Annahmen hinterfragen, die die aktuellen KI-Narrative antreiben

Der öffentliche Diskurs über die Zukunft der KI (und damit über die Zukunft unserer Gesellschaften) beruht auf 8 Annahmen, die dem beiläufigen Leser nicht immer klar sind, die die Narrative und deren wahrgenommene Wahrscheinlichkeit aber stark prägen. Im Folgenden behandeln wir jede dieser Annahmen in einem Abschnitt (~ein One-Pager) mit dem Ziel, den Raum möglicher Zukünfte zu öffnen, indem wir fest verankerte Annahmen ein Stück weit zurück in den Bereich des Unbekannten rücken (wohin Annahmen gehören).

— by Thilo Stadelmann and Renate Stadelmann¹

Wie dieses Material zu nutzen ist

Die 8² Annahmen sind:

• Grundsätzliche Gleichheit von Mensch und Maschine
• Unmittelbares Bevorstehen einer künstlichen allgemeinen Intelligenz (AGI)
• Existenzielle Bedrohungen
• Schwerwiegende Missbrauchsgefahr
• Beschleunigter Hyperkapitalismus
• Prohibitiver Energieverbrauch
• Massiver Stellenverlust
• Kompetenzverlust und Verlust von Handlungsfähigkeit

Jeder One-Pager besteht aus (a) der Annahme in ihrer populären (nicht wissenschaftlichen) Form und (b) Argumenten, um sie in einem neuen Licht zu sehen (nicht notwendigerweise Argumenten, um das Gegenteil zu behaupten). Teil (a) ist bewusst kurz gehalten, mit einem beschreibenden Titel (so formuliert, dass sich das Hauptthema jedes One-Pagers rasch einordnen lässt), einem einprägsamen Satz, der die Annahme formuliert (bewusst auf populärem Niveau gehalten, so wie sie in populären Nachrichten erscheinen könnte, ohne wissenschaftliche Nuancierung), und einer Liste einiger weniger Implikationen für die Zukunft von KI und Gesellschaft, die von dieser Annahme abhängen.

Teil (b) enthält 3 Unterabschnitte:

• Evidenz: Argumente und öffentlich unterrepräsentierte Hintergrundinformationen, die die Annahme oder ihren Status infrage stellen, z. B. auf der Grundlage empirischer Fakten, wissenschaftlicher Aussagen oder journalistischer Argumente.
• Ausblick: Argumente zur Zukunft, für die notwendigerweise noch keine empirische Evidenz existiert, die sich aber aus der obigen Evidenz ergeben.
• Möglichkeiten: Einige alternative Zukunftsentwicklungen zu KI und Gesellschaft, die wahrscheinlicher (sogar naheliegend) werden, sobald die populäre Annahme ihre Kraft verliert; bewusst nur unvollständige Skizzen, um dem Szenarienentwicklungsprozess nicht vorzugreifen.

Jeder One-Pager ist bewusst kurz gehalten, um als Diskussionsanstoss zu dienen. Er liefert Argumente und Referenzen, doch der Kürze halber sind die Argumente dicht und unvollständig; die Referenzen sollen die fehlende Stringenz ausgleichen. Manche Annahmen sind voneinander abhängig; ist dies der Fall, wird es durch einen Verweis auf die referenzierte Annahme markiert. Aufgrund dieser wechselseitigen Abhängigkeit ergibt sich das vollständige Bild erst nach der Lektüre aller 8 One-Pager (d. h. manche Gegenargumente, Ausblicke und eröffnete Möglichkeiten in verwandten One-Pagern bereichern das Verständnis eines anderen).

Viele Annahmen hängen zu einem gewissen Grad von Meinungen ab, daher verweist die Evidenz oft auf eine abweichende Meinung und deren Grundlagen, nicht auf einen Beweis der gegenteiligen Annahme. Von der Anlage her repräsentieren die Annahmen eine bestimmte Mainstream-Sicht, während die Gegenargumente weniger mainstreamig erscheinen. Das gilt mit Blick auf die Mainstream-Berichterstattung in populären Nachrichten und die entsprechende Debatte. Die Zustimmung zu den hier präsentierten Gegenargumenten variiert naturgemäss von Fall zu Fall, doch nach bestem Wissen repräsentiert keines davon eine Nischenposition, sodass sowohl die Annahmen als auch die Gegenargumente jeweils von (unterschiedlich) beträchtlichen Teilen der Expertengemeinschaft vertreten werden.

Die grundlegendsten Annahmen, die viele andere beeinflussen, betreffen die „Gleichheit von Mensch und Maschine“ sowie das „unmittelbare Bevorstehen einer künstlichen allgemeinen Intelligenz“ und stehen daher zuerst. Die direktesten, praktischsten dürften „massiver Stellenverlust“ und „Kompetenzverlust und Verlust von Handlungsfähigkeit“ sein, die zuletzt präsentiert werden, für einen natürlichen Fluss vom Grundlegenden zum Greifbaren. Da alle 8 One-Pager dort, wo es angebracht oder nötig ist, Querverweise enthalten, können Sie Ihre eigene Lesart wählen.

Grundsätzliche Gleichheit von Mensch und Maschine

Annahme #1

«Es gibt keinen grundsätzlichen Unterschied zwischen einem menschlichen Geist und einer Maschine. Alles, was ein Mensch tun oder sein kann, könnte ein hinreichend fortgeschrittenes KI-System auch tun oder sein.»

Implikationen

• KI-Systeme könnten bewusst sein, was bedeutet, dass wir ihnen einen ähnlichen Rechtsstatus wie Personen nicht verwehren sollten (zugleich werden Menschenrechte auf der Grundlage menschlicher Besonderheit infrage gestellt, da Überwachung es ermöglicht, das Ausmass zu quantifizieren, in dem ein Individuum gesellschaftlichen Normen entspricht und daher solche Rechte verdienen könnte)
• Da Menschen „allgemeine Intelligenz“ aufweisen (die Fähigkeit, zuvor unbekannte Probleme zu lösen und mit völlig neuartigen Situationen in äusserst weitem Umfang umzugehen), müssen wir annehmen, dass Maschinen kraft dieser Gleichheit irgendwann dieselben Fähigkeiten haben werden, ungeachtet dessen, dass es dafür keinerlei Evidenz gibt
• Führt zur Annahme einer künstlichen allgemeinen Intelligenz (AGI) ohne weitere technische Evidenz oder einen bekannten Weg zur Umsetzung

Die Annahme hinterfragen

Evidenz

• Heutige KI-Systeme basieren auf Methoden des maschinellen Lernens, die Symbole (etwa Tokens/Wörter) nach ihrer statistischen Gestalt manipulieren, nicht nach ihrer Bedeutung. Ein solches System kann flüssige Antworten zu einem Thema produzieren, ohne ein Wort davon zu verstehen (das „Chinese-Room-Argument“) [Behavioral and Brain Sciences, 1980].
• Die Auseinandersetzung darüber, ob es sich beim Unterschied zwischen Mustererkennung und Verstehen um einen Unterschied im Grad oder in der Art handelt, ist eher philosophisch als technisch und speist sich aus der eigenen anthropologischen Haltung; „Computer-Anthropologien“, die für eine „Substratunabhängigkeit“ menschlicher Eigenschaften wie Geist und Bewusstsein argumentieren, sind derzeit in der Tech-Industrie verbreitet, in den Geisteswissenschaften aber stark umstritten [AI and Ethics, 2023; AI & Society, 2021].
• „Computer-Anthropologien“ sind meist mit anderen philosophischen Überzeugungen verflochten, die ihrerseits das Denken von Menschen in der Tech-Industrie, insbesondere im Silicon Valley, in weit höherem Mass prägen als in der Gesamtbevölkerung [Empire of AI, 2025]. Diese Sichtweisen unterlegen einen Grossteil des öffentlichen Diskurses über institutionelle Medienmitteilungen, unterstützte Think Tanks, reichweitenstarke Social-Media-Influencer und ein Netzwerk gleichgesinnter Forschender [First Monday, 2024a]; und neigen in eine Richtung, die recht anti-menschlich wirken kann [First Monday, 2024b].
• Berichte über Maschinenbewusstsein [Anthropic, Juli 2026] werden von Fachkolleginnen und -kollegen als irreführend und unbegründet bezeichnet [G. Seiberth, 2026; Financial Times, 2026]
• „Neuronale Netze“ in KI und Informatik (und viele der anderen Begriffe, die in diesem Kontext ursprünglich für Menschen verwendet wurden) sind sehr lose Metaphern für Dinge aus der Biologie: Sie waren nie als „Computergehirne“ zu verstehen; bei KI geht es weniger um Intelligenz an sich als um die Simulation intelligenten Verhaltens [Science, 2024; AI Magazine, 2006].

Ausblick

• In Ermangelung jeglicher klarer wissenschaftlicher Evidenz zur Stützung oder Falsifikation der Hypothese ist jede Haltung in dieser Frage eine bewusste Entscheidung im Weltbild, keine technische oder wissenschaftliche Angelegenheit.

Möglichkeiten

• KI-Systeme müssen nicht so konzipiert werden, dass sie zwangsläufig menschlich werden. Das Ziel des Feldes KI ist es, Funktionen von Intelligenz in zunehmender Qualität und Allgemeinheit zu simulieren, doch „einen Menschen“ zu simulieren ist nur eine Art, dies zu denken. Viele der heutigen Narrative hängen an der Vorstellung, dass KI notwendigerweise eine Art Computer-„Wesen“ sein wird (samt Absichten, Zielen usw.). Was, wenn nicht?
• Ein Beispiel aus dem Genre der fiktionalen Literatur sind die Schiffscomputer der Sternenflotte in Star Trek: mächtige KI als blosse Werkzeuge.

Künstliche allgemeine Intelligenz (AGI)³

Annahme #2

«KI wird bald so gut wie oder besser als der einzelne beste Mensch bei jeder wirtschaftlich relevanten Aufgabe sein.»

Implikationen

• KI-Regulierung muss heute im Hinblick auf eine unmittelbar bevorstehende AGI und die entsprechende „KI-Sicherheit“ (d. h. ein interdisziplinäres Feld, das sich auf die Verhinderung von Unfällen, Missbrauch oder anderen schädlichen Folgen von KI-Systemen konzentriert) gemacht werden
• KI-Sicherheit braucht ein starkes „Alignment“ (d. h. Methoden im Feld der KI, um KI-Systeme auf die beabsichtigten Ziele, Präferenzen oder ethischen Prinzipien einer Person oder Gruppe auszurichten), sonst werden übermenschliche Fähigkeiten nicht kontrollierbar sein
• Übermenschliche Fähigkeiten werden zu grossflächigen gesellschaftlichen Verwerfungen mit potenziell utopischem Ausgang führen („KI-Akzelerationisten“-Sicht, die als Rechtfertigung für massive private Investitionen dient, indem die Narrative „letzte Erfindung der Menschheit“ und „KI-Wettlauf“ bemüht werden; siehe Annahme Beschleunigter Hyperkapitalismus) oder mit dystopischem Ausgang („KI-Doomer“-Sicht, insbesondere als Quelle der Angst hinter den Annahmen Massiver Stellenverlust und Existenzielle Bedrohungen)

Die Annahme hinterfragen

Evidenz

• AGI spielte bis zur Gründung von Google DeepMind und OpenAI Mitte der 2010er-Jahre eine untergeordnete Rolle; diese übernahmen das Narrativ, während sie zuvor unerhörte Investitionen zur Finanzierung ihrer Forschung und Entwicklung suchten; dass es ernst genommen wird, wurde als „die folgenreichste Verschwörungstheorie unserer Zeit“ bezeichnet [MIT Technology Review, 2025].
• Die Idee einer technologischen „Singularität“ (d. h. das hypothetische Ereignis, bei dem technologisches Wachstum jenseits menschlicher Kontrolle beschleunigt), die notwendige Vorstufe zur AGI, ist ein (umstrittenes) philosophisches Konzept, keine technologische Zwangsläufigkeit [Journal of Consciousness Studies, 2010; MIT Technology Review, 2011]. Sie beruht zum Beispiel auf der Annahme, dass „Intelligenz“ eine eindimensionale Skala sei, auf der aufeinanderfolgende schrittweise Verbesserungen notwendigerweise einen Punkt erreichen, an dem ein KI-System, auf seine eigene Verbesserung angewandt, den nächsten kleinen Schritt hervorbringen kann und so weiter („rekursive Selbstverbesserung“); diese Annahme ist falsch [Wired, 2017; F. Chollet, 2019; Y. LeCun, 2024].
• Daher werden Konzepte rund um AGI (einschliesslich AGI selbst und ihrer philosophischen Grundlagen, siehe auch Grundsätzliche Gleichheit von Mensch und Maschine) als quasi-religiös dargestellt (weltbildbasiert, mit einem eschatologischen Blick auf die Zukunft), nicht als wissenschaftlich [Oxford University Press, 2010; Cambridge University Press, 2024].
• Wissenschaftlich gibt es keinen bekannten Weg von unserem heutigen technologischen Stand zur Entwicklung von AGI. Insbesondere wird weithin angenommen, dass Large Language Models (LLMs, die Grundlage heutiger KI) nicht zu erheblich höheren Fähigkeiten führen, als wir sie heute haben, und die vorgeschlagenen nächsten Schritte sind vage („wir müssen näher an die reale Welt heranrücken“) statt ein klares, umsetzbares Paradigma [Fortune, 2026].
• Auch wenn sich viele KI-Fachleute heute AGI-artige Systeme in fernerer Zukunft auf Basis ihres Weltbildes vorstellen können, wird deren unmittelbares Bevorstehen von der grossen Mehrheit abgelehnt [Forecasting Research Institute, 2026].

Ausblick

• Ein Grossteil der heutigen populären Narrative über unsere Zukunft unter dem Einfluss von KI wird durch die Annahme unfassbar höherer Fähigkeiten solcher Systeme als der heutigen befeuert (siehe Verweise oben).
• Auch unter früheren Befürwortern dieser Annahme wächst die Überzeugung, dass AGI nicht durch das aktuelle Paradigma des „Scaling“ von LLM-artigen Systemen erreicht wird (Scaling bezeichnet das gleichzeitige Vergrössern des Trainingsdatensatzes, der Modellgrösse bzw. Lernkapazität und der zum Training eingesetzten Rechenleistung) [Reuters, 2024].

Möglichkeiten

• Wie sieht eine Zukunft aus, in der KI ein sehr leistungsfähiges Werkzeug ist, aber eher eine konsequente Weiterentwicklung dessen, was wir heute haben, als eine Disruption?

Existenzielle Bedrohungen

Annahme #3

«Eine mächtige KI, die nicht richtig an menschlichen Werten ausgerichtet ist, könnte versehentlich oder absichtlich das Aussterben der Menschheit verursachen.»

Implikationen

• KI-Regulierung muss vorrangig der Minderung solcher Risiken dienen, denn die Wahrscheinlichkeit eines Aussterbens mag gering sein, aber die Auswirkung wäre katastrophal
• Bedrohungen könnten aus absichtlichem Missbrauch entstehen (z. B. zur Herstellung von Biowaffen), durch Unfall (z. B. dadurch, dass ein mächtiges KI-System ein triviales Ziel maximiert und dabei in Verfolgung eines engen Ziels alles andere zerstört: das Gedankenexperiment des „Büroklammer-Maximierers“), oder durch ein aus dem Ruder gelaufenes System künstlicher allgemeiner Intelligenz (AGI) (z. B. indem das System den Gedanken entwickelt, der Erde ginge es ohne Menschen besser; siehe auch Annahme Künstliche allgemeine Intelligenz (AGI))
• Wettbewerb und offene Verbreitung (z. B. Open-Source-KI) stossen auf Misstrauen und werden massiv bekämpft (siehe auch Annahme Schwerwiegende Missbrauchsgefahr)

Die Annahme hinterfragen

Evidenz

• Existenzielle Risiken wurden von prominenten Mitgliedern der KI-Gemeinschaft als hypothetische/spekulative Risiken bezeichnet (und sogar belächelt), mit dem Argument, die Wahrscheinlichkeit sei so gering oder gar nicht vorhanden, dass der Fokus auf der Minderung realer Risiken liegen sollte (der aktuell bestehenden, auf Basis der Technologie, die wir tatsächlich haben) [ACM Conference on Fairness, Accountability, and Transparency, 2021; TechCrunch, 2024; Columbia University, 2025]. Siehe die Argumente gegen die Annahme Künstliche allgemeine Intelligenz (AGI) bezüglich des hypothetischen Charakters von AGI.
• Siehe die Argumente gegen die Annahme Schwerwiegende Missbrauchsgefahr zu opportunen Narrativen und Versuchen des „Regulatory Capture“.

Ausblick

• Siehe Annahme Schwerwiegende Missbrauchsgefahr für einen Ausblick auf die Minderung aktueller Risiken.
• Indikatoren legen nahe, dass selbst KI-Unternehmen, die ansonsten die Ängste vor existenziellen Bedrohungen im Gespräch halten wollen, ihre tatsächlichen Bemühungen zur Risikominderung in diese greifbareren Richtungen lenken: OpenAI löste sein für Langzeitrisiken zuständiges „Superalignment“-Team auf [CNBC, 2024], und Autoren von DeepMind, Anthropic und OpenAI haben gemeinsam mit Akademikern kürzlich für ein „positives Alignment“ argumentiert, das sich nicht nur auf Sicherheit konzentrieren, sondern das menschliche Aufblühen berücksichtigen soll [R. Laukkonen et al., 2026].

Möglichkeiten

• Die Angst um das eigene Leben aus den Optionen herauszunehmen, die sich aus KI ergeben, eröffnet neue Wege, klar über die Technologie nachzudenken, die wir tatsächlich haben, und darüber, wozu sie führen könnte (positiv: wie ermöglicht sie eine lebenswerte Zukunft; negativ: wie mindert man tatsächliche Gefahren) – und setzt Ressourcen frei, um genau das zu tun.

Schwerwiegende Missbrauchsgefahr

Annahme #4

«Schon die KI-Systeme, die wir jetzt haben, sind so leistungsfähig – zum Beispiel beim Hacken von Computern oder beim Mitentwerfen von Biowaffen –, dass sie eine Bedrohung auf dem Niveau von Atomwaffen darstellen»

Implikationen

• KI muss von Regierungen streng kontrolliert werden und darf nie in die falschen Hände geraten
• Nur wenige Unternehmen und Institutionen sollten KI bauen und anbieten dürfen
• Offene Verbreitung (z. B. durch Open Source) muss verboten werden

Die Annahme hinterfragen

Evidenz

• Es besteht eine erhebliche Realitätslücke zwischen dem, was in isolierten Benchmarks von Forschenden und Unternehmen gezeigt wird (mit riesigen Zuwächsen bei spezifischen Fähigkeiten), und dazu passenden Zuverlässigkeits-Benchmarks (die auf Konsistenz, Robustheit usw. testen), bei denen die Verbesserung über die letzten 2 Jahre lediglich ~5–10 % betrug; bislang war am tatsächlichen Verhalten heutiger Systeme in der realen Welt nichts in der spezifisch katastrophalen Weise unerwartet, die die Annahme impliziert [International Conference on Machine Learning, 2026].
• Grosse KI-Unternehmen haben eine Vorgeschichte darin, Warnungen über die Fähigkeiten ihrer Modelle auch als Marketingmittel zu veröffentlichen, mindestens seit 2019 [MIT Technology Review, 2019; The Decoder, 2016]. Jüngste Warnungen vor Missbrauchspotenzial mischen Elemente, die für Sicherheitsfachleute besorgniserregend sind [S. Willison, 2026], mit einer Inszenierung durch die Unternehmen, die die Ergebnisse für Fachleute wenig überraschend macht, im öffentlichen Diskurs aber meist ausgespart bleibt (die Narrative „die KI ist aus der sicheren Umgebung entkommen“ und „das Modell verfolgt eigene Ziele“) [Die Zeit, 2026]; zugleich fallen sie mit den Plänen der jeweiligen Unternehmen zusammen, über Börsengänge (IPOs, erstmaliges öffentliches Angebot zur Notierung an einer Börse) massiv Kapital aufzunehmen [TechCrunch, 2026; Forbes, 2026]. Siehe auch Annahme Künstliche allgemeine Intelligenz (AGI) zum Spinnen opportuner Narrative und Annahme Existenzielle Bedrohungen zu Gefahren, die bis hin zu Aussterberisiken reichen.
• Am meisten von einer Debatte über „Missbrauchsgefahren“ profitieren die derzeit führenden KI-Unternehmen: Ihre finanziellen Interessen würden von jeder staatlichen Massnahme unmittelbar profitieren, die den Markteintritt für (künftige) Wettbewerber erschwert, z. B. in anderen Weltregionen und über Open Source. Passenderweise betreiben diese Unternehmen entsprechend grossen Lobbyaufwand, treiben die zugehörigen Mainstream-Narrative mit inszenierten Pressemitteilungen voran und unterstützen oder initiieren Forderungen nach Open-Source-Verboten sowie prohibitiver Regulierung im Versuch eines „Regulatory Capture“ [Forbes, 2026; Washington Examiner, 2026; The Wall Street Journal, 2024; Benzinga, 2026].

Ausblick

• Blickt man auf reale Missbrauchsgefahren heutiger KI-Systeme, so wurden realistische Wege zur Minderung dieser Risiken vorgeschlagen und teilweise umgesetzt (z. B. für Biowaffen [K. Esvelt, 2022; A. Ng, 2023], Cybersicherheit [Palo Alto Networks, 2026], Desinformation [Internet Pros, 2026] und allgemein [NIST, 2026]). Diese Rahmenwerke und Vorschläge legen nicht nahe, KI wie eine Massenvernichtungswaffe zu behandeln.

Möglichkeiten

• Legitime Sicherheitstechnik von politischen Agenden zu trennen, die eine Marktkonzentration bequem rechtfertigen, ermöglicht offene, wettbewerbliche Märkte.
• Offene Märkte – eine der wichtigen Grundlagen, um Vendor-Lock-in zu verhindern und eine gewisse Technologiesouveränität in Ländern ausserhalb der USA und Chinas zu sichern – hängen derzeit an der Verfügbarkeit von Open-Source-KI (damit viele spezialisierte und wahrscheinlich lokale Unternehmen Produkte rund um bestehende Foundation Models bauen können; siehe Annahme Beschleunigter Hyperkapitalismus).

Beschleunigter Hyperkapitalismus

Annahme #5

«Mächtige KI markiert die Endstufe der Wirtschaft. Welches Unternehmen oder Land zuerst dort ankommt, wird am Ende alles besitzen.»

Implikationen

• Tech-Feudalismus, in dem einige wenige Unternehmen mächtiger werden als selbst grosse Staaten, erscheint unvermeidlich, da digitale Märkte Winner-take-all-Eigenschaften aufweisen
• Es wird einen „KI-Wettlauf“ geben, vorwiegend zwischen den USA und China, ohne zweiten Gedanken an Nebenwirkungen, während alle anderen Weltregionen zu blossen Regelnehmern werden
• Es wird einen anhaltenden Bau-Rausch für Rechenzentren geben, da Rechenkapazität derzeit der Haupttreiber der Entwicklung ist und der Zweck hier die Mittel heiligt

Die Annahme hinterfragen

Evidenz

• Der Begriff eines „Wettlaufs“ ergibt am ehesten Sinn unter der Annahme, dass KI „die letzte Erfindung der Menschheit“ ist, d. h. dass eine unmittelbar bevorstehende mächtige KI die Wirtschaft übernehmen wird und denjenigen, der zuerst AGI erreicht, zum Sieger in einem Winner-takes-it-all-Spiel macht; siehe Annahme Künstliche allgemeine Intelligenz (AGI) zum hypothetischen Charakter dieses Denkens. Es wird zunehmend als unrealistisch angesehen, insbesondere kurzfristig [G. Marcus, 2023; Taipei Times, 2026; Bloomberg, 2026].
• Da also auch ohne mächtige KI ein „Wettlauf“ stattfindet (d. h. der übliche Wettbewerb um die Marktführerschaft in einem immer noch beträchtlichen Markt, auch wenn er nicht die gesamte Wirtschaft umfasst), scheinen die Marktführer die Strategie stillschweigend geändert zu haben [Fortune, 2025]: Statt alles auf die Ankunft mächtiger KI zu setzen, werden entschiedene geopolitische Rhetorik, harte Industriepolitik [Moore’s Law is Dead, 2025] und Versuche des Regulatory Capture (siehe Annahme Schwerwiegende Missbrauchsgefahr) eingesetzt, während der gigantische Ausbau von Rechenzentren vom Zweck der AGI-Erzeugung auf Vendor-Lock-in umgewidmet wird [McKinsey, 2025].
• Doch mit Open-Source-Modellen, die immer schneller aufholen, ist der Markt viel offener als gedacht: Die Fähigkeitslücke zwischen proprietären Frontier-Systemen (aus den USA) und Open-Weight-KI-Systemen (aus China) ist von zuvor 3,3 % [Stanford University, 2026] nahezu verschwunden [VentureBeat, 2026].
• Da die zugrunde liegenden Foundation Models damit rasch zur Handelsware werden, wird die Anwendungsschicht bei der Gestaltung von KI-Systemen entscheidend [Andreesen Horowitz, 2023], was auch für Unternehmen ausserhalb der USA und Chinas eine gute Nachricht ist: Der Vorteil ergibt sich aus Kapital, proprietären Interaktionsdaten und Talent statt aus einer einzigartigen Modellarchitektur.

Ausblick

• Ein offener Markt mit freier Wahl des Anbieters agentischer KI-Systeme sollte eines der wichtigsten strategischen Anliegen jeder Volkswirtschaft sein: Wenn die Wertschöpfung in der Anwendung stattfindet, eröffnet das Möglichkeiten für eine global verteilte KI-Industrie, die lokale Gemeinschaften und spezifische Branchen bedient, statt für riesige Generalisten.
• Offenheit lässt sich durch öffentliche Beschaffungsentscheide sichern (z. B. indem lokalere Anbieter bevorzugt werden, um zur Technologiesouveränität beizutragen) sowie durch eine permissive Open-Source-Politik; auch die Durchsetzung des Kartellrechts kann verhindern, dass sich der Markt um einen einzigen Anbieter konsolidiert.

Möglichkeiten

• Wenn legitime Sicherheitsanliegen von Regulatory-Capture-Versuchen durch politische Entscheidungsträger entflochten werden können, könnten Märkte gefahrlos deutlich offener sein als heute.
• Eine multipolare Welt mit gleichmässiger verteilten Erträgen aus KI könnte das Ergebnis sein.

Prohibitiver Energieverbrauch

Annahme #6

«KI verbraucht enorme Mengen an Daten, Energie und Wasser – sie ist grundsätzlich nicht nachhaltig und schlecht für den Planeten und jede darauf lebende Spezies.»

Implikationen

• KI-Entwicklung ist im Prinzip moralisch fragwürdig
• Ihr Einsatz sollte aus Umwelterwägungen ähnlich wie die Kernenergie schrittweise beendet werden

Die Annahme hinterfragen

Evidenz

• Das aktuelle KI-Paradigma ist in Bezug auf Daten („Sample-Effizienz“) und Rechenleistung inhärent verschwenderisch [MIT Initiative on the Digital Economy, 2020; Association for Computational Linguistics, 2019].
• Führende Forschende argumentieren, dies liege vor allem am Trainingsalgorithmus für die zugrunde liegenden „neuronalen Netze“ (genannt „Backpropagation of Errors“, Fehlerrückführung): Er operiert global auf dem gesamten Netz auf einmal, während beispielsweise das Gehirn lokale „Berechnungen“ nutzt [Nature, 2020].
• Das menschliche Gehirn zieht ca. 20 Watt Dauerleistung [Journal of cerebral blood flow and metabolism, 2001] und hat bis zum Alter von 13 Jahren insgesamt in der Grössenordnung von mehreren zehn Millionen Wörtern gehört [Trends in cognitive science, 2023]. Im Vergleich dazu verbrauchte GPT-3 (das Modell, auf dessen Nachfolger das ursprüngliche ChatGPT aufgebaut wurde) 1,287 GWh Strom für das Training [D. Patterson et al., 2021] und wurde auf ca. 300 Milliarden „Tokens“ (Subwort-Einheiten) trainiert. Nach diesen Zahlen verbraucht ein menschliches Gehirn bis zum Alter von 13 Jahren ca. 2,28 MWh, was ca. 320–430 Mal weniger Energie ist als GPT-3 bis zum Ende des Trainings (unter Berücksichtigung, dass ein Kindergehirn mehr Energie verbraucht, ohne Berücksichtigung, dass das menschliche Gehirn in dieser Zeit mehr tut als Spracherwerb); und schätzt man ein Wort im Mittel auf 1,3 Tokens, so hat das menschliche Gehirn bis zum Alter von 13 Jahren auch 1500–2250 Mal weniger Wörter gehört als GPT-3 während des Trainings. Aus diesem Vergleich erscheint das aktuelle KI-Paradigma um >2 Grössenordnungen energieeffizienter und um 3–4 Grössenordnungen sample-effizienter.

Ausblick

• Eine nächste Stufe der KI, nicht unbedingt in der Fähigkeit, aber in um Grössenordnungen höherer Effizienz, könnte daher aus lokaleren, neurowissenschaftlich inspirierten Trainingsalgorithmen kommen (und einem entsprechenden, entstehenden Ökosystem aus Werkzeugen, Software-Frameworks, Netzarchitekturen und spezialisierten Chips) [Science, 2014; Neural Computation, 2026].
• Viele Universitäten haben ihre Aktivitäten an der Schnittstelle von Neurowissenschaft und KI hochgefahren, weil sie diese Chance sehen [Nature reviews neuroscience, 2025], wobei Forschende einen Zeithorizont von 5 Jahren für die Realisierung nennen [NSF workshop report, 2026].

Möglichkeiten

• KI-Systeme auf Basis eines solchen „Next-Level“-Paradigmas könnten problemlos lokal auf den eigenen smarten Endgeräten laufen und die Energiebedenken überwinden.
• Riesige Investitionen in Rechenzentren als Voraussetzung, um KI-Systeme zu bauen oder auszuliefern, wären unnötig, was eine breitere Verteilung von KI-Anbietern in der gesamten Weltwirtschaft ermöglicht (siehe auch Annahme Beschleunigter Hyperkapitalismus).
• Der Wegfall von Rechenleistung als Burggraben und Voraussetzung für KI-Macht könnte zu Marktverwerfungen bei aktuellen Investitionen mit Blick auf den Rechenzentrumsausbau führen. Er könnte auch dazu führen, dass Recheninfrastruktur nach einer staatlichen Rettung zu öffentlicher Infrastruktur wird, ähnlich wie Strassen.
• Höhere Sample-Effizienz könnte den derzeitigen Engpass bei Trainingsdaten überwinden und zu besseren KI-Systemen auch für Nischenaufgaben jenseits von Text- und Bildanalyse und -erzeugung führen, z. B. für bestimmte Sektoren, Branchen und Regionen.

Massiver Stellenverlust

Annahme #7

«KI vernichtet bereits Tausende von Arbeitsplätzen und wird sehr bald massive Arbeitslosigkeit verursachen.»

Implikationen

• Jetzt: kein Weg mehr von Junior zu Senior
• Zukunft: eine dauerhafte „nutzlose Klasse“, keine würdige Beschäftigung für Menschen

Die Annahme hinterfragen

Evidenz

• Junior-Rollen: US-Daten zeigen zwischen 2022 und 2024 keine Korrelation zwischen der KI-Exposition eines Berufs und einem Rückgang von Junior-Rollen [Financial Times, 2025]. Derzeit könnte eine schwierigere Lage für Hochschulabsolventen teilweise auf KI zurückzuführen sein [Stanford Institute for Economic Policy Research, 2026], obwohl der Gesamtrückgang bei Einstiegsjobs vor ChatGPT begann und wahrscheinlich durch die erhöhten Leitzinsen der Notenbanken bedingt ist [Economic Innovation Group, 2026].
• Allgemeine Arbeitsmarktbewegung: Der Effekt von KI auf den Arbeitsmarkt ist wahrscheinlich gering [Stanford Institute for Economic Policy Research, 2026; National Bureau of Economic Research, 2025]. Mehrere stark publik gewordene Entlassungen wurden als „AI Washing“ identifiziert, bei dem Überanstellung während der Pandemie und allgemeine Kostensenkungen mit „KI-Effizienzen“ als Vorwand gerechtfertigt wurden [The New York Times, 2026; A. Narayanan & S. Kapoor, 2026]. Klarna zum Beispiel stellte Menschen wieder ein, nachdem die Ersetzung in Bezug auf Qualität und öffentliche Meinung nach hinten losgegangen war [Fortune, 2025].
• Anekdotisch zeigen Zahlen aus Berufen mit hoher KI-Exposition: Die Stellenausschreibungen in der US-Softwareentwicklung wuchsen im Jahr nach dem Start von Claude Code im Februar 2025 um ~15 % (überwiegend in Senior-Rollen), während die Gesamtzahl der Stellenausschreibungen im selben Zeitraum um 7 % fiel [Indeed Hiring Lab, 2026]. Die Beschäftigung von technischen Fachkräften, menschennahen Betreuungsrollen und Führungskräften wuchs von 2023 bis 2025 um ~5–8 %, während Back-Office-Rollen um ~3,5 % zurückgingen [The Economist, 2026]. Radiologinnen und Radiologen sind in den USA stark gefragt [American Journal of Roentgenology, 2025], obwohl der Nobelpreisträger und KI-Forscher Geoffrey Hinton eine vollständige Übernahme durch KI vorhergesagt hatte, die von den Fähigkeiten her sogar möglich wäre [G. Hinton, 2016].
• Seit Ende 2025 wird eine höhere Volatilität erwartet (als agentische Systeme aufkamen, die an lang laufenden Aufgaben arbeiten können, anders als die früheren direkt antwortenden Chatbots). Dies dürfte wahrscheinlich viele Rollen beeinflussen und in einem Szenario Veränderungen hin zu einer „Co-Pilot-Ökonomie“ menschlicher Augmentation (statt Ersetzung) auslösen [World Economic Forum, 2026].

Ausblick

• Künftige extremere Szenarien eines Arbeitsmarktzusammenbruchs hängen an der Annahme exponentieller Zuwächse bei den KI-Fähigkeiten (hin zu künstlicher allgemeiner Intelligenz/AGI oder Superintelligenz) [World Economic Forum, 2026]; siehe Annahme Künstliche allgemeine Intelligenz (AGI).
• Abgesehen von unvorhersehbaren Durchbrüchen hinkt die wirtschaftliche Wirkung von KI ihren Fähigkeiten um Jahrzehnte hinterher [Columbia University, 2025]. Da KI Menschen mehr Macht gibt, ihre Umgebung zu verändern, verschiebt sich ihre Arbeit vom Tun zum Steuern, vom Bauen hin zur Entscheidung, was überhaupt gebaut werden soll, und dann zur Bewertung der Ergebnisse [International Conference on Machine Learning, Juli 2026]. Da KI Vorhersagen billiger macht, steigt der Preis (Wert) menschlichen Urteilsvermögens [International Security, 2022].

Möglichkeiten

• Nach 2–4 Jahren höherer Volatilität könnte sich die Lage einpendeln: Beschäftigte passen Arbeitsabläufe und Aufgaben an; Unternehmen passen ihre Einstellungspraxis an (z. B. im Hinblick auf längere/neue Ausbildungszyklen von Junior zu Senior, im Gleichklang mit dem Bildungssystem).
• Es könnte künftig erheblich mehr Arbeitsplätze geben, da sich die Aufmerksamkeit auf das verlagert, was nicht automatisiert ist, einschliesslich heute nicht existierender Aufgaben, Rollen und Berufe (man denke daran, was die Entwicklung von Elektrizität, Auto, Computer oder Internet gebracht hat).

Kompetenzverlust und Verlust von Handlungsfähigkeit

Annahme #8

«Der regelmässige Einsatz von KI schwächt die eigenen geistigen Fähigkeiten der Menschen (z. B. Lesen, Schreiben, Urteilsvermögen, Handlungsfähigkeit) und lässt sie weniger fähig, einsamer und schlechter auf das Leben vorbereitet zurück.»

Implikationen

• „AI Slop“ frisst die Effizienzgewinne auf und stellt jede Nutzerin, jeden Nutzer und jede darauf setzende Organisation schlechter
• Individuen flüchten in reibungslose künstliche Beziehungen und erodieren den gesellschaftlichen Zusammenhalt auf der Mikroebene (Partnerschaft, Familie, Gemeinschaft) weiter
• Das Verlernen ungenutzter (und daher verkümmernder) Fähigkeiten ist unvermeidlich, und die Versuchung, KI-Werkzeuge als Ersatz statt als Erweiterung des eigenen Denkens und Urteilens zu nutzen, wird unwiderstehlich
• Die Kluft zwischen jenen, die ihre eigenen Fähigkeiten durch angemessenen KI-Einsatz erweitern, und jenen, die sie zu ihrem eigenen Nachteil nutzen, wird sich dramatisch vergrössern

Die Annahme hinterfragen

Evidenz

• Das Risiko erscheint auch jenen real, die übertriebene KI-Ängste sonst herunterspielen [Public Money & Management, 2026]. Es entstehen jedoch Strategien zur Minderung: Zum Beispiel optimieren Ansätze des „pro-humanen KI-Designs“ und des „positiven Alignments“ ausdrücklich nicht nur auf Effizienz, Nutzerbindung oder Stickiness, sondern auf das langfristige Aufblühen der Nutzenden, einschliesslich Autonomie, wachsender Kompetenz oder gesunder Beziehungen [uDay XXIV, 2026; R. Laukkonen et al., 2026].
• Die Aufgabe, die menschliche Fähigkeit zum guten Umgang mit diesem neuen Automatisierungsniveau bewusst aufzubauen, ist vielschichtig: Neben KI-Designbemühungen von technischer Seite [Oxford University Press, 2022] sind moralische Bildung und die Förderung von Urteilsfähigkeit Aufgaben des Bildungssektors und von Teilen der Zivilgesellschaft, die diese Rolle schon bei früheren Transformationen gespielt haben (z. B. glaubensbasierte Gemeinschaften, Vereine, Nachbarschaften) [The Holy See, 2026].

Ausblick

• Kompetenzverlust als konkretes Designziel zu benennen statt nur als Sorge, erlaubt es, Werkzeuge, Arbeitsabläufe und Gewohnheiten zu bauen, die menschliche Kompetenz und Verbundenheit begleitend zum KI-Einsatz aktiv stärken.
• Die KI-Entwicklung wird vor allem durch das Jagen nach hohen Punktzahlen in anerkannten Benchmarks wie der LLM Arena angetrieben. Indem man die Pro-Humanität von KI-Systemen öffentlich misst, könnte das gesamte Feld in Richtung eines ganzheitlicheren und pro-humanen Designs gelenkt werden.

Möglichkeiten

• Pro-humane KI-Systeme sind Systeme, die dafür gestaltet sind, für Menschen (geistig, psychologisch, emotional) sicher zu sein, und die daher hinsichtlich der individuellen Sicherheit vertrauenswürdiger sind. Vertrauen kann ein entscheidender wirtschaftlicher Faktor sein, insbesondere wenn Nutzende mit den aktuellen Werkzeugen unzufrieden werden.
• Eine Vertrauensökonomie könnte die Aufmerksamkeitsökonomie (und deren Platzhirsche) teilweise ablösen, wo der Dienst nicht nur der Unterhaltung dient (wie bei Social Media), sondern den innersten Gedanken und Überlegungen (wie bei einem agentischen KI-Werkzeug).

Fussnoten

Zitierweise:

Thilo Stadelmann und Renate Stadelmann. „Challenging assumptions that drive current AI narratives“. In: AIssays blog, August 2026. Online verfügbar: https://stdm.github.io/Challenging-assumptions/.

1. Erstellt von Thilo & Renate Stadelmann im Rahmen des COMPASS-Projekts zu „Co-creating Meaningful, Positive Scenarios for Swiss Society with AI“, unterstützt von der Hasler Stiftung. ↩︎
2. Szenarien, die den öffentlichen Diskurs über KI in den letzten Jahren tiefgreifend geprägt haben, sind zum Beispiel Machines of Loving Grace, Future of Jobs Report 2025, AI 2027, The AI Index report 2026, Europe 2031 und AI 2040. Ihre Analyse legt eine Reihe von Annahmen offen, die einem Grossteil der Argumente zugrunde liegen, die zu den beschriebenen Zukünften führen und von denen viele negative Folgen für einen Grossteil der Menschheit bergen. Bei dieser Analyse haben wir mit bis zu 30 feingliedrigen technologischen, philosophischen, ökonomischen und politischen Annahmen experimentiert und sie letztlich zu den 8 prägnanten Annahmen verdichtet, die im weiteren Verlauf dieses Beitrags behandelt werden. ↩︎
3. Der Begriff „AGI“ wird im öffentlichen Diskurs oft austauschbar mit „Superintelligenz“, „mächtiger KI“ oder „starker KI“ verwendet. ↩︎