Paradebeispiel, extern gehostete AI geht weit darüber hinaus. Quelle: https://blog.gardeviance.org/search?q=platform
+**Actions:**
+- raw: `raw/blog/2026-06-24_wardley-on-platforms-and-ecosystems.md` (created — 6.3 KB; vollständiger Blogpost-Inhalt mit Key-Argumenten, ILC-Modell, 13 Regeln, Wardley-Biografie, k9ert-Kommentar als Kontext, Cross-References zu bestehenden Wiki-Seiten)
+- wiki: `concepts/platform.md` (created — 12.9 KB; umfassende Concept-Page: Definition [Platform = Ecosystem-Enabler], ILC-Modell mit Kreislauf-Diagramm, Data Mining on Consumption als Geschäftsmodell, AWS-Fallstudie mit konkreten Beispielen [Lambda, Aurora, Connect], 13 Regeln als Tabelle, KI-Erweiterung als Platform 2.0 [Vergleichstabelle AWS vs. KI-Hosting, Gemini Enterprise App, OpenAI/Anthropic/Microsoft], Gegenmaßnahmen [Cloud-Exit, Edge-Inferenz, Dezentrale KI], maximale Verlinkung — Wardley-Blog, ILC-Konzept, AWS-Beispiele, Gemini Enterprise, interne Wiki-Cross-Refs)
+- wiki: `index.md` (updated — Header auf "29. Update", neue "General" Sub-Sektion unter Concepts mit platform.md-Eintrag, neuer Raw-Sources-Eintrag)
+- log: updated (dieser Eintrag)
+**Hector-Hauptthese:** Wardley's ILC-Modell (2015) beschreibt die Mechanik, durch die Plattformbetreiber ihr Ecosystem ausbeuten — Innovationen der Teilnehmer werden durch Data Mining on Consumption erfasst und als neue Commodity-Komponenten commoditisised. k9ert's Kommentar (2026-06-24) erweitert dies auf KI-Hosting: Bei extern gehosteter KI sieht der Plattformbetreiber nicht nur Compute-Last, sondern die gesamte Geschäftslogik, Kundenbeziehungen und Innovationspipeline. Gemini Enterprise App ist das aktuelle Paradebeispiel: Google sieht alle Geschäftsdaten, die durch Gemini fließen. Die Gegenmaßnahme ist Cloud-Exit mit lokalen Modellen (GLM-5.2, Kimi K2.7) — bereits im Wiki unter Cloud-Exit, Edge-Inferenz und Dezentrale KI dokumentiert.
+
 ## [2026-06-22] Ingest | AI mit Arnie — „GLM-5.2: Was dir niemand über Chinas Open-Source KI sagt" (GLM-5.2 Deep-Dive Review)
 **Type:** ingest | **Scope:** raw/youtube, wiki/concepts/llm
 **Source:** YouTube — https://www.youtube.com/watch?v=oSjY-uHntx4