Exponentielle Entwicklung

1. «Exponentiell» ist ohne Messgrösse ein Schlagwort. Mit Messgrösse ist es für mehrere Grössen gut belegt: Rechenleistung für das Training, algorithmischer Fortschritt und die Länge selbständig lösbarer Aufgaben.
2. Die Messungen haben benannte Grenzen: fünfzig Prozent Erfolgsquote, Softwareaufgaben, Abhängigkeit von der Auswahl der Aufgaben; unordentliche Aufgaben bleiben schwer.
3. Daten, Energie und die Langsamkeit der wirklichen Welt sind sichtbare Grenzen; ob rekursive Selbstverbesserung sie verschiebt, ist offen.
4. Die Beschleunigung öffnet eine Schere zwischen der Fähigkeit der Systeme und der Zeit, die Menschen zum Prüfen brauchen.

Wenn ich auf die Welt schaue, sehe ich die Beschleunigung nicht nur bei Sprachmodellen. Die selbstfahrenden Taxis von Waymo, einer Tochter von Alphabet, fuhren im Mai 2024 rund 50 000 bezahlte Fahrten pro Woche; im März 2026 waren es rund 500 000, zehnmal so viele in knapp zwei Jahren. In chinesischen Städten wächst der Anbieter Apollo Go ähnlich schnell. Zugleich wächst nicht alles exponentiell. Die Zahl der Industrieroboter, die jedes Jahr neu in Betrieb gehen, hat sich in zehn Jahren etwas mehr als verdoppelt; 2024 waren weltweit rund 4,7 Millionen im Einsatz. Die Kurven sind an manchen Stellen steil, an anderen nicht. Was sie mit einem Menschen machen, sehe ich in meiner eigenen, kleinen Beraterwelt.

Angefangen hat meine Faszination an einem Vortrag von Worthaus, einer Plattform für theologische Vorträge. Dort wurde eine Webseite gezeigt, auf der man eine Frage stellen konnte und dann zu einem Video geleitet wurde, genau an die Stelle, an der die Frage beantwortet wird. Vielleicht war das technisch gar nicht so aufwendig. Aber dass ein Einzelner so etwas in seiner Freizeit gebaut hatte, war für mich ein Moment, der mich nicht mehr losliess. Später kamen Werkzeuge wie Copilot und die Suche in Unternehmensdaten, und der eigentliche Sprung kam mit den Auswertungsmöglichkeiten und damit, dass sich verschiedene Arbeitsschritte kombinieren liessen.

Ich mache mir dabei nichts vor. Es gibt Menschen, die viel mehr Erfahrung mit künstlicher Intelligenz haben und viel tiefer in der Technik stecken; ich kratze an der Oberfläche. Und ich arbeite nur mit den Werkzeugen, die auf dem Markt verfügbar sind. Was Systeme können, die ungefiltert und ohne Fesseln arbeiten, kann ich nur abschätzen. Zwischen dem, was wir nutzen dürfen, und dem, was im Kern möglich ist, liegen vermutlich Welten, und wir stehen erst am Anfang. Mehr Erfahrung habe ich im Nachdenken über das Menschsein. Damit beschäftige ich mich seit rund zwanzig Jahren, jeden Tag, und auch zwanzig Jahre sind nicht viel. Dieses Buch schreibe ich nicht des Geldes wegen. Mich bewegt das Thema, es macht mir Freude, und es löst in mir immer wieder Neues aus. Die Tragweite wird mir erst langsam klar.

Wer heute vor einem Informatikstudium steht, muss sich damit nicht beeilen. Den Umgang mit Menschen, den man etwa im Dienst oder im Beruf lernt, kann die künstliche Intelligenz nicht ersetzen, und mit der Zeit zeigt sich klarer, wo man in einem solchen Studium ansetzen soll. Zeit ist im Moment vielleicht die knappste Ressource, und es lohnt sich, sie gezielt einzusetzen.

Die Frage, was ein junger Mensch heute lernen soll, stellt sich vielen. Stuart Russell erzählt aus der britischen Fernsehserie «Humans», in der menschenähnliche Roboter alles erledigen. Eine kluge Jugendliche fragt dort, warum sie Medizin studieren solle; sie brauche sieben Jahre dafür, ein Roboter sieben Sekunden, nichts, was sie tue, zähle. Russell meint, genau auf diese Zukunft bewegten wir uns zu. Zuerst fielen die Stellen weg, für die man Menschen zu Hunderten einstellt, Arbeit, bei der wir Menschen schon heute wie Roboter einsetzen. Sein Gegenbild ist der Trickfilm «WALL-E»: Menschen, die auf Kreuzfahrtschiffen im All nur noch unterhalten werden und verkümmern, weil es keinen Grund mehr gibt, etwas zu können.

Die Bibel erzählt, dass der Mensch schon im Paradies Arbeit hatte. Gott setzte ihn in den Garten, damit er ihn bebaue und bewahre (1. Mose 2,15). Es gab Ruhe, denn am siebten Tag ruhte Gott (1. Mose 2,2), und es gab Beziehung, denn es ist nicht gut, dass der Mensch allein sei (1. Mose 2,18). Arbeit gehört in diesem Bild nicht zur Strafe, sondern zum guten Anfang; erst nach dem Fall wird sie zur Mühsal (1. Mose 3,17 bis 19). Ein Mensch ohne sinnvolle Arbeit ist eine Katastrophe, und die Forschung bestätigt das. 1933 untersuchten Marie Jahoda, Paul Lazarsfeld und Hans Zeisel das österreichische Dorf Marienthal, in dem nach der Schliessung der Fabrik fast alle arbeitslos waren. Sie fanden keine Revolte, sondern Müdigkeit. Die Männer gingen langsamer, und die Bibliothek wurde weniger genutzt, obwohl sie gratis war und alle Zeit hatten. Jahoda folgerte später, Arbeit gebe dem Menschen nicht nur Lohn, sondern Tagesstruktur, Kontakt, ein gemeinsames Ziel, Anerkennung und Tätigkeit. Viktor Frankl beobachtete im selben Jahrzehnt in Wien bei arbeitslosen Jugendlichen eine Niedergeschlagenheit, die nachliess, sobald sie unbezahlt eine sinnvolle Aufgabe übernahmen. Und in den Vereinigten Staaten führen die Ökonomen Anne Case und Angus Deaton die steigende Zahl von Todesfällen durch Suizid, Drogen und Alkohol bei Menschen ohne Hochschulabschluss auch auf den Verlust von Arbeit zurück, die Halt und Ansehen gab.

Ich sehe darin keinen Grund, nichts mehr zu lernen, im Gegenteil. Was man nicht mehr übt, verlernt man. Gerade darum lohnt es sich, gut zu überlegen, was man lernt, und die Fähigkeiten zu stärken, die eine Maschine nicht ersetzt. Und wer Maschinen alle Arbeit überlassen will, sollte bedenken, dass er den Menschen damit mehr nimmt als den Lohn.

Die erste wirklich eindrückliche Erfahrung machte ich im Dezember 2025. Wir berieten ein Unternehmen in Indien und hatten fünfzig bis sechzig Stunden Interviewmaterial mit Mitarbeitenden. Die Daten der Umfrage, die wir mit Microsoft Forms erhoben hatten, waren wegen eines technischen Fehlers nicht mehr zugänglich, und der Support konnte sie nicht in nützlicher Frist wiederherstellen. Meine Geschäftspartnerin schlug vor, den Liefertermin für den Bericht abzusagen. Ich wollte das nicht. Ich habe die Auswertung auf der Grundlage der Gesprächsprotokolle gemacht, mit einem Sprachmodell von Anthropic, und daraus die Präsentation erstellt. Das Ergebnis war erstaunlich: Bis auf eine Aussage auf einer Folie war alles korrekt. Es zeigte sich, was ich im Bauchgefühl schon hatte, und es deckte sich mit dem, was meine Geschäftspartnerin in den persönlichen Interviews erlebt hatte. Da habe ich gemerkt, wie schnell man etwas wiederherstellen kann, wenn man über die entsprechenden Daten verfügt.

Noch deutlicher wurde das in der Arbeit mit dem System, mit dem ich täglich arbeite und von dem das Vorwort erzählt. Dort habe ich gesehen, dass sich nicht nur meine Arbeitsweise verändert, sondern ich selbst. Meine Wahrnehmung ändert sich, andere nehmen mich anders wahr, es kommt mehr Klarheit hinein, und die Menge an Daten, die ich verarbeiten kann, ist viel grösser geworden. Ich schätze, dass meine Wirksamkeit um mindestens das Drei- bis Fünffache gestiegen ist. Aber das kann auch auf die andere Seite kippen: Man prüft zu wenig. Genau dort öffnet sich die Schere, von der dieses Kapitel spricht. Das System führt und hält einem die Klarheit. Und ich meine, das ist erst der Anfang. Es wird immer leistungsfähiger und immer präziser. Das finde ich erstaunlich.

Wenn schon in meiner kleinen Welt die Wirksamkeit um ein Mehrfaches steigt und zugleich das Prüfen leidet, was geschieht dann dort, wo Fahrzeuge, Roboter und Waffensysteme selbständig handeln? Dort fallen dieselben Entscheidungen, nur mit anderen Folgen.

Was den Energieverbrauch betrifft, muss ich ehrlich sagen: Wie gross unser Fussabdruck von Anfang bis Ende genau ist, weiss ich nicht. Ein paar Zahlen helfen, die Grössenordnung zu sehen. Ein Liter Benzin enthält rund neun Kilowattstunden Energie. Ein Mensch, der körperlich arbeitet, leistet über einen Arbeitstag etwa 0,6 Kilowattstunden. Im Liter Benzin steckt also die Arbeitskraft von rund drei Wochen, und selbst nach den Verlusten im Motor noch die von mehreren Tagen. Eine einzelne Anfrage an ein Sprachmodell braucht nach Angaben, die Google und OpenAI 2025 veröffentlicht haben, rund 0,24 bis 0,34 Wattstunden; mit der Energie eines Liters Benzin liessen sich also Zehntausende Anfragen stellen. Diese Angaben stammen allerdings von den Anbietern selbst. Sie lassen das Training der Modelle und die Geräte der Nutzer weg, und aufwendige Anfragen brauchen ein Vielfaches. Ähnlich widersprüchlich ist die Debatte über Elektroautos. Die einen halten sie für sauber, die anderen verweisen auf die Herstellung der Batterien. Rechnet man über die ganze Lebensdauer, schneiden sie in Europa nach den meisten Studien deutlich besser ab, in der Schweiz mit ihrem sauberen Strom besonders. Die Widersprüche entstehen meist daraus, dass jeder einen anderen Ausschnitt rechnet. Bei der künstlichen Intelligenz ist es nicht anders, nur geht es um Wissensarbeit. Die Modelle werden effizienter, und die Frage ist, was diese Werkzeuge an Zeit und Kraft für Wichtigeres freisetzen. Am Ende muss die Bilanz positiv sein. Allerdings steigt der Verbrauch insgesamt, obwohl jede einzelne Aufgabe weniger Energie braucht. Darum muss man diese Bilanz auch wirklich ziehen, und zwar über das Ganze.