Tech-Industrie: Warum KI oft dumm wirkt – und das vorerst nicht besser wird

Tech-Firmen investieren hunderte Milliarden Dollar in Künstliche Intelligenz. Jedes Jahr werden neue Rekordsummen erreicht. Damit steigt das Risiko für die Weltwirtschaft. Es ist ungewiss, wie sehr sich KI-Modelle noch verbessern können. Je komplexer die Aufgaben werden, desto eher kommen die Modelle an ihre Grenzen. In den Unternehmen wächst die Ernüchterung. Analysten prophezeien Amazon, Google, Meta und Microsoft Rekordabschreibungen auf KI-Investitionen. Verfolgen Nachzügler wie IBM womöglich die bessere Strategie? Allen Bedenken zum Trotz sind die Aktien von Big Tech derzeit so beliebt wie lange nicht mehr. Was die Kurse treibt und wie groß das Risiko einer Blase ist, lesen Sie hier. Die Anwälte der Sozietät Butler Snow verdienen Millionen Dollar damit, den US-Bundesstaat Alabama und seine Beschäftigten vor Gericht zu vertreten. Zuletzt sorgten sie in einem Verfahren für Aufsehen, in dem sie einen Gefängniswärter gegen den Vorwurf verteidigten, einen Häftling misshandelt zu haben. Auffällig war jedoch nicht ihre juristische Brillanz: Mitte Mai mussten die Juristen einräumen, dass ihre Schriftsätze zu dem Fall zwei frei erfundene Quellen enthielten. ChatGPT, das sie bei der Erstellung genutzt hatten, habe sie herbeifantasiert, gestand die Kanzlei schließlich. Butler Snow-Partner Matthew Reeves entschuldigte sich für den „Mangel an Sorgfalt und Urteilsvermögen“. Eine Woche später gab er den Fall an seine Kollegen ab. In den USA häuften sich ähnliche Pannen jüngst. So musste eine Anwältin der global agierenden Großkanzlei Latham & Watkins sich im Mai vor einem kalifornischen Gericht für einen „peinlichen“ Fehltritt entschuldigen. Die Künstliche Intelligenz (KI) Claude hatte Titel und Autor eines Artikels erfunden – und das ausgerechnet in einem Verfahren, in dem die Anwälte das KI-Start-up Anthropic vertreten, den Erfinder von Claude. Zufall oder systemisches Problem? Auch in anderen Bereichen traten die Grenzen moderner KI-Technologie – und ihre Folgen – zuletzt immer deutlicher hervor. Trotz ihrer beeindruckenden Leistungen. So kam eine Anfang Juli veröffentlichte Studie der Cornell Universität zu dem Schluss, dass die Produktivität von erfahrenen Programmierern abnimmt, wenn sie KI-Assistenten nutzen. Dabei werben deren Anbieter genau mit dem Gegenteil. Doch die Forscher analysierten, dass die geringe Zuverlässigkeit der KI-Werkzeuge die Entwickler letztlich mehr ausbremse als beflügele. Im Juni veröffentlichte Anthropic, das unter anderem Amazon mit seinen Claude-Modellen beliefert, das Ergebnis eines eigenen Experiments, bei dem die KI selbstständig als Kleinunternehmer agierte – eine vermeintliche Paradedisziplin der KI-Assistenten. Das Ergebnis war ein Desaster. Claude gab sinnlose Rabatte, erfand Gesprächsinhalte und driftete schließlich in eine „psychotische Episode“ ab, während der sich die KI für einen echten Menschen hielt. Der Kognitionsforscher Gary Marcus warnt schon lange vor überzogenen Erwartungen. Die vom Silicon Valley gefeierten großen Sprachmodelle (englisch: Large Language Modells oder LLM) – die technologische Basis des KI-Booms – seien schon qua Design unzuverlässig. „Man weiß nie, wann sie etwas dazu erfinden“, so Marcus, „oder schlimmer noch, mit subtilen, aber schwerwiegenden Fehlern zurückkommen“. Die KI-Branche habe es trotzdem geschafft, „den Menschen vorzugaukeln, dass bald robustere Lösungen auf den Markt kommen“. Das sei bislang jedoch nicht der Fall. » Lesen Sie auch: Der KI-Hype ist zurück – und damit die Furcht vor einer neuen Dotcom-Blase Das Problem: Tech-Konzerne, KI-Start-ups und ihre Investoren haben seit dem Durchbruch von ChatGPT im Winter 2022 mittlerweile derart hohe Summen auf eine Transformation der Weltwirtschaft mithilfe der KI-Modelle und auf ihnen basierenden Agenten gesetzt, dass sie letztlich zum Erfolg verdammt sind. Erfüllen sich die Wachstumserwartungen nicht, drohen erhebliche Schockwellen – im Silicon Valley und darüber hinaus. Die ersten Auguren, wie Torsten Slok, einflussreicher Chefökonom des Investors Apollo, sprechen bereits von einer neuen Dotcom-Blase, in Anlehnung an die Überbewertung vieler junger Internetfirmen um die Jahrtausendwende. Wie konnte es so weit kommen? Mark Zuckerberg erhöhte zuletzt noch einmal seinen Einsatz. Der Meta-Chef machte im Juni Schlagzeilen, weil er für einen Minderheitsanteil am KI-Start-up ScaleAI 14,3 Milliarden Dollar zahlte, nur um dessen Chef Alexandr Wang einzustellen. Er soll eine ominöse neue „Super“-KI-Abteilung bei Meta leiten, um den Konzern endlich auf Augenhöhe mit der Konkurrenz zu bringen. Ähnlich ging ein paar Wochen später Google vor. 2,4 Milliarden Dollar gab Chef Sundar Pichai frei, um die KI-Experten des Start-ups Windsurf für sich zu gewinnen. » Lesen Sie auch: Zuckerberg wirbt Top-KI-Manager von Apple ab Die Bewertungen haben den üblichen Bezug zu Kennzahlen wie Umsatz oder Gewinn längst verloren. KI-Start-ups wie Thinking Machines Lab, gegründet von Ex-OpenAI-Technologiechefin Mira Murati, werden mittlerweile schon kurz nach der Gründung auf Milliardensummen geschätzt. Dabei haben sie ihr Produkt nicht einmal konkret umrissen, geschweige denn fertiggestellt oder gar erfolgreich auf den Markt gebracht. Ganz oben auf der Liste steht der ChatGPT-Erfinder OpenAI: Mit einer Bewertung von zuletzt 300 Milliarden Dollar ist er nach dem Raumfahrtunternehmen SpaceX derzeit das zweitteuerste nicht börsennotierte Unternehmen aller Zeiten. Ein Erfolg, der vor allem auf den immer größeren Versprechen von OpenAI-Chef Sam Altman fußt. Das meiste Geld wird jedoch von den großen Tech-Konzernen ausgegeben. Getrieben von der Angst, einen Jahrhunderttrend zu unterschätzen, greifen die Finanzchefs von Microsoft, Google, Amazon und Meta immer tiefer ins Budget. Die Folge ist ein beispielloses technologisches Wettrüsten. Im laufenden Jahr werden die Investitionsausgaben der sechs größten Tech-Konzerne einer Auswertung der Finanzagentur Bloomberg zufolge 360 Milliarden Dollar übertreffen – eine Steigerung von mehr als 100 Prozent im Vergleich zu 2023. Zur Einordnung: Das ist fast so viel, wie alle EU-Staaten gemeinsam im vergangenen Jahr für ihr Militär ausgaben. Das Geld der Tech-Konzerne fließt hauptsächlich in KI-Entwicklung und die dafür erforderliche Infrastruktur, also in Rechenzentren und Hochleistungschips, vor allem von Nvidia. Glaubt man den Chefs der Tech-Konzerne, soll der Investitionsboom in den kommenden Jahren noch drastischere Ausmaße annehmen. Andy Jassy und Sundar Pichai etwa, die Chefs von Amazon und Google, sehen die Spitze des Kapitalbedarfs noch nicht erreicht. Und auch Bloomberg sagt für 2026 ein Gesamtinvestitionsvolumen von mehr als 400 Milliarden Dollar voraus. Bedenken werden in der Regel weggewischt. Amazon-Chef Jassy beruhigte seine Aktionäre im April damit, dass es schließlich um die „Neuerfindung von allem, das wir kennen“ gehe. Deshalb seien die 100 Milliarden Dollar, die er allein für das laufende Jahr für Investitionen freigab, angemessen. Meta sei bei KI „all in“, tönte im Juli Mark Zuckerberg. Wegen des KI-Booms wird laut Politikern in manchen Regionen der USA bereits der Strom knapp, im US-Bundesstaat New Jersey drohen deswegen Strompreissteigerungen von 20 Prozent. Gigantische Rechenzentren, die etwa in Indiana, Nevada oder North Carolina in ganzen Clustern errichten werden, sind so groß, dass sie sich aus dem Flugzeug problemlos erkennen lassen. Ein Großteil dieser Zentren entsteht für die erwartete Flut von besonders energiehungrigen KI-Anwendungen. „Crazy“ nennt das ein Partner eines bekannten US-Wagniskapitalgebers, der eine der Baustellen unter der Bedingung strengster Geheimhaltung besichtigen durfte. Dabei ist das Gros der eingesammelten KI-Milliarden noch gar nicht verbaut. » Lesen Sie auch: So wollen Tech-Unternehmen den Stromhunger ihrer Rechenzentren senken Das US-Energieministerium prophezeit, dass der Strombedarf der Rechenzentren im Land im Jahr 2028 auf bis zu zwölf Prozent des nationalen Gesamtverbrauchs steigen könnte. Dem Lawrence Berkeley National Laboratory zufolge entsprach der Stromhunger der Server schon 2024 dem von Thailand. Hastig versuchen die Tech-Konzerne deshalb, sich den Zugriff auf Atomreaktoren zu sichern oder diese – wie etwa Amazon – selbst zu entwickeln. Das schont schließlich die CO2-Bilanz. Meta buchte im Juni zum Beispiel für 20 Jahre die komplette Stromproduktion eines fast 40 Jahre alten Nuklearmeilers in Illinois. In Pennsylvania kam im Juni Amazon zum Zug und sicherte sich 1,92 Gigawatt Atomstrom. In dem Ostküstenstaat will auch Google in den kommenden zwei Jahren 25 Milliarden Dollar in neue Rechenzentren investieren – und versucht es dabei mit Wasserkraft: Drei zusätzliche Milliarden fließen in den Ausbau eines örtlichen Kraftwerks. Dabei suggeriert der Wettlauf eine Sicherheit, die es gar nicht gibt. Selbst die Unternehmensberatung McKinsey warnt, dass sich die Nachfrage nicht zuverlässig genug vorhersagen lasse, um belastbare Entscheidungen zu treffen. Allein im laufenden Jahr würde für den Ausbau der KI-Infrastruktur ein Betrag in die Hand genommen, der dem „25-fachen der Kosten des Manhattan Projekts“ entspreche, sagt Stuart Russel, Professor an der Universität Berkeley. „Manhattan Projekt“ war der Codename für die Entwicklung der ersten Atombombe während des Zweiten Weltkriegs. Der Kauf von „enormen Mengen unglaublich teurer Hardware“ garantiert jedoch laut Russel – anders als mitunter behauptet werde – keine KI-Durchbrüche. Viele der Milliarden, die heute in die kommerzielle KI-Entwicklung fließen, werden „verschwendet“ sein, prognostiziert der KI-Forscher Henry Kautz, ehemaliger Präsident der Association for the Advancement of Artificial Intelligence (AAAI). Es würden „nahezu identische Systeme auf der Grundlage von Technologien entwickelt, die bald veraltet sein werden“. Den fortgesetzten Fokus auf Sprachmodelle wie GPT oder Claude hält er ähnlich wie Kognitionsforscher Marcus für einen Fehler. Neue Ansätze, wie die Imitation des menschlichen Gehirns in Form von künstlichen neuronalen Netzen, versprächen eine sinnvollere Alternative, sagt Kautz. Dabei würden Hippocampus, Cortex und andere Hirnareale – vereinfacht gesagt – digital nachgebaut. Bis zur Marktreife sei indes noch mehr Forschung nötig. » Lesen Sie auch: In Milliardenhöhe – Finanzinvestor startet Europas größten KI-Beteiligungsfonds Innerhalb der Branche verhallen solch nachdenkliche Töne bislang. Zu verführerisch sind die zwei großen Versprechen der KI-Revolution. Fakt ist: KI-Angebote wie Googles Gemini oder Anthropics Claude begeistern viele Nutzer. ChatGPT gilt gar als die am schnellsten wachsende App aller Zeiten. Verglichen mit dem, was Konsumentensoftware vor 2022 leisten konnte, sind die mithilfe von generativen Sprachmodellen geschaffenen Möglichkeiten in der Tat beeindruckend: KI kann heute in Sekundenschnelle Dokumente auswerten, Aufsätze verfassen oder Blutwerte analysieren. In ihren Sternstunden ist die Technologie zu erstaunlichen Leistungen fähig. Die Fortschritte stützen das Versprechen Nummer eins der Branche: dass KI die Arbeitswelt revolutioniert. Tatsächlich haben viele Menschen die Technik als zeitsparendes Werkzeug in ihren Alltag integriert. Die Arbeit von Marketingagenturen, Programmierern und Übersetzern hat sich durch den Einsatz von ChatGPT oder Claude fundamental verändert. Stark sinkende Produktionskosten, etwa für Werbevideos, sind die Folge. Steuer- oder Unternehmensberater, die große Mengen an Daten und Dokumenten analysieren, profitieren ebenfalls. » Lesen Sie auch: So erstellen Sie mit ChatGPT Ihren eigenen Berater Geschäftssoftware-Anbieter wie Salesforce oder der deutsche Dax-Konzern SAP setzten zuletzt vor allem auf sogenannte Agenten, also auf bestimmte Aufgaben spezialisierte KI-Assistenten, die schon bald viele menschliche Jobs ersetzen sollen. Den Marketingversprechen zufolge kompensieren die Agenten einen Teil der Schwächen der Sprachmodelle. Dank ihres enger gesteckten Handlungsrahmens sollen Agenten Aufgaben selbstständiger, schneller und zuverlässiger erledigen können. Menschliche Eingriffe werden überflüssig. KI erledige heute „30 bis 50 Prozent der Arbeit“ in seinem Unternehmen, behauptet Marc Benioff, Chef des Software-Unternehmens Salesforce. Ähnlich argumentierte jüngst Microsoft-Chef Satya Nadella. Doch auch die Agenten fallen mit Fehlern und Sicherheitslücken auf. Die erhofften Personaleinsparungen bleiben in vielen Unternehmen abseits der IT-Branche bislang eine Chimäre. Denn Teil der Wahrheit ist, dass KI bislang größtenteils repetitive Tätigkeiten ersetzt – und das auf vergleichsweise niedrigem Qualitätsniveau. So sind in den USA in erster Linie Berufsanfänger von der wachsenden Verbreitung der KI-Assistenten betroffen. Die Arbeitslosigkeitsrate unter College-Absolventen, die erstmals einen Job suchen, stieg der US-Notenbank Federal Reserve zufolge jüngst auf 5,8 Prozent – ein vergleichsweise hoher Wert. Betroffen seien vor allem Absolventen der Technik- und Naturwissenschaften. Die Integration von kommerziellen KI-Angeboten wie Microsoft Copilot oder SAP Joule in den Arbeitsalltag der Unternehmen stellt sich zudem als komplexer heraus als zunächst gedacht. Mitunter steht der Aufwand offenbar auch nicht im Verhältnis zu den Ergebnissen. Das berichten IT-Manager in vertraulichen Gesprächen. Der Prozess bei den zuletzt besonders beworbenen KI-Agenten erinnert zudem an längst überwunden geglaubte Mühen: Sie müssen aufwändig auf ihren speziellen Aufgabenbereich zugeschnitten und mit bestehenden IT-Systemen verknüpft werden. Eine Dienstleistung, mit der Berater gutes Geld verdienen. Das erinnert an so manche überkomplexe Unternehmenssoftware, bei der die Einrichtung die versprochenen Produktivitätsgewinne auf Jahre hinaus auffrisst. „Es ist hart, die Implementierung von KI richtig hinzubekommen“, sagt Babak Hodjat, Technikchef des IT-Spezialisten Cognizant. Das Werbeversprechen eines überlegenen, alle Disziplinen beherrschenden KI-Assistenten habe nichts mit der Realität zu tun. Dafür seien die Systeme auf absehbare Zeit zu fehleranfällig. In Konzernen macht sich deshalb Frust breit. Die IT-Beratung Akkodis befragte jüngst mehr als 2000 Vorstände weltweit in Sachen KI-Nutzung. Das Vertrauen in die eigenen KI-Strategie ging demnach binnen Jahresfrist um elf Prozentpunkte auf 58 Prozent zurück. Die Ergebnisse zeigten „eine wachsende Kluft zwischen KI-Marketingversprechen und echten, messbaren Resultaten“, sagt Akkodis-Chef Jo Debecker. Die Marktforscher von Gartner kamen im vergangenen Oktober zu einem ähnlichen Schluss: Nur vier von 123 befragten IT-Managern waren seinerzeit mit ihrer Entscheidung für eine Lizenz für Microsofts Copilot zufrieden. Jüngst sorgte Gartner mit einer Studie zu KI-Agenten erneut für Aufsehen. Die Experten prophezeiten, dass rund 40 Prozent der entsprechenden Projekte in den Unternehmen bis 2027 wieder eingestampft würden. Es habe sich gezeigt, so Gartner-Analystin Anushree Verma, dass ein Teil der Versprechen Hype-getrieben war: In der Betriebsrealität blieben die Effizienzgewinne aus, während die Kosten „eskalierten“. In den USA gilt vor allem McDonalds in Sachen KI als abschreckendes Beispiel. Nachdem die Fast-Food-Kette ihr System für Bestellungen aus dem Auto nach drei Jahren Vorbereitung auf eine neue KI-Version umgestellt hatte, häuften sich die Probleme. Kunden klagten online über groteske Kreationen wie Vanilleeis mit Speck. McDonalds stoppte das Projekt. Kürzlich musste der Konzern auch in seinem KI-getriebenen Rekrutierungstool McHire gravierende Mängel einräumen und es einstweilen aussetzen. Ähnliche Fälle häufen sich. Das schwedische Finanz-Start-up Klarna gab kürzlich bekannt, wieder Menschen einzustellen, nachdem es den Großteil seiner Mitarbeiter im Kundendienst durch KI-Chatbots ersetzt hatte. Die Folge: schlechterer Service und unzufriedene Kunden, wie CEO Sebastian Siemiatkowski einräumte. Alles Kinderkrankheiten, die in kurzer Zeit überwunden sein werden, argumentiert die KI-Branche. Die mehr als eine Billion Dollar, die bald in KI-Chips, Energie und Server geflossen sein werden, hängen deshalb auch am Versprechen Nummer zwei: Angeblich steht demnach eine künstliche Superintelligenz vor dem Durchbruch. Eine KI, die Menschen bei vielen Aufgaben überflügeln, Krankheiten heilen, den Klimawandel beenden und viele weitere Menschheitsprobleme lösen werde. In der Branche wird dieses elektronische Superhirn oft AGI genannt, „Artificial General Intelligence“, auch wenn niemand so genau weiß, was das konkret bedeuten soll. Klarer erscheint, dass sich damit sehr viel Geld verdienen ließe. Fachleute können den Hype um AGI nicht nachvollziehen. Einer Studie der AAAI aus dem Frühjahr zufolge halten 76 Prozent der befragten KI-Forscher es für „unwahrscheinlich“ oder „sehr unwahrscheinlich“, dass so etwas wie AGI mit der bisherigen Technologie erreichbar ist. Es ist vor allem OpenAI-Chef Sam Altman, der die Hoffnungen beflügelt. Seht her, lautet sinngemäß seine Argumentation, unser Produkt zieht schon jetzt Millionen Nutzer an. Wie astronomisch wertvoll wird es erst sein, wenn die KI-Wundermaschine kommt. Er sei „zuversichtlich, dass wir wissen, wie man eine AGI aufbaut“, sagte Altman vor einigen Monaten. Er glaube, dass sie „wahrscheinlich während der Amtszeit Trumps entwickelt werden wird“, das hieße: bis einschließlich 2028. Die Kosten sind laut Altman zu vernachlässigen: „Ob wir nun 500 Millionen Dollar pro Jahr verbrennen oder fünf Milliarden oder 50 Milliarden, ist mir egal, wirklich egal”, sagte er bereits 2024. Also alles auf Kurs bei OpenAI? In der Tech-Szene wundern sich Skeptiker, weshalb aktuelle und ehemalige Mitarbeiter Altmans zuletzt in großem Stil Anteile verkauften, wenn doch die krasseste Wertsteigerung angeblich kurz bevorsteht. OpenAI-Anteile im Gegenwert von rund drei Milliarden Dollar wechselten auf dem Sekundärmarkt bereits den Besitzer. Eine ungewöhnlich hohe Summe für ein sechs Jahre altes Start-up. Die Gründe, zu zweifeln, nehmen laut Kritikern in der Tat zu. Es ist vor allem die stabile Anfälligkeit der Sprachmodelle für Fehler, sogenannte Halluzinationen, die Sorgen bereitet. Das Problem ist nach wie vor nicht gebannt. Im Gegenteil: Mit der Leistung der KI scheinen die Halluzinationen zum Teil sogar zuzunehmen. Für sensible Aufgaben, bei denen es auf Zuverlässigkeit ankommt, sind viele Produkte deshalb einstweilen nicht ohne Aufsicht einsetzbar. Anfang Juli sorgte etwa die neue Version von Elon Musks Chatbot „Grok“ für Aufsehen, weil sie Adolf Hitler als Mann der Tat lobte. Eine Nebenwirkung von Musks Entscheidung, die für seinen Geschmack bislang zu linksliberal antwortende KI auf „maximale Wahrheitssuche“ zu trimmen. Zu diesem Zweck wurde Grok unter anderem angewiesen, sich weniger stark auf Informationen aus seriösen Medien zu verlassen. Selbst kapitalstarke Konzerne wie Google oder Apple mussten sich schon mehrfach für peinliche Fehltritte ihrer KI-Produkte rechtfertigen. Legendär war etwa die erste Version von Googles KI-Suche, die zum Verzehr von Steinen riet oder dazu, Käse mit Klebstoff auf einer Pizza zu fixieren. Dass solcher Nonsens meist KI-typisch im Duktus eines eloquenten Life-Coaches daherkommt, lässt die Aussetzer noch bizarrer erscheinen. Spezialisten wie Andrej Karpathy, ehemaliger KI-Chef von Tesla, werden nicht müde, darauf hinzuweisen, dass die Halluzinationen nicht zufällig auftreten, sondern vielmehr ein grundlegendes Problem der Funktionsweise der Sprachmodell-Technologie seien. Schon weil die Trainingsdaten, die auch auf Internetforen oder Social-Media-Texten basieren, nicht fehlerfrei sind. Die Nutzer vergessen häufig, dass die Systeme letztlich Wahrscheinlichkeiten berechnen und nicht starren Regeln folgen. Sie können gar nicht entscheiden, was wahr und was falsch ist. Experten und Nutzer klagen zudem, dass der Leistungsanstieg neuer Modelle abflacht – trotz des immensen Kapitaleinsatzes. So entpuppte sich das neue, deutlich teurere OpenAI-Modell GPT 4.5 weitestgehend als Enttäuschung. Mithilfe von immer mehr Rechenleistung, Daten und größeren Modellen, so die Hoffnung, sollten viele Probleme eigentlich längst überwunden sein. Doch die Entwicklung stagniert offenbar, etwa weil kaum noch neue Trainingsdaten zur Verfügung stehen, die bisher nicht abgegrast wurden. Die Sprachmodelle hätten ein „Plateau“ erreicht, warnte OpenAI-Mitgründer Ilya Sutskever bereits im vergangenen Herbst. Jüngst rüttelte unter anderem ein Forschungspapier von Apple am Marketingversprechen der Anbieter, dass eine neue Generation von LLM, sogenannte „Argumentations-“ oder „Schlussfolgerungsmodelle“ (Large Reasoning Models, LRM) viele Schwierigkeiten überwinden könnten – darunter die Modelle OpenAI o1 und o3, Claude 3.7 Sonnet Thinking oder Google Gemini Flash Thinking. LRMs sollen komplexe Probleme lösen, indem sie diese in kleinere, überschaubare Schritte zerlegen und menschenähnlich durch logische Schlussfolgerungen lösen. Sie unterscheiden sich von Standard-LLMs dadurch, dass sie Zeit zum „Nachdenken” benötigen, bevor sie eine Antwort geben, wodurch ihr Argumentationsprozess transparenter und zuverlässiger werden soll. Abseits der Grenzen gängiger und zum Teil lebensfremder Leistungstests ist dies aber offenbar oft nicht der Fall – im Gegenteil. Mittelschwere Rätsel konnten die LRM dem Apple-Forschungspapier zufolge zwar besser lösen. Werden die Aufgaben zu komplex, so die Autoren, gäben die LRM indes auf oder brächen gar ganz zusammen. Hinzu kommt, dass sie in Sachen Halluzinationen sogar anfälliger sind als ihre Vorgänger. Apple wollte mit der Veröffentlichung zwar auch von eigenen Versäumnissen ablenken, schließlich hat der Tech-Riese die Sprachmodell-Revolution weitestgehend verschlafen. Dennoch fühlten sich kritische Experten bestätigt: Das Papier mache auf eine der größten „Illusionen der KI-Zunft“ aufmerksam, kommentierte die US-Forscherin Radhika Dirks nach der Veröffentlichung in einem Beitrag auf LinkedIn. Die derzeit vorherrschenden Ansätze in der KI seien „begrenzter, als den meisten Menschen bewusst ist“, sagte sie dem Handelsblatt. Sich noch stärker darauf zu konzentrieren, sei „eine Verschwendung von Ressourcen“. Subbarao Kambhampati von der Arizona State University kam gemeinsam mit Kollegen im vergangenen Herbst zu ähnlichen Schlüssen, als er OpenAIs o1-Modell im Rahmen einer Studie testete. Die Genauigkeit der Ergebnisse nahm demnach mit der Komplexität der Probleme ab. Die Fähigkeit der Modelle, über die starre Welt ihrer Trainingsdaten hinauszugehen, werde überschätzt, so Kambhati. Offen ist deshalb, wie viel Wachstum noch möglich ist – und wer am Ende wirklich profitiert. Während der Chipkonzern Nvidia sich als Quasimonopolist über das Geschäft des Jahrhunderts freut – schließlich verdient er auch an irrationalen Investitionen seiner Kunden – sieht es bei denen einstweilen mager aus. Selbst Tech-Riesen wie Microsoft oder Google fällt es nach wie vor schwer, den hohen KI-Ausgaben entsprechend substanzielle Umsätze gegenüberzustellen. Googles Gemini-Abo fand bislang zum Beispiel offenbar weniger zahlende Nutzer als erhofft. Der neue KI-Modus bedroht gleichzeitig den Kern von Googles Geschäftsmodell, die klassische Internetsuche. „Die Leute dachten, dass KI schnell zu einer Monetarisierungsmaschine wird“, sagte Rob Almeida vom Investor MFS im Juni der Nachrichtenagentur Bloomberg. „Doch das ist bis heute nicht der Fall.“ Am besten funktioniert einstweilen das Cloud-Geschäft, bei dem etwa Microsoft die Rechenleistung zur Nutzung von KI-Modellen an Unternehmenskunden verkauft. Damit setzt der Konzern eigenen Angaben zufolge 13 Milliarden Dollar im Jahr um. Microsofts KI-Investitionen werden dadurch bisher aber nicht ansatzweise kompensiert. Zumal eine Krux dabei oft übersehen wird: Milliardenbeträge fließen in Chips, die in wenigen Jahren als überholt gelten werden. Nvidia oder auch der Konkurrent AMD verbessern schließlich kontinuierlich die Leistung und Energieeffizienz ihrer Halbleiter. Auf die Branche komme ein „Abwertungs-Tsunami“ zu, prophezeit James Morrow, Chef des Investors Callodine Capital Management. Er meide die Aktien der Tech-Riesen deshalb inzwischen. Als Folge der KI-Bonanza prophezeien Analysten Amazon, Google, Meta und Microsoft in diesem Jahr neue Rekorde bei den Abschreibungen. Deren Anteil am Umsatz soll bis 2030 auf durchschnittlich 18 Prozent steigen, berechnete BNP Paribas Ende Juni. Die Konzerne versuchen zum Teil mit Tricks gegenzuhalten: So haben Meta und Microsoft in diesem Jahr die Abschreibungsfristen für bestimmte Hardware einfach verlängert. Auffällig ist, dass die Börse neben Nvidia zuletzt vor allem konservative Spieler wie IBM belohnte. Der IT-Konzern hatte den KI-Boom zunächst verpasst und es dann mit einer kapitalsparenden Strategie versucht, die auf kleine, spezialisierte KI-Modelle setzt. IBM-Chef Arvind Krishna hält die hohen KI-Investitionen seiner Konkurrenten für übertrieben. „Wir werden so viel Geld nicht investieren“, sagte Krishna dem Handelsblatt. Sein Vorstandskollege Rob Thomas sprach gar von einer „Investitionsblase“. Besonders eklatant ist die Diskrepanz beim Szenestar OpenAI. Das Unternehmen zählt inzwischen zwar laut eigenen Angaben mehr als 500 Millionen aktive Nutzer pro Woche. Der weitaus größte Teil von ihnen nutzt jedoch das kostenlose Angebot, erhöht also erst einmal die Kosten. Für 2024 verbuchte OpenAI laut internen Berechnungen, aus denen unter anderem die „New York Times“ zitierte, einen Verlust in Höhe von etwa fünf Milliarden Dollar – bei einem Umsatz von lediglich 3,7 Milliarden Dollar. Noch alarmierender ist der Cashverbrauch („Burn Rate“) des Start-ups: OpenAI gab demnach etwa 2,25 Dollar aus, um einen Dollar Umsatz zu erzielen. Allein die Kosten für Training und Betrieb der eigenen KI-Modelle bewegen sich im Milliardenbereich. Außerdem kann Altman nicht all seine Einnahmen behalten. Für eine Finanzspritze über insgesamt rund 13 Milliarden Dollar – vor allem in Form von Rechenzeit in seinen Azure-Serverzentren – hatte sich Investor Microsoft seinerzeit eine Umsatzbeteiligung ausbedungen, die die Rentabilität von OpenAI weiter belastet. Laut dem Portal „The Information“ erhält Microsoft 20 Prozent des Open AI-Umsatzes bis 2030. OpenAI will die Bedingungen des nicht öffentlichen Vertrags unter anderem deshalb bis zum Jahresende neu verhandeln. Das hatte das Unternehmen den Investoren der jüngsten Finanzierungsrunde versprochen. » Lesen Sie auch: „Chance, einen Weltmarktführer aufzubauen“ – Chip-Ausgründung von Trumpf holt Rekord-Finanzierung Einst dominierte OpenAI mit seinem revolutionären Text-Roboter ChatGPT den KI-Markt. Doch inzwischen gibt es einen harten Wettstreit mehrerer Akteure, der die Preise drückt. Neben Anthropics Claude konkurrieren auch Angebote von Meta und Google mit ChatGPT. OpenAI habe „einen Großteil seines Vorsprungs inzwischen verloren“, sagt Forscher Marcus. Altman gab zudem öffentlich zu, dass sein Unternehmen mit zahlreichen Abonnements Geld verliere, weil „die Leute sie viel mehr nutzen als erwartet“. Zuletzt versuchte er, das Unternehmen auf einen Verbraucherfokus auszurichten – etwa durch die mehr als sechs Milliarden Dollar schwere Übernahme der Firma des iPhone-Designers Jony Ive, der für Altman ein neues KI-Gerät entwickeln soll. Auch den Staat hat das Start-up in der Hoffnung auf sicherere Einnahmen ins Auge gefasst: Im Juni gewann OpenAI etwa einen 200 Millionen Dollar schweren Auftrag des US-Verteidigungsministeriums. Die Zukunft bleibt damit fragil und OpenAI zum Wachstum verdammt – analog zu seinen wichtigsten Konkurrenten. Platzt die Blase, droht angesichts der Summen, die im Feuer stehen, wahrscheinlich ein Börsencrash. Der Deepseek-Schock zeigte im Januar, was für Folgen schon leise Zweifel am KI-Versprechen haben können. Die chinesische KI zeigte damals überraschend starke Leistungen, die den Vorsprung von OpenAI & Co. infrage stellten. In der Folge brachen die Aktienkurse der US-Wettbewerber ein. Es wurden mehr als eine Billion Dollar Marktkapitalisierung vernichtet. Problematisch ist auch, dass sich die Anleger längst an die fantastischen Wachstumszahlen gewöhnt haben. Vor allem beim Chipgiganten Nvidia, der im Zuge des KI-Booms zum wertvollsten Unternehmen der Welt aufstieg: Jedes Quartal muss Chef Jensen Huang aufs Neue beweisen, dass er die Markterwartungen übertrifft. Liegt das Wachstum einmal „nur“ auf Plan, stürzt die Nvidia-Aktie ab. Bisher erholte sie sich letztlich immer wieder, Anfang Juli erzielte Nvidia sogar die Rekordbewertung von vier Billionen Dollar. Doch schon Ende August stehen die nächsten Zahlen an. Und steigt die neue Leitaktie der KI-Branche eines Tages nicht mehr, droht ein Abrutschen der kompletten Tech-Welt, wie etwa die US-Bank Goldman Sachs befürchtet. Manche Experten halten deshalb einen Crash längst für wahrscheinlicher als eine Fortschreibung des Booms. Die Investorenlegende Jeremy Grantham etwa erkennt im KI-Hype Parallelen zur übertriebenen Expansion der Eisenbahn im Großbritannien des 19. Jahrhunderts: „Jede wichtige neue Technologie hatte eine Blase um sich“, sagte er im Februar dem Wall-Street-Podcast „Merryn Talks Money“. Er fühle sich bei KI an die Übertreibungen des Dotcom-Booms erinnert. Die heute dominanten KI-Start-ups werden „die hohen Erwartungen nicht erfüllen können“, sagt Henry Kautz von der AAAI. Und selbst die Zukunft der KI-Initiativen von Google, Microsoft und Meta sei angesichts der immer deutlicheren Schwächen der aktuellen Technologie ungewiss. Trotzdem gibt der KI-Forscher mittelfristig eine positive Prognose ab: Die Grundlagenforschung werde weitergehen und Ansätze über die Sprach- und Schlussfolgerungsmodelle hinaus entwickeln. Mit denen könnte dann hoffentlich „echte KI“ entstehen. Das Platzen der Dotcom-Blase konnte den Siegeszug des Internets schließlich auch nicht aufhalten. Doch die gehypten Player von damals sind heute weitestgehend in der Bedeutungslosigkeit verschwunden, von Yahoo bis AOL. Für manchen KI-Star von heute könnte das eine Warnung sein. Mitarbeit: Christof Kerkmann, Luisa Bomke Mehr: IBM-Chef warnt vor KI-Blase – „Wir werden so viel Geld nicht investieren“