GPT-4o: Duolingo verliert 30 % in fünf Tagen

GPT-4o ist da: Duolingo verliert 30 % in fünf Tagen

Wie lange braucht ein Sprachmodell, um den Börsenwert eines Sprachlernunternehmens zu erschüttern? Fünf Tage. So schnell büßte Duolingo laut aktuellen Marktdaten im Zuge der Veröffentlichung von GPT-4o, dem neuen multimodalen Modell von OpenAI, 30 % an der Börse ein. Die Nachricht reichte aus, damit das halbe Internet Englischschulen und den Lehrerberuf als obsolet abhakt. Absolute Gewissheit. Keine Nuancen.

Warum werden Englischschulen für tot erklärt?

Der Ausgangspunkt ist ein Versprechen: eine radikale Wende in weniger als einem Jahr. Das Tool spricht alle Sprachen, übersetzt in Echtzeit und schreibt besser als viele Absolventen. Wenn das stimmt, fehlt der traditionellen Funktion der Sprachschule – dem Vermitteln der Sprache – die wirtschaftliche Rechtfertigung. Der Markt interpretiert es so: Duolingo, die sichtbarste Aktie der Branche, verzeichnet einen Einbruch von 30 % in nur fünf Handelstagen.

Während der Debatte taucht ein Aspekt auf, der die gesamte Diagnose neu ordnet: Englischschulen dienten nie primär dem Erlernen der Sprache. Ein großer Teil des Geschäftsmodells besteht darin, Zertifikate auszustellen, die sowohl Behörden als auch Unternehmen verlangen. Anders gesagt: Der eigentliche Feind der KI ist nicht der Unterricht, sondern die Bürokratie hinter den Abschlüssen.

Versteht KI wirklich oder tut sie nur so?

Hier zerbricht der Konsens. Eine Strömung argumentiert, dass die Unterscheidung zwischen echtem Verstehen und simuliertem Verstehen eine Sackgasse ist: Wenn ein System deine Antworten perfekt imitiert, ist es von dir nicht zu unterscheiden; und wenn du glaubst, dass du verstehst, dann versteht auch die Maschine. Es ist der Turing-Test angewendet auf die Stammtischphilosophie.

Der Einwand kommt aus anderer Richtung. Manche Tiere scheinen Selbstbewusstsein zu haben, doch nur eine Spezies weiß tatsächlich davon. Der Unterschied läge in Willenskraft und Bewusstsein: Die Maschine antwortet, wenn man sie fragt, kann aber nicht aus freiem Willen entscheiden, nicht zu antworten, oder eingestehen, dass ihr Informationen fehlen. Dies ist die Linie, die das Simulieren eines inneren Dialogs vom echten Haben desselben trennt.

Eine Excel-Makro mit besseren Manieren

Der häufigste Kritikpunkt ist nicht philosophischer, sondern technischer Natur. Für einen Teil der Branche ist dies keine Intelligenz, sondern Automatisierung. Strukturierte Daten, Tagging und Routinen, die Eingaben in Ausgaben umwandeln, mit der einzigen Neuerung, dass die Schnittstelle nun wohlformulierten Text statt einer Grafik oder eines KPI liefert. Ein Excel-Makro aus den Neunzigern, allerdings mit einer hübscheren Verpackung.

Die Kritik wird schärfer, wenn man das Modell einfachen Problemen stellt. Das Lösen einer Gleichung aus der Grundschule beweist nichts. Sobald alltägliche Logik gefragt ist – wie lange brauchen zwanzig Kleidungsstücke zum Trocknen auf derselben Leine, die zehn Stücke in zwei Stunden trocknet –, beginnt es zu versagen. Ein System, das behauptet, zu denken, aber am gesunden Menschenverstand scheitert, lässt das Label „Intelligenz“ stark wackeln.

Programmierer, Lehrer und Übersetzer: Wer fällt zuerst?

Die Prognose für den Arbeitsmarkt spaltet sich in zwei Geschwindigkeiten. In der pessimistischen Variante ist die Abfolge unvermeidlich und erinnert an die Landwirtschaft: Es gibt keine Mäher mehr, aber immer noch einen Mann auf dem Mähdrescher. Ebenso werden im Prozess von der Kundenanfrage bis zur Produktlieferung viel weniger Menschen in deutlich kürzeren Zeiträumen benötigt.

Die gemäßigtere Variante bewahrt den Optimismus für Programmierer. KI würde als Werkzeug integriert, das die Leistung steigert und repetitive Aufgaben übernimmt, während intuitive Sprünge und das Verständnis komplexer Kontexte menschlich blieben. Lehrer hingegen stehen in fast allen Vorhersagen ganz oben auf der Liste der ersten Opfer.

Die Decke, die niemand sehen will

Das ernsthafteste technische Gegenargument appelliert nicht an die Seele, sondern an die Kosten. Ab einer bestimmten Datenmenge ist der zusätzliche Intelligenzgewinn minimal im Vergleich zum brutalen Anstieg des Rechenbedarfs. Ein Modell verbessert sich nicht einfach durch mehr Trainingsdaten: Irgendwann flacht die Kurve ab. Die sinkenden Grenzerträge setzen dem Wachstumsglauben eine praktische Grenze.

Gleichzeitig verschlechtert sich die Nutzererfahrung. Manche bemerken, dass das System seine Antworten zu sehr durchdenkt, an Flüssigkeit verliert und in einigen Fällen sogar schlechter abschneidet als frühere Versionen. Das könnte an Serverüberlastung oder Sicherheitsanpassungen liegen, aber der Effekt bleibt gleich: Das Tool, das alles verändern sollte, stolpert manchmal mitten im Satz.