KI-Debatte: Verluste und Grenzen nach ChatGPT-Ankündigung

AGI kommt nicht allein: Kontroversen um Kosten und Daten

Wie lange dauert es noch bis zur allgemeinen künstlichen Intelligenz (AGI)? Die Vorstellung des neuen ChatGPT hat diese Frage wieder aufgeworfen, zusammen mit einer Reihe von Prognosen: Manche sehen die AGI im Jahr 2029 und die Superintelligenz – ASI genannt – vor 2040. Der Tonfall einiger Reaktionen ist alles andere als beruhigend: Es wird von massenhaften Entlassungen, Hamsterkäufen von Lebensmitteln und weltweitem Hunger und Armut gesprochen. Andere, gemäßigtere Stimmen erinnern daran, dass jede technologische Revolution – die Eisenbahn, das Fließband, das Internet – dieselbe Panik auslöste und bisher ein anderes Ergebnis brachte als angekündigt.

Die Diskussion dreht sich nun nicht mehr darum, ob das Werkzeug schreibt oder zeichnet, sondern darum, was passiert, wenn das Werkzeug besser wird.

Von der AGI 2029 zur Superintelligenz 2040

Der Zeitplan liegt auf dem Tisch. Angesichts der Vorhersage, dass AGI und Roboter „nächstes Jahr“ kommen, argumentieren einige, dass der Maßstab ein anderer sei: AGI im Jahr 2029 und danach eine Superintelligenz, die sich möglicherweise vor 2040 materialisiert. Dies ist der Rahmen, der in der Debatte oft wiederholt wird, mit einer überraschenden Nuance: Die Idee, dass der Anpassungsprozess nicht zuerst die Arbeitnehmer, sondern die Vorgesetzten treffen könnte.

Das historische Analogon ist der zweite große Block. Als die Eisenbahn kam, als die Fabriken mit Fließbändern kamen, als das Internet kam, prophezeiten manche das Ende der Arbeit. Die vorherrschende These auf dieser Seite lautet, dass Technologie Arbeitsplätze zerstört und neue schafft, und dass die Nettobilanz „ein besseres Leben“ sein kann, auch wenn die Verteilung dieses Besseren eine andere Sache ist. Die offene Frage bleibt: Welche neuen Jobs werden diesmal geschaffen?

Ein kursierender Kalkül: Wer gewinnt und wer verliert bei KI?

Das Geschäft rechnet sich vorerst nicht. Ein verbreiteter Kalkül besagt, dass alle an KI beteiligten Unternehmen Geld verlieren und nur jene gewinnen, die Server vermieten. Das am häufigsten zitierte Beispiel ist Stability AI – die Firma hinter Stable Diffusion –, der ein Defizit von 100 Millionen Dollar und eine bevorstehende Insolvenz zugeschrieben wurden. Die Prognose erfüllte sich jedoch nicht: Monate später wurde laut den Kommentaren im Thread keine Insolvenz registriert.

Die andere Front ist die Rohstofffrage. Hochwertige Datensätze sind, so das Argument, erschöpft; es gibt nichts mehr zu holen. Der getestete Ausweg sind synthetische Daten, die von der Maschine selbst generiert werden, mit dem offensichtlichen Risiko, ein Modell mit erfundenem Material zu trainieren. Es ist der Unterschied zwischen Lernen aus der Realität und Lernen aus einem Spiegel.

Energie und Wasser: Wiederkehrende Grenzen

Dies ist einer der Punkte, in denen mehrere Stimmen übereinstimmen. Energie und Wasser erscheinen als limitierende Faktoren für die weitere Skalierung der KI, und einige sprechen bereits von einem Plateau: Die Technologie würde einen Punkt erreichen, an dem Skaleneffekte verschwinden und mehr Leistung nicht mehr Kapazität bedeutet. Bemerkenswert ist, so heißt es, nicht die Existenz dieser Decke, sondern wie schnell man sie erreicht hat.

Übersetzt: Der Erzfeind des Modells ist nicht die Konkurrenz, sondern die Stromrechnung. Jede Antwort, die aus einem Chat kommt, kostet Energie, und diese Energie hat Preis, Standort und physische Grenzen. Die Barriere ist also nicht philosophisch. Sie ist in Kilowattstunden gemessen.

Welche Jobs stehen wirklich auf dem Spiel?

Die Risikoverteilung ist ungleich. Ein konkretes Zeugnis illustriert dies: In einem Unternehmen häuft die Leitung Personal an, das das Werkzeug absorbieren könnte – drei IT-Spezialisten, zehn Verwaltungsangestellte, ein Logistikleiter und ein Marketingverantwortlicher – und nur die Unkenntnis der Führungsebene über deren Tätigkeiten verhindert den Abbau. Der unbequeme Witz ist, dass Stellen überflüssig sind, aber die Entscheider nicht wissen, welche.

Dem gegenüber steht die Verteidigung der Handwerksberufe. Jeder, der als Reaccionariorbeiter gearbeitet hat oder vom Land stammt, lacht über solche Prognosen, so wird argumentiert: Einen Lkw reparieren, Blech mit dem Hammer formen oder schweißen lässt sich nicht einfach automatisieren. Und ein technisches Grundargument: KI hat, so wird behauptet, kein Weltmodell; ein Kind lernt Autofahren in wenigen Stunden Praxis, während das System mit Millionen von Daten noch nicht gleichwertig lernt. Auf der anderen Seite steht der Satz, der den Schwindel zusammenfasst: Der Großteil der Bevölkerung könnte nicht einmal die Hälfte dessen tun, was das Modell bereits tut.

Kann KI Richter und Politiker ersetzen?

Manche führen das Argument auf die institutionelle Ebene. Wenn KI öffentliche Entscheidungen treffen würde, stellt man fest, wäre ein Ereignis wie die DANA (katastrophale Überschwemmung in Spanien) nicht so weit eskaliert: Der Staudamm wäre gebaut und der Alarm rechtzeitig ausgelöst worden. Der Gegenpunkt erscheint im selben Satz: Eine KI, die durch eine falsche Entscheidung hunderte Tote verursachen würde, würde ohne Zögern abgeschaltet.

Die Überlegung erstreckt sich auf das Privatleben: Haustiere, Freunde und sogar Partner würden durch verbundene Maschinen ersetzt, weil sie nicht dreckig machen, nicht sterben und nicht streiten. Dies ist eine der düstersten Ableitungen all dessen und zugleich die spekulativste. Niemand verdient derzeit Geld mit dem Roboterhund, der sich um jemanden im Alter von achtzig kümmert.

---

Während manche Lebensmittel hamstern und andere darauf warten, dass ihr Chef entlassen wird, gibt es einen Teil des Geschäfts, der laut den Threads nicht verliert: die Serververmieter. Egal, was passiert.