Fehleinschätzung nach Fehleinschätzung nach Fehleinschätzung...
Als in den Achtzigerjahren die ersten Personalcomputer auf den Markt kamen, hielt man sie für bessere Schreib- und Rechenmaschinen. Als in den Neunzigerjahren das Internet aufkam, hielt man es für ein Spielzeug für Computernerds, ein beschleunigtes Faxgerät, ein Instrument zur digitalen Flyerverteilung. Die Fehleinschätzung beruhte jedes Mal auf demselben Mechanismus: Man betrachtete die neue Technik als logische Fortsetzung des Bekannten und extrapolierte linear aus der eigenen Erfahrung, ohne sich über die Konsequenzen bewusst zu sein.
Während sich die Welt im Hintergrund still und leise zu wandeln begann, änderte sich im realen Leben der Menschen zunächst wenig. Natürlich tauchten immer mehr Bildschirme auf, in Büros, an öffentlichen Schaltern, in den Wohnzimmern. Aber hat man sich damals Gedanken darüber gemacht, welchen Einfluss diese Maschinen auf Arbeitsprozesse, Einstellungen und Denkweisen der Menschen haben würden? Eher nicht, denn vielen fehlt noch heute das Bewusstsein dafür, welche Veränderungen in den vergangenen Jahrzehnten tatsächlich angestoßen wurden. Die wahre Revolution war jene der Kommunikation, des Informationsaustauschs und seiner Speicherung. Erstmals in der Geschichte der Menschheit wurden Echtzeitkommunikation rund um den Erdball und nahezu unbegrenzte Informationsspeicherung möglich. In der Schule wurde uns die Bedeutung des Buchdrucks für die Entwicklung unserer heutigen Zivilgesellschaft vermittelt. Nun übertreffen die Effekte der Digitalisierung jene des Buchdrucks um ein Vielfaches, und sie haben sich nicht mit der Gemächlichkeit ausgebreitet, mit der Bücher über Jahrhunderte populärer wurden, sondern wie ein Flächenbrand. Deshalb haben viele heute noch mit den Folgen zu kämpfen. Unternehmen, Organisationen, politische Systeme und ganze Gesellschaften sind technisch, vor allem aber im Bewusstsein noch nicht vollständig im digitalen Zeitalter angekommen.
Und obwohl wir vielerorts die Digitalisierung noch nicht verarbeitet haben, befinden wir uns mit der künstlichen Intelligenz bereits mitten in der nächsten Revolution. Wieder droht eine Fehleinschätzung, denn viele sehen in KI einen besonders schlauen Computer, die logische Weiterentwicklung von der Rechenmaschine zum PC, vom einzelnen PC zum Netzwerk. Dabei begann die Entwicklung künstlicher Intelligenz bereits in den 1950er-Jahren, und der Begriff steht für eine große Vielfalt an Ansätzen, von denen Sprachmodelle wie ChatGPT, Gemini oder Claude nur einen Teil abbilden. Wer glaubt, er arbeite bereits „mit KI“, weil er bestimmte Aufgaben an ein Sprachmodell delegiert, hat oft nur die Oberfläche gesehen.
Zur Klärung: Computer, Tablets, Smartphones sind nur das Vehikel, die Schnittstelle, über die wir mit KI interagieren. KI selbst ist kein Softwareprogramm, sondern dem menschlichen Gehirn nachempfunden, ein neuronales Netzwerk. Software wird abgespult, immer gleich, mit immer gleichem Resultat, deterministisch und vorhersehbar. Eine KI ist in ihrem Output nicht vollkommen vorhersehbar, sie liefert bei gleichem Befehl in der Regel ein ähnliches, aber kein identisches Ergebnis.
Warum wiederholt sich die Fehleinschätzung ausgerechnet jetzt mit besonderer Wucht? Weil der Denkfehler der linearen Extrapolation bei einer Entwicklung, die exponentiell verläuft, nicht mehr zu kleinen, sondern zu fundamentalen Fehlurteilen führt. Wer die Automatisierungsgeschwindigkeit vergangener Jahrzehnte in die kommenden Jahre fortschreibt, unterschätzt sie um Größenordnungen. Eine Maschine, die eine Schraube dreht, braucht Kapital, Wartung, physische Installation. Ein Sprachmodell, das eine Analyse schreibt, einen Vertrag prüft oder eine Kampagne plant, braucht einen API-Aufruf. Die Distributionskosten sind praktisch auf null gefallen, während die Fähigkeiten weiter steigen, und zwar sich selbst verstärkend: Bessere Modelle beschleunigen die Forschung an noch besseren Modellen, fallende Rechenkosten erlauben mehr Experimente, jede neue Fähigkeitsstufe wird nicht über Jahre physischer Infrastruktur verteilt, sondern innert Wochen per Update an Millionen Nutzer ausgerollt. In gewissen Bereichen verdoppeln sich die Fähigkeiten von KI-Systemen derzeit im Halbjahresrhythmus, mit Tendenz zur weiteren Beschleunigung, ein Tempo, das mit dem Moorschen Gesetz der Halbleiterindustrie zwar oft verglichen wird, aber als junger, empirisch beobachteter Trend behandelt werden sollte, nicht als physikalisches Naturgesetz.
Ein Teil dieser Beschleunigung liegt darin, wie KI-Systeme heute lernen. Es braucht längst nicht mehr nur aktiv kuratierte, manuell aufbereitete Datensätze, mit denen man ein System füttert. Fähigkeiten erweitern sich zunehmend dadurch, dass Systeme aus natürlich anfallenden Beobachtungsströmen lernen, aus Video, aus Tätigkeiten, die sie visuell verfolgen, aus Gesprächen, denen Call-Agenten zuhören, bevor sie die entsprechende Arbeit übernehmen. Das ist kein Lernen in Echtzeit während der Nutzung, ein System, mit dem man gerade spricht, verändert sich durch dieses Gespräch nicht selbst, aber es ist ein Bruch mit dem klassischen Fütterungsmodell: Die Trainingsdaten der nächsten Generation entstehen nebenbei, im laufenden Betrieb, aus der Beobachtung menschlicher Arbeit selbst. Der Erfahrungsvorsprung, den Menschen gegenüber KI noch haben, erodiert dadurch nicht, weil die Maschine wie ein Mensch aus Beobachtung lernt, sondern weil die nächste Modellgeneration, trainiert auf den Interaktionsdaten einer ganzen Nutzerbasis, diesen Vorsprung strukturell einholt.
Alles, was sich heute rein digital bewältigen lässt, wird KI in absehbarer Zeit schneller, präziser und günstiger erledigen können als ein Mensch. Das ist keine provokante These, sondern die logische Folge einer laufenden Entwicklung. Was sich seriös vorhersagen lässt, ist nicht der genaue Zeitpunkt, an dem KI bestimmte Rollen in Sachbearbeitung, Recht oder Kundendienst übernimmt, sondern die Gewissheit, dass es geschieht, und zwar nicht in ferner Zukunft. Erste Unternehmen automatisieren bereits und bauen Stellen ab. Junge Menschen finden schwerer Einsteigerjobs, weil gerade repetitive Einstiegsaufgaben ideal automatisierbar sind.
Noch nicht mitgezählt sind dabei die Fähigkeiten humanoider Roboter, die sich ebenfalls auf einer exponentiellen Kurve bewegen, durch Foundation Models für Bewegungssteuerung, durch simulationsbasiertes Training, durch fallende Kosten für Bewegungsdaten. Anders als bei Sprachmodellen steht der eigentliche Durchbruch hier aber noch bevor. Vieles deutet darauf hin, dass auch die Robotik ihren eigenen ChatGPT-Moment erleben wird, einen Punkt, an dem es plötzlich sehr rasch geht, wie ein Dominoeffekt. Bis dahin bleibt die physische Welt ein härterer Flaschenhals als die kognitive: Was für Menschen mühelos ist, eine Wand verputzen, auf einer Baustelle improvisieren, bleibt für Maschinen schwer, während umgekehrt das, was für Menschen anstrengend war, Texte durchforsten, Verträge prüfen, Reports erstellen, für Maschinen zunehmend trivial wird. Für die Bauwirtschaft und handwerkliche Berufe bedeutet das eine Gnadenfrist gegenüber der klassischen Wissensarbeit, keinen Freibrief.
Gerade tut sich vor uns ein Tor in eine neue Welt auf. Ob wir hindurchgehen wollen, ist keine Frage mehr, es ist ein Sog, der uns mitreißt. Die eigentliche Frage ist, wie wir in dieser neuen Welt ankommen und agieren wollen. Kaum ein Beruf wird komplett verschwinden, aber die meisten werden zerlegt: Alles, was sich als wiederholbares Muster aus Text, Daten oder Regeln beschreiben lässt, wandert zur KI. Übrig bleibt, was sich hartnäckig gegen Automatisierung sperrt, Urteilsvermögen unter echter Unsicherheit, Haftung und Verantwortung, Vertrauen, Geschmack, die Fähigkeit, Fragmente aus verschiedenen Domänen zu etwas Neuem zu verdichten. Für Unternehmen entsteht daraus eine Spreizung, die größer wird statt kleiner: zwischen jenen, die ihre Prozesse um die neuen Fähigkeiten herum neu denken, und jenen, die KI additiv in alte Strukturen zwängen, ein Copilot hier, ein Sprachmodell dort, ohne dass sich am eigentlichen Ablauf etwas ändert.
Für den einzelnen Menschen bedeutet das eine Erfahrung, die es historisch so nicht gab: Rollen, die nicht einmal, sondern fortlaufend neu verhandelt werden müssen, weil sich die Fähigkeitsgrenze der Maschine unter der eigenen Tätigkeit wegbewegt, während man noch dabei ist, sich in ihr einzurichten. Berufliche Identität funktionierte historisch über relative Stabilität. Sinkt die Halbwertszeit einer Rollendefinition, verschiebt sich Identität zwangsläufig von der Frage, was man tut, zu der Frage, wofür man steht und wie man urteilt, eine Verschiebung, die eher Persönlichkeitsentwicklung verlangt als Umschulung.
Was wir uns dabei nicht leisten können, ist eine weitere Fehleinschätzung. Bereits jene der Vergangenheit, der zu langsame und mit falscher Technologie vorangetriebene Netzausbau, das lange Zuwarten bei der Digitalisierung von Unternehmen und Bildungseinrichtungen, unzureichende Regulierung im digitalen Raum, sind uns teuer zu stehen gekommen. Proaktives Handeln ist gefragt, von Unternehmen, Organisationen und jedem Einzelnen. Am Anfang steht das Bewusstsein, dass es kein „Weiter so“ geben kann. Danach die Flexibilität, sich an eine Welt anzupassen, die heute noch nicht erkennbar ist, getragen von einem Verständnis von lebenslangem Lernen nicht als Floskel, sondern als Überlebensnotwendigkeit. Wissenstransfer wird zum Dauerzustand, nicht zum Abschluss einer Ausbildung. Unternehmen müssen sich fragen, wie sie mit freiwerdenden personellen Ressourcen umgehen, ohne in Massenentlassungen zu enden, denn eine hohe Arbeitslosenquote bricht die Kaufkraft, was wiederum auf die eigenen Gewinne zurückfällt. Fuji zeigt, wie das aussehen kann: Als die Digitalfotografie die analoge Fotografie ablöste, nutzte das Unternehmen sein Know-how im Schutz von Papierfotografien vor Lichteinwirkung, um daraus Hautschutzcremes zu entwickeln.
Auf gesellschaftlicher Ebene wird sich die Frage, wie wir Lohn und Leistung koppeln, kaum ohne strukturelle Antworten lösen lassen. Die Besteuerung von Maschinenleistung, ein bedingungsloses Grundeinkommen oder ähnliche Modelle gehören zu den diskutierten Lösungsansätzen, sie sind aber nicht die einzigen: Arbeitszeitverkürzung bei vollem Lohnausgleich, staatliche Beteiligung an KI-Produktivitätsgewinnen oder gezielte Requalifizierungsfonds stehen als Alternativen ebenfalls im Raum, jede mit eigenen Zielkonflikten. Welcher Weg sich durchsetzt, ist eine politische und keine technische Frage.
Die Fähigkeitsentwicklung der Modelle selbst lässt sich einigermaßen extrapolieren. Die gesellschaftliche Verarbeitung dieser Entwicklung lässt sich das nicht, und genau dort liegt die größte Unsicherheit. Diese Liste an offenen Fragen ließe sich fortsetzen, Lösungsansätze müssen individuell für Branche, Unternehmen und jeden Einzelnen erarbeitet werden. Was wir uns nicht leisten können, ist eine abermalige Fehleinschätzung.
