XPeng-Gründer He Xiaopeng setzt alles auf Physical AI und verwirft Milliardeninvestitionen für radikalen Kurswechsel
Podcast-Interview mit Zhang Xiaojun, 28. Mai 2026
He Xiaopeng wagte im vergangenen Jahr eine der riskantesten Wetten der chinesischen Automobilgeschichte – und kaum jemand außerhalb seines engsten Kreises wusste davon. Im April 2025 entschied der Gründer und CEO von XPeng Motors einseitig, das autonome Fahrsystem der ersten Generation einzustellen – eine Plattform, in deren Entwicklung bereits Milliarden Yuan geflossen waren – und das Unternehmen vollständig auf das umzustellen, was er als „Physical AI“ bezeichnet. Die Entscheidung löste eine interne Abwanderungswelle aus, bei der die Mitarbeiter buchstäblich mit den Füßen abstimmten, doch He hielt an seinem Kurs fest. Ein Jahr später scheint sich das Wagnis auszuzahlen, auch wenn er freimütig einräumt, dass die Erfolgsaussichten letztlich bei nur 20 Prozent liegen.
Der radikale Strategiewechsel entsprang Hes wachsender Überzeugung, dass die gesamte Automobilindustrie das baut, was er spöttisch als „KI-Flickwerk“ bezeichnet: Systeme, die KI-Tools auf traditionelle Softwarearchitekturen aufsetzen, anstatt Fahrzeuge von Grund auf als intelligente physische Agenten neu zu denken. Mitte 2023 betrieb XPeng intern zwei parallele Programme für autonomes Fahren: ein System der ersten Generation, das die End-to-End-Fähigkeiten innerhalb bestehender Rahmenbedingungen schrittweise verbesserte, und einen Ansatz der zweiten Generation, der deutlich größere Basismodelle mit einer grundlegend anderen Logik nutzte. Die erste Generation bot eine überschaubare Obergrenze von etwa 1.000 Fähigkeitspunkten bei einer Untergrenze von nahezu 900 Punkten, erklärte He. Die zweite Generation versprach eine Obergrenze von 100.000 bis zu einer Million Punkten – doch ihre Untergrenze lag katastrophal niedrig bei nur 100 Punkten.
Der Wendepunkt im April 2025
He beschreibt den Wendepunkt weniger als formelles Meeting, sondern als eine Erkenntnis, die Anfang 2025 in seinem Kopf reifte. Er hatte monatelang beobachtet, wie Wettbewerber scheinbar schnellere Wege zu einem „gerade noch brauchbaren“ autonomen Fahren einschlugen, nur um bei der Lösung von Edge Cases an unüberwindbare Grenzen zu stoßen. „Ich glaube, alle Unternehmen denken, dass sie mit simpleren Methoden und schnellerer Performance ein System schaffen können, das wie autonomes Fahren aussieht“, sagte er. „Aber nach ein bis zwei Jahren stellt man fest, dass man zur Behebung vieler Mängel an die eigenen Kapazitätsgrenzen stößt. Man erkennt, dass man niemals Level 4 oder Level 5 erreichen wird.“
Der theoretische Durchbruch gelang durch die Erkenntnis eines grundlegenden Unterschieds zwischen digitaler und physischer KI. Digitale KI operiert in menschlicher Sprache, die „hochgradig zusammengefasst und verdichtet“ ist, argumentierte He. Physical AI hingegen müsse weitaus mehr Daten verarbeiten, die sich nicht adäquat in Worte fassen ließen. „Die Menge an Daten, die jeder von uns täglich sieht, ist schlicht unmöglich in Worten zusammenzufassen, zu beschreiben, wiederherzustellen oder zu kopieren“, sagte er. Diese Unterscheidung bedeutete, dass Methoden von Unternehmen für digitale KI – die die Teams von XPeng zu adaptieren versucht hatten – für die physische Welt strukturell unzureichend waren.
Gegen Ende des dritten Quartals 2025 vollzog He eine umfassende organisatorische Umstrukturierung des Zentrums für autonomes Fahren und änderte dessen Kernstruktur grundlegend. Der Schritt war brutal: Von einem 300-köpfigen Robotik-Team, das nach traditionellen Methoden aufgebaut war, blieben weniger als 60 Mitarbeiter übrig. He räumte ein, dass „viele herausragende Kollegen“ gingen und etwa zehn Startup-Teams gründeten, die inzwischen Kapital aufgenommen haben. Doch er hielt diese schöpferische Zerstörung für notwendig, um dem zu entkommen, was er als fatale Pfadabhängigkeit betrachtete. „Man gewöhnt sich an die alten Methoden und genießt es, die neuesten Tools und Technologien zu nutzen, um etwas besser zu machen“, sagte er. „Ich denke, meistens ist das richtig. Aber es gibt viele Momente, in denen die Arbeitsmethodik geändert werden muss.“
Die technologische Wette hinter dem Einsatz
Was genau hat XPeng stattdessen aufgebaut? He bleibt bei den Implementierungsdetails bewusst vage und verweist auf die laufende Entwicklung und den Wettbewerbsdruck. Im Großen und Ganzen geht es jedoch darum, softwarebasierte Architekturen zugunsten von KI-nativen Systemen vollständig aufzugeben. Der alte Ansatz nutzte „Software-Engineering, den Prozess der Softwarenutzung plus KI-Algorithmen und KI-Tools, einschließlich der von Ihnen erwähnten Codierung“, erklärte er. „Man kann es sich so vorstellen, dass man in einem Geschäftsablauf oder einer Software an einigen wichtigen Stellen KI einsetzt. Aber wir halten das für falsch.“
Die neue Methodik behandelt das Fahrzeug als ganzheitlichen intelligenten Agenten und nicht als Softwaresystem, das durch KI-Module erweitert wurde. He zieht explizite Parallelen zur Arbeit an humanoiden Robotern, bei der das Unternehmen Systeme schaffen will, die Aufgaben umfassend durchdenken – Kontext verstehen, mehrstufige Aktionen planen und sich an neue Situationen anpassen –, anstatt vorprogrammierte Routinen mit KI-Unterstützung an Entscheidungspunkten auszuführen. „Wie werfe ich die ursprüngliche End-to-End-Logik über Bord? Tatsächlich wird ein größeres Basismodell für mehr Denkprozesse genutzt, um zuerst die Obergrenze des autonomen Fahrens zu öffnen und dann zur Untergrenze der Konvergenz zu gelangen“, beschrieb er den philosophischen Wandel.
Die Auswirkungen auf die Infrastruktur sind tiefgreifend. He erwähnte, dass die Physical-AI-Modelle von XPeng ein Token-Volumen verbrauchen, das um Größenordnungen über dem digitaler Anwendungen liegt – ein einzelnes Fahrzeug, das das neue VLA-System drei bis vier Stunden täglich betreibt, verarbeitet mehr Tokens als die meisten digitalen Anwendungsfälle, wenngleich er genaue Zahlen nicht nannte. Das Unternehmen hat jährlich fast eine Milliarde RMB allein in die Datenspeicherinfrastruktur investiert, was spezialisierte Teams erfordert, um zu verwalten, welche Datensätze „Hot Access“, „Cold Storage“ oder Archivierung benötigen. Die Zuweisung von Rechenleistung folgt ähnlichen Mustern, wobei sich das Management auf Effizienzkennzahlen für 30.000 bis 50.000 H100-GPU-Äquivalente konzentriert, anstatt auf Token-Budgets pro Mitarbeiter, wie sie digital-native Unternehmen verfolgen.
Erste Marktvalidierung
Der erste kommerzielle Beleg kam Ende März 2026, als XPeng die erste Version seines VLA-Systems der zweiten Generation veröffentlichte. Während Chinas Pkw-Absatz im April insgesamt um rund 20 Prozent gegenüber dem Vorjahr zurückging, stiegen die Auslieferungen von XPeng um 50 bis 70 Prozent. Ein „beträchtlicher Teil“ sei auf die neuen Fähigkeiten des autonomen Fahrens zurückzuführen, so He. Das Unternehmen prognostiziert nun eine Level-4-Fähigkeit innerhalb von 18 bis 24 Monaten – ein Zeitrahmen, den He als realistisch bezeichnet, im Gegensatz zu dem „Angeben“ der Wettbewerber, die eine frühere Einführung behaupten.
Doch He bleibt unsentimental, was die Bedeutung selbst eines erreichten Level 4 angeht. „Auch wenn es mehr Verkäufe gibt, bedeutet das keinen langfristigen Wert“, merkte er an. „Hier gibt es verschiedene Probleme.“ Erfolg in der Automobilbranche erfordert nachhaltige Exzellenz in Dutzenden Dimensionen gleichzeitig – was He als das Problem der „langen, kurzen und breiten Bretter“ bezeichnet. Eine einzelne technische Errungenschaft kann, egal wie beeindruckend, Schwächen in anderen Bereichen nicht ausgleichen, wenn Kunden das gesamte Besitzerlebnis bewerten.
Die parallele Spur der humanoiden Roboter
Die Roboterentwicklung von XPeng folgte einem ähnlichen Verlauf aus Fehlstarts und radikalen Wendungen. Die Robotik-Arbeit des Unternehmens umfasst drei Phasen: eine erste Phase von 2018 bis 2020, in der ein unabhängiges Team für vierbeinige Roboter akquiriert wurde; eine Phase von 2020 bis 2023, in der verschiedene Ansätze sowohl mit robotischen als auch mit automobilen Methoden erforscht wurden; und die Ära nach 2023, in der sich He auf universelle humanoide Roboter festlegte, die von KI-First-Architekturen angetrieben werden.
Der Auslöser für die Wette auf humanoide Roboter war 2023, als He zu dem Schluss kam, dass frühere Ansätze niemals das „Gehirn“-Problem lösen könnten – die kognitive Kapazität, die für den universellen Einsatz erforderlich ist. Frühere Systeme verließen sich auf das, was He als Steuerung auf Ebene des „Rückgrats“ oder „Hirnstamms“ abtut: Gleichgewicht halten und einfache Gangarten ausführen. „Langsam vorwärts gehen mit dem immer gleichen eintönigen Tempo, das hat meiner Meinung nach nichts mit dem Kleinhirn zu tun“, sagte er. „Das ist das Rückgrat. Oder der Hirnstamm, der nur das Gleichgewicht hält. Von einem Kleinhirn sind Sie weit entfernt.“
He wählte Mi Liangchuan für die Leitung des Robotik-Zentrums aus, basierend auf einer „Quadranten“-Ausrichtung – geteilte Denkrahmen statt tiefem Fachwissen. Mi hatte zuvor weder an Robotern noch an autonomem Fahren gearbeitet, was He eher als Vorteil denn als Nachteil sah. „Sein Quadrant ist konsistenter mit meinem Denkquadranten“, erklärte He. Das von Mi zusammengestellte Team besteht überwiegend aus Absolventen von Spitzenuniversitäten; allein Ende 2025 und Anfang 2026 wurden fast 80 Master- und Doktoranden von der Tsinghua-Universität und ähnlichen Einrichtungen eingestellt. „Wir müssen bereit sein, ihre langfristige Forschung zu unterstützen“, sagte He. „Man muss daran glauben, dass diese jungen Leute Wunder vollbringen können.“
Die strategische Begründung für den humanoiden Formfaktor konzentriert sich auf die Umweltkompatibilität und die langfristige gesellschaftliche Integration. He erläuterte detailliert, warum vierbeinige Roboter in menschlichen Räumen scheitern – ein Roboterhund, der groß genug ist, um nützlich zu sein (1,1 bis 1,2 Meter), kann sich in typischen Räumen nicht bewegen, ohne Möbel oder sich selbst zu beschädigen, während kleinere Versionen keine ausreichenden Fähigkeiten und Batterielaufzeiten bieten. Ebenso schaffen stark gepanzerte zweibeinige Roboter psychologische Barrieren, die eine enge Interaktion mit Menschen verhindern und ihren Nutzen im häuslichen und kommerziellen Umfeld einschränken.
Die „Iron Bot“-Kontroverse
Der Roboter von XPeng erregte Ende 2025 unerwartete internationale Aufmerksamkeit, als Demovideos weit verbreitete Spekulationen auslösten, dass ein Mensch im Anzug stecke und kein autonomes System. He beschrieb die Episode mit einer Mischung aus Frustration und Belustigung. Der gezeigte Roboter war lediglich ein Zwischenschritt – eines, bei dem das Team wusste, dass es thermische Probleme hatte und „heiß“ lief –, kein Produkt für die Öffentlichkeit. Doch als Verschwörungstheorien die Runde machten, die Demo sei gefälscht, intervenierte He persönlich gegen den Widerstand seines Teams, um die Echtheit des Roboters zweifelsfrei zu beweisen.
„Viele Leute intern dachten, wir müssten nichts sagen, weil wir es selbst wissen“, berichtete He. „Aber tatsächlich haben 99,99 Prozent der Menschen auf dieser Welt keine Möglichkeit, ihn zu berühren.“ Er zwang sein Team, über Nacht eine Demonstrationsstrategie zu entwickeln, die in einem Video gipfelte, in dem das linke Bein des Roboters demontiert wurde, um die internen Mechanismen zu zeigen. Die Wahl war taktisch: „Jeder kann das linke Bein sehen. Er geht von links nach rechts. Das linke Bein ist am leichtesten zu erkennen. Das ist ein echter Roboter.“
Die öffentliche Reaktion offenbarte eine unerwartete Marktsegmentierung, die seitdem die Kommerzialisierungsstrategie von XPeng beeinflusst. Die Analyse der sozialen Medien zeigte, dass jüngere Nutzer primär an Robotern für Haushaltsaufgaben und Arbeitsunterstützung interessiert waren, während mittlere und ältere Altersgruppen – Menschen, die „nicht in sozialen Netzwerken posten“ – sich intensiv auf die Altenpflege konzentrierten. „Ich denke, das ist etwas, das man aus verschiedenen Perspektiven betrachten muss“, sagte He. „Ich habe noch nie einen so großen Standpunkt erlebt. Er verfügt nicht über solch große Daten.“
Das Flaggschiff GX und die Automobilstrategie
Auf der Automobilseite bringt XPeng sein Flaggschiff-SUV GX auf den Markt, das erste vollformatige Sechssitzer-Modell und das bisher teuerste Fahrzeug des Unternehmens. He positioniert den GX als Synthese der Fähigkeiten aus dem gesamten Portfolio von XPeng – fliegende Autos, Roboter und konventionelle Fahrzeuge – und nicht als konventionelles großes SUV. Das Fahrzeug verfügt über eine sechsfache Sicherheitsredundanz, die von Flugzeugdesigns inspiriert ist, was bedeutet, dass es selbst bei Stromausfällen oder beschädigten Kabelbäumen weiter funktionieren kann. „Es ist wie bei einem Flugzeug, es ermöglicht Redundanz“, erklärte He.
Die Integration geht tiefer als die Hardware. Das neue kabelgesteuerte Fahrwerk von XPeng ist über eine neu gestaltete Elektro-/Elektronikarchitektur direkt mit dem autonomen VLA-System verknüpft, was laut He die Untergrenze der VLA-Ausführung anhebt – höhere Sicherheitsniveaus, geringere Latenz und eine verbesserte Steuerungspräzision um „fast Dutzende Prozent“. Zukünftige Versionen werden aufgabenorientierte KI aus dem Robotikprogramm integrieren, wodurch das Fahrzeug komplexe mehrstufige Befehle verstehen und ausführen kann, ähnlich wie ein humanoider Roboter Anweisungen wie „Bring mir eine Flasche Wasser“ verarbeitet.
He wich direkten Fragen aus, ob der GX Gefahr laufe, den problematischen Start des G9 im Jahr 2022 zu wiederholen, der von Preisverwirrung und Marktfehlern geprägt war. „Das Denken und die Logik damals im Vergleich zu heute – ich denke, der Unterschied ist sehr groß“, sagte er. „Wenn Ihre Fähigkeiten eine höhere Dimension erreichen, können Sie wahrscheinlich alles analysieren: Wo waren die früheren Probleme, und es besteht eine hohe Wahrscheinlichkeit, dass man erkennt, wo die Probleme heute liegen.“ Die Implikation ist, dass die organisatorischen und analytischen Fähigkeiten von XPeng ausreichend gereift sind, um ähnliche Ausführungsfehler zu vermeiden, wenngleich He anerkannte, dass das Fahrzeug Lehren aus Produktplanung, Kundenverständnis und Geschäftslogik einbezieht.
Der Zielkunde wird als über 30-jährig, „relativ mutig“, beruflich erfolgreich und bereit, neue Technologien zu erkunden, beschrieben – im Wesentlichen Hes eigene Altersgruppe. „Unser Auto ist eher auf technologischen Luxus für die Familie ausgerichtet“, sagte er. Preise und detaillierte Spezifikationen sollen am 21. Mai 2026 bekannt gegeben werden, positioniert als Vorverkauf vor der offiziellen Markteinführung.
Branchenkonsolidierung und Lieferantenbeziehungen
He bekräftigte seine Prognose, dass sich Chinas Automobilmarkt bis 2030 auf etwa fünf große Unternehmen konsolidieren wird, betonte jedoch, dass dies nicht bedeute, dass andere Hersteller zwangsläufig verschwinden würden – nur dass ein geringerer Maßstab den ultra-intensiven Wettbewerb zunehmend schwierig mache. Diese Konsolidierungsthese widerspricht direkt dem optimistischen Szenario, das dem Geschäftsmodell von Horizon Robotics zugrunde liegt, das darauf angewiesen ist, dass zahlreiche OEMs Lösungen von Drittanbietern übernehmen, anstatt KI-Fähigkeiten vertikal zu integrieren.
He lobte den Horizon-Gründer Yu Kai persönlich und die Produkte des Unternehmens, äußerte jedoch Skepsis hinsichtlich der strategischen Tragfähigkeit des Tier-1-Lieferantenmodells für KI-Systeme. „Wenn man eine Sache aus der Perspektive des Nutzers betrachtet – wir betrachten eine Sache aus einer geschäftlichen Perspektive, die Nutzerperspektive ist vielleicht nur eine von Dutzenden unserer Perspektiven“, sagte er. „Jeder hat das Gefühl, mehr Autounternehmen zu brauchen. Es gibt mehr Produkte von befreundeten Händlern zur Auswahl. Es gibt mehr verschiedene Dinge. Aber in dieser Welt sind Autos zu kompliziert.“
Das Argument der Komplexität konzentriert sich auf die domänenübergreifende Fusion – die Integration von Hardware, Software, Fertigung, Design, Service und Betrieb auf eine Weise, die sich einer sauberen Modularisierung entzieht. Er argumentierte, dass zwar die Partnerschaft mit drei Unternehmen zur Lieferung einer Gesamtlösung machbar sei, „aber wenn Sie mit 300 Unternehmen zusammenarbeiten müssen, um eine personalisierte Lösung anzubieten, werden Sie große Schmerzen haben.“ Die Strategie von XPeng, 80 Prozent der Hardware im eigenen Haus zu entwickeln, einschließlich Chips und Gelenken für Roboter, spiegelt diese Integrationsphilosophie wider, die auf den Bereich der Physical AI ausgeweitet wurde.
Wettbewerbsdynamik und das „Meer aus Blut“
Auf die Frage, ob XPeng aus dem „Meer aus Blut“ aufgetaucht sei, das er in früheren Interviews berühmt beschrieb, war He unmissverständlich: „Ich denke, sie alle schwimmen noch. Ich glaube nicht, dass jetzt irgendjemand herausgekommen ist.“ Er deutete jedoch an, dass die Robotik einen anderen Wettbewerbsverlauf nehmen könnte als die Automobilbranche. Im Gegensatz zu Autos, bei denen homogene Produkte zwangsläufig zu einem brutalen Preiswettbewerb führen, sollten der hohe Softwarewert und das Fehlen starker Open-Source-Alternativen bei Robotern eine stärkere Differenzierung und gesündere Wirtschaftlichkeit ermöglichen.
Er schätzte, dass es in China mittlerweile mehr als 200 etablierte Robotikunternehmen gibt, potenziell doppelt so viele wie der Höchststand an Automobil-Startups, merkte jedoch an, dass die Roboterkategorien weitaus vielfältiger seien als Fahrzeugsegmente. „Ich denke, es könnte viele Lösungen auf dieser Welt geben“, sagte er. „Die Erfolgsquote dieses Roboters ist ziemlich hoch. Ich glaube, sie ist höher als bei einem Pkw.“ Aber er war brutal ehrlich in Bezug auf die Überlebenschancen für Unternehmen, die speziell universelle humanoide Roboter verfolgen: „Ich persönlich glaube, dass 99,99 Prozent sterben werden, wenn wir einen universellen humanoiden Roboter einsetzen.“
Die eigenen Chancen von XPeng liegen nach Hes Einschätzung bei etwa 20 Prozent – eine Zahl, die er als „die höchste Erfolgsquote“ unter den chinesischen Unternehmen bezeichnet, die sich an dieser Kategorie versuchen. Die Engpässe bei der kommerziellen Robotik seien dreifach: zuverlässige und stabile Hardware zu erreichen, mehrere große Modelle auf hohem Niveau erfolgreich zu integrieren und die Kommerzialisierungsfähigkeit in realen Einsätzen zu beweisen. XPeng erwartet, bis Ende 2026 den SOP (Start of Production) für Roboter im Automobil-Stil zu erreichen, wobei 2027 das „erste Jahr der kommerziellen Massenproduktion“ für High-Level-Roboter in China und den Vereinigten Staaten sein wird.
Die Schwierigkeit übertrifft nach Hes Einschätzung die der Automobilbranche um das 20- bis 100-fache, wobei 20 den minimalen Multiplikator darstellt. „Selbst mit Xiaopengs Fähigkeiten, nachdem die Vermarktung dieses Roboters Ende letzten Jahres erschien, denke ich, dass dies unsere Erfolgswahrscheinlichkeit ein wenig erhöht hat“, sagte er. Die Implikation ist, dass der Erfolg selbst für ein Unternehmen mit den Ressourcen und der technischen Tiefe von XPeng noch lange nicht gesichert ist.
Philosophische Verschiebungen und organisationale Angst
He sprach offen über die psychologischen Herausforderungen, ein Unternehmen durch einen technologischen Umbruch zu führen. „Natürlich ist man ängstlich“, sagte er auf die Frage nach der Navigation durch den KI-Wandel. „Weil man feststellt, dass viele der bisherigen Logiktheorien, sogar die Theoreme und Paradigmen am Boden der eigenen Logiktheorie, bis hin zur axiomatischen Ebene – die eigenen Werte, die Lebenseinstellung und das Weltbild – unter dem Wandel dieser Dinge stehen. Es scheint, als ob das bisherige Logikset nicht mehr so gut funktioniert.“
Die existenzielle Unsicherheit erstreckt sich über persönliche Rahmenbedingungen hinaus auf die organisatorischen Fähigkeiten. Er merkte an, dass die Anwendung von Token-Nutzungsmetriken, die von digitalen KI-Unternehmen entlehnt wurden, für Physical-AI-Unternehmen wenig Sinn ergibt und dass die meisten konventionellen Weisheiten über die KI-Transformation „nicht umfassend und ausreichend genug“ seien, wenn sie auf den physischen Bereich ausgeweitet würden. „Ihre Methodik auf Physical AI zu kopieren – ich denke, es gibt viele Stellen, die nicht passend genug sind“, sagte er. „Vielleicht ist ein Teil der Geschäftslogik korrekt, aber sie sind nicht umfassend und ausreichend genug. Das ist das größte Problem.“
Was den Wissenserwerb betrifft, so hat He weitgehend aufgehört, Geschäftsbücher auf konventionelle Weise zu lesen, da er feststellt, dass zusammengefasste Regeln zu schnell veralten, während sich die Welt verändert. „Ich blättere vielleicht nur ein Kapitel um und gehe weiter“, sagte er über Bücher auf seinem Schreibtisch. „Die im Buch zusammengefassten Regeln, die aktuelle Kombination ändert sich zu schnell, es ist schwer zusammenzufassen. Nachdem er ein Buch geschrieben und gedruckt hat, hat sich die Welt vielleicht schon wieder um 10 Prozent verändert.“ Stattdessen betonte er das Lernen durch Praxis und schnelle Iterationszyklen, insbesondere bei KI-Systemen, bei denen die menschliche Beteiligung in der Verbesserungsschleife minimiert werden sollte.
Trotz des immensen Drucks und der geringen Erfolgsaussichten äußerte He keine Reue über vergangene Entscheidungen, einschließlich der kostspieligen Abkehr von bewährten Technologien. „Es gibt keinen Grund, über bedauerliche Entscheidungen in dieser Welt nachzudenken, weil ich zu viele Fehler gemacht habe“, sagte er. „Warum sollte man bereuen, einen Fehler gemacht zu haben? Wir haben oft das Gefühl, dass sich herausstellt, dass zu diesem Zeitpunkt etwas falsch gemacht wurde. Dann lassen Sie uns darüber nachdenken, warum es jetzt falsch ist. Aber bereuen Sie es nicht.“