KI schafft laut Debatte mehr Jobs, als sie vernichtet

Die verteidigte These: KI vervielfacht die Startups, die am Ende Programmierer einstellen

Das Beispiel zur Veranschaulichung: ein Elektriker mit eigenem Betrieb, ein Handwerker, der immer schon programmieren lernen wollte und der sich dank KI daran macht, sein eigenes System zu entwickeln. Als das Projekt verrutscht und er es nicht mehr überblickt, hat er 30.000 Euro aus seinen Ersparnissen investiert und bleiben zwei Möglichkeiten: Programmierer einstellen oder das Geld verlieren. Das ist der Mechanismus, der erklärt, warum die künstliche Intelligenz, statt den Tech-Arbeitsmarkt leerzufegen, offenbar Nachfrage nach Leuten schafft, die reparieren können, was sie selbst geschrieben hat.

Warum KI Arbeit schafft, statt sie zu vernichten?

Das zentrale Argument lautet: KI bildet menschliche kognitive Fähigkeiten nach, hat aber kein kausales Denkvermögen. Programmieren kann sie, ja. Aber je größer das Projekt wird, desto inkonsistenter arbeitet sie: Je komplexer das System, desto mehr Fehler macht sie und desto ineffizienter wird sie. Das Ergebnis dieser Lesart ist ein Unternehmen, das ohne Entwickler startet und ab einer bestimmten Größe welche braucht.

Auf dieser Basis zeichnet sich ein ganz bestimmtes Gründerprofil ab: Leute mit Geld und ohne technisches Fundament. Der Wohnungskaufmann, der Zimmer vermietet, der selbstständige Handwerker, die Krankenschwester, die merkt, dass sie ihr eigenes SaaS bauen kann. Alle kommen ein Stück weit allein zurecht. Dann rufen sie einen Ingenieur an.

Und sie beißen sich nicht aus Kalkül fest, sondern aus Stolz. Wer seiner Familie verkündet hat, der neue Bill Gates zu werden, macht den Laden nicht dicht, sondern stellt ein. Wie der Verfechter der These zusammenfasst: Lüge und Täuschung, auch die Selbsttäuschung, sind stärker als Geld.

Code, den niemand versteht: das Wartungsproblem

Der Einwand ist hart. Gegen diese These hält ein anderer Teilnehmer dagegen, dass der Code, den eine KI schreibt, von keinem Menschen verstanden wird, weil er nicht aus einem Geist entsteht, der müde wird, Details vergisst und einfache, unmittelbare Logiken braucht. Eine unbequeme Konsequenz wird benannt: Kein Ingenieur kann dich aus der Klemme holen, wenn du von einem Berg Code abhängig bist, der von einem anderen Berg Code erzeugt wurde.

Das Bild, das die Runde macht, ist das von Doktor Frankenstein: Jemand muss wissen, aus welchem Leichnam jedes Bein stammt, also aus welcher Anweisung jedes Modul hervorgegangen ist. Danach braucht es den Blitz, und da kommt das Glück ins Spiel. Eine ähnliche Diagnose räumt ein, dass KI bereits schneller programmiert als ein Mensch, aber nicht besser: Was sie nicht tut, ist besser denken.

Wie teuer ist eine lokale KI?

Als Alternative zur Cloud-Abhängigkeit wird vorgeschlagen, Modelle zu Hause auszuführen. Das Problem ist der Preis. Die RTX 5090 kam mit einer offiziellen Einführungspreises von 2.300 Euro auf den Markt und wird derzeit für 4.000 bis 7.000 verkauft. Ein Mac Pro mit 128 GB Arbeitsspeicher schlägt dieselbe Richtung ein. Und damit macht man nur ein paar Experimente: Lokale Modelle sind stärker quantisiert und langsamer als die Cloud.

Erleichterung, falls sie kommt, würde daran hängen, dass die RAM-Produktion die Preise drückt. Derweil behaupten manche, die gesamte Produktion werde von der Cloud-KI zu absurden Preisen aufgekauft, und andere fassen es mit einem Klassiker zusammen: Die Kartelle sind wieder am Werk.

Das Szenario, das alles durcheinanderbringt

Gegen all das setzen manche auf die Maschine: Wenn sie bereits Probleme der Quantenphysik, der Strömungsmechanik und der Genetik löst, wird sie am Ende unendlich viel besser programmieren als ein Mensch. Das ist die optimistische Wette, die darauf setzt, dass sich der Flaschenhals von selbst auflöst.

Am anderen Ende fasst ein weiterer Beitrag es ohne Umschweife zusammen: Wenn die Arbeit von 8 jetzt 1 erledigt, dann „vergesst es“. Die Bilanz wäre in dieser Lesart negativ.