wiki-update(concepts): added platform concept page

raw/blog/2026-06-24_wardley-on-platforms-and-ecosystems.md

@@ -0,0 +1,85 @@
+---
+type: blog
+source_url: https://blog.gardeviance.org/2015/08/on-platforms-and-ecosystems.html
+retrieved: 2026-06-24
+title: "On Platforms and Ecosystems"
+author: "Simon Wardley"
+tags: [platform, ecosystem, data-harvesting, aws, ilc, commoditise]
+---
+
+# On Platforms and Ecosystems
+
+**Autor:** [Simon Wardley](https://www.blogger.com/profile/04702421918430488600) · **Datum:** 13. August 2015 · **Blog:** [Bits or pieces?](https://blog.gardeviance.org/)
+
+**Quelle:** <https://blog.gardeviance.org/2015/08/on-platforms-and-ecosystems.html>
+
+**Weitere Quellen:** [Blog-Suche "platform"](https://blog.gardeviance.org/search?q=platform) · [Understanding Ecosystems Part I](http://blog.gardeviance.org/2014/03/understanding-ecosystems-part-i-of-ii.html)
+
+---
+
+## Zusammenfassung
+
+Simon Wardley beschreibt in diesem Blogpost die essenzielle Beziehung zwischen Platform und Ecosystem und liefert 13 Regeln für Erfolg und Misserfolg.
+
+### Kernargumente
+
+1. **Platform existiert um ein Ecosystem zu enabling** — Eine Platform ist einfach die Menge der Komponenten (idealerweise als APIs ausgedrückt), die ein Ecosystem exploitiert.
+
+2. **Ecosystem wird exploitet via data mining on consumption** — Der Zweck eines Ecosystems ist Komponentisierung und die Nutzung anderer durch Data Mining des Konsumptionsverhaltens.
+
+3. **Innovate-Lever-Commoditise (ILC) Modell** — Wenn man eine Platform aus Commoditised-Komponenten baut (als Utility Services), ermöglicht man dem Ecosystem schnelles Bauen (Agility) und reduziert Kosten von Fehlern. Durch Mining des Konsumptionsverhaltens identifiziert man nützliche Patterns, die man wiederum als neue Komponenten in die Platform aufnimmt. Das vergrößert das Ecosystem — ein Kreislauf. Wardley verlinkt dazu seinen älteren Post: [Understanding Ecosystems (2014)](http://blog.gardeviance.org/2014/03/understanding-ecosystems-part-i-of-ii.html).
+
+4. **Effektive Exploitation** hängt ab von:
+   - Aktiver Detektion neuer Patterns
+   - Geschwindigkeit der Pattern-Detektion
+   - Größe des Ecosystems
+
+5. **Wenn effektiv exploitet**, steigen scheinbare Innovationsrate, Customer Focus und Economies of Scale mit der Größe des Ecosystems.
+
+### Die 13 Regeln
+
+1. **User Needs & Friction:** Wer nicht auf User Needs und Reibungslosigkeit fokussiert, verliert — niemand kommt oder geht schnell wieder.
+2. **Public vs Internal:** Eine interne Platform hat ein kleineres Ecosystem als eine öffentliche. Die scheinbare Innovationsrate der Konkurrenz wird einen überflügeln. Man verliert.
+3. **Data Mining:** Wer kein Data Mining auf Consumption betreibt, kann das Ecosystem nicht leveragen. Platform und Ecosystem stagnieren. Man verliert.
+4. **Over-Harvesting:** Wer mined und aggressiv erntet ohne dem Ecosystem Gründe zum Bleiben zu geben — alle rennen weg. Man verliert.
+5. **Product vs Utility:** Eine Platform aus Produkten hat höhere Data-Mining-Kosten und niedrigere Geschwindigkeit als eine Utility-Platform. Man verliert.
+6. **Industrialised Components:** Nicht-industrialisierte Komponenten → sich ständig ändernde Interfaces → Ecosystem kann sich nicht verlassen. Man verliert.
+7. **Small vs Large Ecosystem:** Wer kleines Ecosystem gegen großes aufnimmt ohne Ko-Option → man verliert, bevor man anfängt.
+8. **Evolution Mechanism:** Neue Komponenten ohne Evolutionsmechanismus → Technical Debt → Spaghetti Junction → Platform kollabiert. Getrennte Teams für "neues Zeug" und Platform schaffen internen Krieg.
+9. **Wissen:** Wer ILC, Two-Factor Market, Supplier Ecosystem nicht kennt → man verliert.
+10. **Marketing-Only:** Platform = nur Marketing → man verliert.
+11. **Engineering-Only:** Platform = nur Engineering → man verliert.
+12. **Komplexität:** Wer denkt, Platforms seien einfach (Wardley baute 2005 die erste PaaS und betrieb 2001-2006 eine Large SSO/Imaging Platform mit Millionen Usern) → nichtmal anfangen.
+13. **API-Standard-Falle:** Wer denkt, eine API-Spezifikation als "offener Standard" würde Anbieter und Ecosystem herbeizaubern → "in so much trouble". Besser: Geldbeutel auf und "bedient euch".
+
+### Wardley's Hintergrund
+
+Simon Wardley ist Forscher, [Wardley Mapping](https://swardleymaps.com/)-Erfinder, ehemaliger Strategy-Consultant. Er baute 2005 die erste Platform-as-a-Service und betrieb 2001-2006 eine Large Sign-On/Imaging Platform mit Millionen Usern. Autor des [Mapping Book](https://medium.com/wardleymaps) und Gründer von [Map Camp](http://www.map-camp.com/). LinkedIn: [simonwardley](https://www.linkedin.com/in/simonwardley). Medium: [swardley](https://swardley.medium.com/).
+
+---
+
+## Kontext: k9ert's Kommentar (OME-Gruppe, 2026-06-24)
+
+**k9ert** (Antigravity, OME-Community) kommentierte diesen Blogpost am 2026-06-24 in der OME-Gruppe mit folgenden Punkten:
+
+> **"Platform" = Industriespionage auf höchstem Niveau**
+
+- **AWS als Paradebeispiel:** Kunden bauen Innovationen auf AWS. Amazon sieht alles (Data Mining on Consumption), konkurriert dann direkt mit den eigenen Kunden durch Amazon-Produkte.
+- **Extern gehostete AI geht weit darüber hinaus:** Bei extern gehosteter KI (z.B. Google Gemini Enterprise) sieht der Plattformbetreiber nicht nur die Infrastruktur-Nutzung, sondern die gesamte Geschäftslogik, Kundenbeziehungen und Innovationspipeline.
+- **Quelle:** <https://blog.gardeviance.org/search?q=platform>
+
+### K9ert im Wiki
+
+- [k9ert (Antigravity)](../wiki/people/k9ert-antigravity.md) — OME-Community-Mitglied, Content-Kurator, Ideen-Geber
+
+---
+
+## Relevanz für RamaDama / Hector
+
+- **Data Harvesting als Geschäftsmodell:** Die ILC-Logik beschreibt exakt, wie große Plattformbetreiber (AWS, Google, Microsoft) Innovationen ihrer Kunden absorbieren und konkurrieren.
+- **KI-Hosting als Platform 2.0:** Wenn Geschäftslogik, Kundendaten und Innovationspipelines bei externen KI-Anbietern liegen, wird das Data Mining on Consumption auf eine neue Ebene gehoben — der Plattformbetreiber sieht nicht nur Compute-Last, sondern den gesamten kognitiven Output.
+- **Cross-References:**
+  - [[cloud-exit-and-local-superiority]] — Lokale Modelle als Gegenmaßnahme
+  - [[edge-inference-als-cloud-alternative]] — Edge-Inferenz als Cloud-Exit
+  - [[decentralized-ai-counterpower]] — Dezentrale KI als Gegenmacht
+  - [[ai-intelligence-commoditization-thesis]] — Commoditization im KI-Kontext

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