Das Einwahlzeitalter der KI

• Wie in den frühen 1990er-Jahren des Internets befindet sich auch die KI-Revolution in einer frühen Phase, in der Verwirrung und überzogene Erwartungen nebeneinander bestehen, und sowohl übertriebener Optimismus als auch Skepsis liegen nur teilweise richtig
• Die Debatte darüber, ob KI Arbeitsplätze ersetzen oder schaffen wird, ist ähnlich polarisiert wie einst die Diskussionen über das Internet
• Radiologen verzeichneten entgegen den KI-Prognosen steigende Beschäftigung, ein Fall, in dem das Jevons-Paradoxon wirkte (das Phänomen, dass Effizienzsteigerungen zu höherem Gesamtverbrauch führen)
• Der Investitionsrausch um KI zeigt ähnliche Überhitzungstendenzen wie die Dotcom-Blase, doch die Infrastrukturinvestitionen der Hyperscaler werden langfristig das Fundament der Zukunft legen
• KI schafft neue Berufsgruppen und Industrien, und ein Wandel der Arbeitsstruktur ist im Gange, so tiefgreifend, dass sich selbst die Bedeutung von „Software Engineer“ verändert

---

Ähnlichkeiten zwischen den frühen Tagen des Internets und dem KI-Zeitalter

• 1995, in der frühen Phase der Internetverbreitung, gab es nur rund 2.000 Websites, die meist aus einfachen textbasierten Strukturen bestanden
  • Das Laden von Bildern dauerte Minuten, Online-Zahlungen galten als unsicher, und der Rat „Vertraue niemandem im Internet“ war weit verbreitet
• Damals sagten Optimisten starkes Wachstum von E-Commerce und Virtual Reality voraus, während Pessimisten das Internet für einen vorübergehenden Trend hielten
• 25 Jahre später erleben Menschen Veränderungen, die die damaligen Erwartungen übertreffen: Nachrichtenkonsum über Social Media, Dating per App, Nutzung von Sharing-Economy-Diensten und mehr
• Der Text vergleicht „das heutige KI-Zeitalter mit dem Internet von 1995“ und weist darauf hin, dass Vorhersagen an beiden Extremen nur teilweise richtig sind

Das Beschäftigungsparadox: Warum die Auswirkungen der Automatisierung je nach Branche unterschiedlich sind

• Geoffrey Hinton warnte 2016, KI werde Massenarbeitslosigkeit verursachen, und behauptete, man solle „die Ausbildung von Radiologen einstellen“
  • Doch 2025 stieg die Zahl der Radiologie-Residency-Plätze in den USA um 4 % auf den Rekordwert von 1.208, auch die Quote unbesetzter Stellen erreichte einen Höchststand
  • Das durchschnittliche Jahresgehalt stieg auf 520.000 Dollar, 48 % mehr als 2015, womit die Radiologie das zweithöchst bezahlte medizinische Fachgebiet blieb
• Die Forscherin Deena Mousa nennt als Grund für die Fehlprognose das Jevons-Paradoxon
  • KI erhöhte die Produktivität von Radiologen, die Diagnostikkosten sanken → mehr Menschen lassen sich scannen → die Beschäftigung steigt
  • Weitere Faktoren sind die Komplexität der Realität, Aufgaben jenseits reiner Bilderkennung sowie regulatorische und versicherungstechnische Hürden
• Satya Nadella, Aaron Levie und andere aus der Tech-Branche vertreten den optimistischen Standpunkt, „dass in fast allen Bereichen, in denen KI eingesetzt wird, die Nachfrage steigen wird“

• Grenzen des Jevons-Paradoxons

  • Andrej Karpathy weist darauf hin, dass die Radiologie für frühe Analysen zur Verdrängung von Jobs ungeeignet ist
    • Ein vielschichtiger, risikoreicher und stark regulierter Bereich
    • Veränderungen bei Jobs treten zuerst eher in Bereichen auf, die einfach, repetitiv, unabhängig, kurz und mit geringen Fehlerkosten sind
  • Ob die Beschäftigung steigt, hängt vom Wettbewerb zwischen der Größe der ungedeckten Nachfrage und der Geschwindigkeit des Produktivitätsanstiegs ab
    • Je nach Gleichgewicht dieser beiden Faktoren fällt das Ergebnis je Branche unterschiedlich aus

• Analyse branchenspezifischer Daten aus 200 Jahren

  • Eine Studie des Ökonomen James Bessen zeigt Daten zu Beschäftigung, Produktivität und Nachfrage in der Textil-, Stahl- und Automobilindustrie von 1800 bis 2000
    • Textil und Stahl: Nach der Automatisierung stieg die Beschäftigung rund 100 Jahre lang und brach dann stark ein
    • Automobilproduktion: blieb relativ stabil, ohne denselben abrupten Einbruch
  • Produktivitätsgrafiken zeigen in allen Industrien exponentielle Produktivitätszuwächse (auf logarithmischer Skala)
    • Ein Textilarbeiter im Jahr 1900 konnte 50-mal mehr produzieren als 1800
  • Nachfragegrafiken zeigen, dass anfangs sinkende Preise Massennachfrage erzeugten
    • Anfang des 19. Jahrhunderts konnten sich die meisten Menschen nur eine Hose oder ein Hemd leisten
    • Automatisierung ließ die Preise abstürzen → mehrere Kleidungsstücke wurden erschwinglich → Beschäftigung und Produktivität stiegen gleichzeitig stark

• Nachfragesättigung und sinkende Beschäftigung

  • Wenn die Nachfrage gesättigt ist, stagniert die Beschäftigung auf dem Nachfragehoch, die Automatisierung läuft jedoch weiter
    • Produktivität steigt weiter → irgendwann beginnt die Beschäftigung zu sinken
    • Niemand braucht unendlich viel Kleidung oder unendlich viele Radiologieberichte
  • Autos verlaufen anders: Die Nachfrage ist noch nicht gesättigt
    • Der Großteil der Weltbevölkerung besitzt noch immer kein Auto
    • Auch die Automatisierung hat den Bereich noch nicht vollständig erobert (Teslas Rückzug von vollständiger Fertigungsautomatisierung zeigt die Grenzen der aktuellen Technik)
    • Wenn sowohl Nachfrage als auch Automatisierungspotenzial hoch sind, kann Beschäftigung stabil bleiben oder steigen

• Die Besonderheit der Softwarebranche

  • Es ist unklar, wann die Nachfrage nach Software gesättigt sein wird
    • Bisher war manuell entwickelte Software der begrenzende Faktor
    • Teure Engineers und Personalkosten beschränken, was Unternehmen bauen können
  • Wenn Automatisierung die Produktivität von Engineers stark erhöht, könnte ungedeckte Nachfrage explosionsartig freigesetzt werden
    • Unternehmen haben viele Projekte mit geschäftlichem Wert, die sie wegen fehlender Ressourcen oder nicht vertretbarer Entwicklungskosten nicht umsetzen
    • Beispiel Amazon: Tausende Ideen erhielten wegen knapper Engineering-Ressourcen keine Finanzierung
  • Wenn KI Software zu deutlich geringeren Kosten produzieren kann, wird enorme latente Nachfrage freigesetzt
    • Die entscheidende Frage ist, wann diese Nachfrage gesättigt sein wird

• Faktoren, die das Beschäftigungsergebnis je Branche bestimmen

  • Die Beschäftigung in jeder Branche hängt vom Wettbewerb zweier Kräfte ab
    1. Größe und Wachstum der ungedeckten Marktnachfrage
    2. Ob das Nachfragewachstum die durch Automatisierung erzielten Produktivitätssteigerungen übertrifft
  • Je nach Gleichgewicht dieser beiden Faktoren erleben Branchen unterschiedliche Ergebnisse

Blasen: Wie irrationaler Überschwang die Zukunft baut

• Der Dotcom-Boom der 1990er war eine Zeit, in der Unternehmen allein durch das Anhängen von „.com“ an ihren Namen ihre Bewertungen in die Höhe trieben
  • Infrastrukturunternehmen investierten Milliarden in Glasfaser und Unterseekabel (teure Projekte, die nur dank des Hypes möglich waren)
  • 2000–2001 kam es zum Zusammenbruch der Dotcom-Ära, und der Absturz war spektakulär
• Infrastrukturunternehmen wie Cisco wurden kurzzeitig zu den wertvollsten Firmen der Welt und stürzten dann ab
  • Pets.com sammelte beim IPO 82,5 Millionen Dollar ein und gab Millionen für Super-Bowl-Werbung aus, ging aber nur neun Monate später bankrott

• Das positive Erbe der Dotcom-Blase

  • Auch die Dotcom-Blase hatte in vielerlei Hinsicht recht
    • Der Aufbau der physischen Infrastruktur, die YouTube, Netflix und Facebook möglich machte
    • Unternehmen wie Worldcom, NorthPoint und Global Crossing gingen zwar bankrott, legten aber das Fundament für die Zukunft
  • Der Crash bewies kurzfristig, dass die Skeptiker recht hatten, doch langfristig zeigte sich, dass die Optimisten in der Richtung richtig lagen

• Die ähnliche Euphorie des heutigen KI-Booms

  • Ein von der ehemaligen OpenAI-Managerin Mira Murati gegründetes AI-Startup sammelte in einer Seed-Runde über 2 Milliarden Dollar bei einer Bewertung von 10 Milliarden Dollar ein, die größte aller Zeiten
    • Es gibt noch kein Produkt, und was gebaut werden soll oder wie Geld verdient werden soll, wurde nicht offengelegt
  • Mehrere AI-Wrapper sammelten mit kaum vorhandenem Burggraben bereits Millionen in Seed-Finanzierungen ein

• Infrastrukturinvestitionen der Hyperscaler

  • Die jährlichen Investitionsausgaben der Hyperscaler haben sich seit dem Start von ChatGPT mehr als verdoppelt
    • Microsoft, Google, Meta und Amazon investieren gemeinsam fast 500 Milliarden Dollar in Rechenzentren, Chips und Computing-Infrastruktur
  • Unabhängig davon, welche einzelnen Unternehmen überleben, schafft die jetzt entstehende Infrastruktur das Fundament für die KI-Zukunft
    • Von Inferenzkapazität bis zur dafür nötigen Stromerzeugung

• Wie man beurteilt, ob es eine KI-Blase ist

  • Azeem Azhar bietet mit fünf Indikatoren einen praktischen Rahmen, um den KI-Boom zu bewerten
    • Wirtschaftliche Last (Investitionsquote relativ zum BIP)
    • Branchenlast (CapEx im Verhältnis zum Umsatz)
    • Umsatzwachstumspfad (Verdopplungszeit)
    • Bewertungsüberhitzung (Kurs-Gewinn-Verhältnis)
    • Qualität der Finanzierung (Widerstandsfähigkeit der Kapitalquellen)
  • Das Ergebnis der Analyse: KI ist keine Blase, sondern ein nachfragegetriebener Boom
    • Wenn jedoch zwei der fünf Kennzahlen in den roten Bereich rutschen, beginnt der Blasenbereich

• Nachfrage ist real, aber kein Schutz vor einer Blase

  • OpenAI gehört zu den am schnellsten wachsenden Unternehmen der Geschichte
    • Doch allein das schützt nicht vor einer Blase
  • Viele KI-Unternehmen stehen vor denselben Problemen bei den Unit Economics, die schon Dotcom-Firmen in den 1990ern plagten
    • Auch Pets.com hatte Millionen Nutzer, ging aber bankrott – ganz nach dem Motto, dass man unendlich viele Kunden gewinnen kann, wenn man „einen Dollar für 85 Cent verkauft“
  • Trotz realer Nachfrage ist ein ähnliches Muster wie in den 1990ern möglich
    • Zu viel Aufbau, spektakuläre Fehlschläge
    • Doch die Infrastruktur wird über den Hype-Zyklus hinaus Dinge ermöglichen, die wir uns heute noch nicht vorstellen können

Eine vorhersehbar unvorhersehbare Zukunft

• Die frühe Phase der KI-Revolution

  • Wir befinden uns in der frühen Phase der KI-Revolution (vergleichbar mit der knarzenden Modemphase des Internets)
    • So wie Infrastrukturunternehmen Milliarden in Glasfaser investierten, investieren Hyperscaler Milliarden in Computing
    • So wie Startups früher „.com“ an ihren Namen hängten, hängen sie heute „.ai“ an, um höhere Bewertungen zu erzielen
  • Der Hype wird zwischen Euphorie und Verzweiflung oszillieren
    • Manche Vorhersagen werden lächerlich falsch aussehen
    • Andere, die verrückt klangen, werden sich als zu konservativ erweisen

• Unterschiedliche Ergebnisse je Branche

  • Anders als Jevons-Optimisten behaupten, stagniert die Nachfrage nach vielen Dingen, sobald menschliche Bedürfnisse erfüllt sind
  • Die Beschäftigungsergebnisse aller Branchen hängen von Größe und Wachstum der ungedeckten Marktnachfrage sowie davon ab, ob dieses Wachstum die durch Automatisierung ausgelösten Produktivitätssteigerungen übertrifft

• Kostensenkung öffnet neue Marktsegmente

  • Aswath Damodaran unterschätzte Uber, weil er annahm, Uber werde nur einen Teil des bestehenden Taximarkts erfassen
    • Er übersah, dass drastisch billigere Fahrten den Markt selbst ausweiten
    • Menschen begannen mit Uber zu Zielen zu fahren, für die sie nie den Preis eines Taxis gezahlt hätten
  • KI wird auf ähnliche Weise Produkte und Dienste ermöglichen, die mit heutiger menschlicher Intelligenz zu teuer wären, um sie zu bauen
    • Ein Restaurantbesitzer erstellt mit KI maßgeschneiderte Supply-Chain-Software (mit menschlichen Entwicklern wäre sie für 100.000 Dollar nie gebaut worden)
    • Eine Non-Profit-Organisation setzt KI für Rechtsstreitigkeiten ein, die sie sich früher nicht leisten konnte

• Wandel ist vorhersagbar, Details nicht

  • 1995 sagte niemand voraus, dass Menschen im Internet mit Fremden ausgehen, in deren Autos (Uber) fahren und in deren Wohnungen (Airbnb) schlafen würden
    • Ebenso sagte niemand voraus, dass Influencer unter jungen Menschen zu den begehrtesten Berufen zählen würden
  • Menschliche Kreativität erzeugt Ergebnisse, die sich mit heutigen mentalen Modellen nicht vorhersagen lassen
    • Neue Felder und Industrien werden entstehen
  • KI hat bereits in den letzten fünf Jahren mehr zur Entschlüsselung von Tierkommunikation beigetragen als in den 50 Jahren davor
    • Lässt sich vorhersagen, welche Berufe Technologien eröffnen werden, die vollständige Gespräche mit Tieren ermöglichen?
  • Der begehrteste Beruf im Jahr 2050 existiert heute womöglich noch nicht
    • Er lässt sich noch nicht benennen, weil er noch nicht erfunden wurde

• Transformation von Berufskategorien

  • Das Internet machte einige Berufe überflüssig, transformierte andere und schuf neue Kategorien
    • Für KI ist dasselbe Muster zu erwarten
  • Karpathys Frage: „Vor sechs Monaten wurde ich gebeten abzustimmen, ob es in fünf Jahren mehr oder weniger Software Engineers geben wird“
    • Die Antwort bleibt als Übung für die Leser offen

• Was wir aus dem Beispiel Journalismus lernen

  • Würde man ins Jahr 1995 zurückkehren und dieselbe Frage über Journalisten stellen:
    • Man hätte wohl mehr Journalisten prognostiziert, weil das Internet weltweite Reichweite und damit mehr Nachfrage schafft
    • Für das erste Jahrzehnt wäre das sogar richtig gewesen (Beschäftigungswachstum im Journalismus bis in die frühen 2000er)
  • 30 Jahre später: Sowohl die Zahl der Zeitungen als auch die Zahl der Journalisten ist gesunken
    • Dennoch findet mehr „Journalismus“ statt als je zuvor
    • Nur eben nicht ausschließlich durch Menschen, die wir Journalisten nennen
  • Blogger, Influencer, YouTuber und Newsletter-Autoren übernehmen Aufgaben, die früher traditionelle Journalisten erledigten

• Die Zukunft der Software Engineers

  • Für Software Engineers wird sich dasselbe Muster entfalten
    • Mehr Menschen werden Software-Engineering-Arbeit leisten
    • In etwa zehn Jahren wird sich die Bedeutung von „Software Engineer“ verändert haben
  • Der bereits erwähnte Restaurantbesitzer erstellt mit KI eigene maßgeschneiderte Bestandssoftware
    • Er wird sich selbst nicht als Software Engineer bezeichnen

• Die unvorhersehbare KI-Zukunft

  • Wenn KI-Optimisten heute wie 1995 sagen würden, dass wir „in 25 Jahren Nachrichten lieber von KI als von Social-Media-Influencern beziehen, statt menschlicher Schauspieler KI-generierte Figuren anschauen, romantische Partner eher über KI-Matchmaker finden (oder KI-Partner selbst nutzen), den Satz ‚Vertraue der KI nicht‘ vollständig umkehren und uns in Fragen von Leben und Tod auf KI verlassen sowie KI die Erziehung unserer Kinder anvertrauen werden“,
    • dann würde das den meisten Menschen schwer glaubhaft erscheinen
  • Trotz aller Intelligenz – natürlich oder künstlich – kann niemand mit Sicherheit vorhersagen, wie die KI-Zukunft aussehen wird
    • Weder Tech-CEOs noch KI-Forscher noch irgendeine zufällige Person, die sich im Internet wortreich dazu äußert
  • Ob wir die Details richtig treffen oder nicht: Die KI-Zukunft lädt gerade

[GN⁺]

Hacker-News-Kommentare

• Die Ähnlichkeit zur Dotcom-Blase ist nur begrenzt gegeben
  Denn der gesellschaftliche, politische und wirtschaftliche Kontext damals und heute ist völlig unterschiedlich
  Bei Vorhersagen über die Zukunft orientiert man sich zwar an Mustern aus der Vergangenheit, berücksichtigt aber oft nicht, wie sich der Kontext verändert hat
  Es lässt sich nicht allein durch Nachfrage oder Automatisierung erklären; man muss auch die Wechselwirkung politischer, gesellschaftlicher und wirtschaftlicher Systeme betrachten

• Ich denke, wir befinden uns gerade im Mainframe-Zeitalter der AI
  Nur wenige Großkonzerne können riesige zentralisierte Modelle betreiben, und wir mieten im Grunde ihre Rechenressourcen
  Irgendwann wird hoffentlich ein Zeitalter des Personal Computing kommen, in dem kleine Modelle überall verteilt laufen

  • Das Zeitalter des Personal Computing könnte nur eine kurze Täuschung gewesen sein
    Die meisten Menschen nutzen Computer heute als „dumme Terminals“, die auf Cloud-basierte zentrale Dienste zugreifen
  • Wenn Unternehmen jeden Tag „goldene Eier“ verkaufen können, gibt es für sie keinen Grund, die goldene Gans zu verkaufen
  • Heutige Software funktioniert ohne Internet nicht mehr
    Sogar E-Mail, Karten und Git hängen stark von zentralen Servern ab, sodass es sich wie eine Rückkehr ins Mainframe-Zeitalter anfühlt
  • Es gibt bereits viele gute kleine Modelle, aber den meisten Menschen fehlt die Hardware oder das technische Umfeld, um sie auszuführen
    Wer es selbst mit Tools wie LM Studio ausprobiert, kann erleben, dass Modelle vollständig lokal laufen
  • In der Zeit des Personal Computing konnte man Linux nicht als Haupt-OS verwenden, weil Organisationen .doc-Dateien verlangten
    In so eine Zeit möchte ich nicht zurück

• Ich hatte den Eindruck, dass manche bei AI eine allzu selbstgewisse Haltung zeigen
  Ich selbst hätte nicht das Vertrauen, so kategorisch zu urteilen

  • Aber ich möchte zurückfragen, ob man auch den „Mut hat, falschzuliegen“
  • Die Vertreter der Blasen-These haben zu wenig Vorstellungskraft; schon ein wenig Fantasie erzeugt die Täuschung, visionär zu wirken
    Ihre Denkweise wirkt wie ein Paradebeispiel für den Dunning-Kruger-Effekt
  • AI vorschnell als Blase abzutun, ist ebenfalls eine Form von Arroganz

• Ich habe noch nie die Behauptung gehört, dass „AI mehr Arbeitsplätze schafft“
  Ob körperliche oder Wissensarbeit: Am Ende ist doch alles zur Automatisierung bestimmt, daher frage ich mich, welche Jobs überhaupt entstehen sollen

  • Ich denke genauso
    Es wirkt, als habe der Autor künstlich zwei Lager konstruiert, um die eigene Position als Mittelweg zwischen beiden Seiten erscheinen zu lassen

• Die Glasfaser-Infrastruktur der Dotcom-Zeit mit heutigen Rechenzentren zu vergleichen, ist kaum sinnvoll
  Glasfaser war auch zehn Jahre später noch nutzbar, aber Rechenzentren veralten innerhalb weniger Jahre wie Frischware
  In zehn Jahren wird sich niemand mehr für die heutige Ausrüstung interessieren

• In letzter Zeit spüre ich eine gewisse AI-Müdigkeit
  Für das Überarbeiten kurzer E-Mails ist es okay, aber für tiefgehende Inhalte eher nicht
  Ich finde nicht, dass es das Geld wert ist

  • Für mich ist AI dagegen ein Löser schwieriger Probleme
    Ich bezahle für ChatGPT Plus und GitHub Copilot, und sie schlagen Lösungen vor, die ich selbst nicht gefunden hatte

• Die Behauptung, „teure Ingenieursgehälter hätten die Entwicklung begrenzt“, ist falsch
  Großunternehmen haben genug Kapital; das Problem ist eher die Komplexität von Software und die Grenzen menschlichen Verständnisses
  Wenn das angesprochen worden wäre, wäre der Text überzeugender gewesen
  Insgesamt wirkt der ganze Beitrag voller Großspurigkeit

• Gute Analyse, aber übersehen wurde die Möglichkeit, dass AI in 5 bis 10 Jahren direkt auf Smartphones oder Desktops laufen könnte
  Dann könnten die heutigen Investitionen in Rechenzentren und die Nvidia-zentrierte Struktur bedeutungslos werden

  • Dann könnte vielleicht in jedem Computer eine Nvidia-GPU stecken

• In den 1990er Jahren waren die Menschen stark technikoptimistisch
  Selbst im Fernsehen glaubte man, Geräte wie Smartphones bald zu benutzen, und eher hatte man das Gefühl, dass die Realität viel zu spät nachzog

  • Tatsächlich sagte die "You Will"-Werbung von AT&T aus dem Jahr 1993 die Zukunft ziemlich genau voraus
  • Ich warte immer noch auf fliegende Autos
  • Sogar in den Nachrichten des isländischen Staatsrundfunks von 1999 tauchten Vorhersagen zu mobilen Zahlungen und dem Internet auf
    Siehe dieses Video

• Der Text ist gut recherchiert und interessant, aber weit von der aktuellen LLM-Realität entfernt
  Mit der heutigen Software-Architektur ist es schwer, AI auf SF-Niveau zu erreichen, und auch sehr viel Geld löst das nicht
  Der AI-Investitionsboom ist eher ein Mittel zur Umverteilung von Wohlstand als ein technologischer Fortschritt und unterscheidet sich nicht von früheren Dotcom-, Immobilien- oder Krypto-Blasen
  AGI kommt in dieser Runde nicht, nicht einmal das Halluzinationsproblem ist gelöst
  Was wir wirklich brauchen, ist die Fähigkeit der Menschen, einander zuzuhören, doch AI verstärkt eher die jeweiligen eigenen Blasen

  • Im Moment scheint AI in eine Phase überzogener Erwartungen eingetreten zu sein, ähnlich wie Kernfusion, VR oder Überlichtreisen