Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!

Seit ich mit Unternehmen an KI arbeite, läuft für mich ein Faden mit, den ich lange nicht aufgeschrieben habe. Erst ist er mir als Kuriosität aufgefallen. Dann als Muster. Dann als Zwickmühle oder auch zunehmend als ein „hairy problem”, welches meine eigene kognitive Dissonanz nährt. Inzwischen halte ich diesen Faden für einen der wichtigsten, den ich in dieser Arbeit überhaupt sehe. Also schreibe ich das jetzt mal auf, und zwar ausführlich. Es ist eine Deep-Dive-Ausgabe geworden. Schnapp’ dir einen Kaffee ☕️… denn es wird mal wieder etwas länger (weil das Thema wahrhaft mehrdimensional ist).

Der Auslöser war ein Gedanke, der mich richtiggehend elektrisiert hat: Erleben wir mit den neuen Frontier-KI-Systemen gerade die Stunde der Innovation-Labs? Ich habe diese Idee ein paar Wochen mit mir herumgetragen und fand sie ziemlich gut. Beim genauen Hinsehen ist sie mir dann unter den Händen zerbröselt. Und das, was dabei zum Vorschein kam, hat mich am Ende mehr beschäftigt als die Frage selbst. Es geht um den Unterschied zwischen denen, die mit KI bauen dürfen, und denen, die beantragen müssen. Um KI-Lizenzen, deren Einkauf sich wie eine Entscheidung anfühlt und in Wahrheit Entscheidungen vertagt. Um die Frage, ob Warten klug ist, wenn die bekannte Spitzenmodelle teurer werden, während ihr Vorsprung vor Open Weight Modellen schrumpft. Und um die Führungsarbeit, die aus alldem folgt, bzw. folgen muss. Am Ende erfährst du auch, warum mich das alles trotzdem zuversichtlich stimmt.

Viel Freude beim Lesen und Dranbleiben!

Die zwei Räume

Ich beobachte in meiner Arbeit und der Beschäftigung mit KI sehr unterschiedliche Räume. Mal ein Training, mal ein Workshop, mal eine Runde mit einem Führungsteam, mal ein Gespräch am Rand, das wichtiger ist als der Termin davor. Unterschiedliche Branchen, unterschiedliche Größen, unterschiedliche Reifegrade. Und mit der Zeit habe ich verstanden, dass ich in Wahrheit immer nur zwei Räume betrete, egal an welcher Adresse. Es sind keine Räume aus Wänden, es sind Möglichkeitsräume.

In dem einen Raum sitzen Menschen, die bauen. In dem anderen Menschen, die beantragen. Oder besser: die beantragen müssen.

Und das Verrückte daran ist, dass die Wand zwischen diesen Räumen mit Können nicht so viel zu tun hat. Mit Talent auch nicht. Mit Motivation schon gar nicht. Ich habe in großen Linienorganisationen Leute getroffen, die schärfer denken als so mancher, den ich in Startups gesehen habe. Die sitzen trotzdem im Beantragen-Raum. Und sie wissen es meistens nicht mal. In Startups und Founder-Teams ist der Bau-Raum schlicht der Normalzustand. Im Konzern und in großen Organisationen ist er in der Regel ein Sonderrecht oder er ist für alle verschlossen, zumindest offiziell.

Was ich in diesen Räumen sehe

Es gibt einen Moment, den ich inzwischen erkenne, bevor er passiert.

Da sitzt jemand, der seit Jahren Prozesse verantwortet und noch nie eine Zeile Code geschrieben hat. Und auf dem Bildschirm läuft plötzlich ein Ding. Nicht die Skizze von einem Ding. Ein laufendes Ding, mit Buttons, mit Logik dahinter, mit echten Daten drin. Und diese Person guckt auf ihren eigenen Bildschirm, als hätte sie da etwas erwischt, was ihr nicht zusteht, und sagt sowas wie: „Das hätte ich früher beantragen müssen. Da hätte ich mich bei der IT oder bei Gremium XY in die Schlange stellen müssen.”

Um diesen Satz geht es mir. Das Artefakt ist fast egal. Interessant ist der Groschen, der da fällt.

Denn was diese Person gerade gemerkt hat, ist ja nicht, dass sie schneller geworden ist. Sie hat vor allem gemerkt, dass sie downstream niemanden mehr braucht, oder jedenfalls viel weniger von dem, was bisher downstream für sie erledigt wurde. Jahrelang lief das so: Idee haben, Idee aufschreiben, Idee jemandem erklären, der sie bauen kann, warten, Priorisierungsrunde oder Gremium, warten, Kompromiss, warten, und irgendwann kommt etwas zurück, das mit der ursprünglichen Idee ungefähr so viel zu tun hat wie ein Passfoto mit einem Menschen. Und jetzt hat dieselbe Person das Ding einfach gebaut. An einem Nachmittag. Sie hat den Raum gewechselt, ohne aufzustehen.

Die Energie, die dabei hochgeht, ist mit Abstand das Auffälligste und Schönste an meiner Arbeit gerade. Ich kenne wenig, was Menschen in Organisationen so schnell aufweckt.

Ich weiß, dass ich da eine Auswahl vor mir habe. In KI-Trainings, Workshops, Bootcamps sitzen selten die, die keinen Bock haben. Halten wir das fest, das wird später noch wichtig.

Das Werkzeug hat die Kategorie gewechselt

Das ist ja auch etwas anderes als noch vor zwei, drei Jahren. Damals hatten wir KI-Werkzeuge, die vor allem Text ausgeworfen haben. Und Bilder meinetwegen auch. Nette Sache. Das hat vielen Leuten das Schreiben erleichtert und einigen das Denken abgenommen, dazu habe ich hier bei #DRANBLEIBEN schon sehr viel geschrieben, zum Beispiel hier.

Was seitdem passiert ist, ist eine Verschiebung der Kategorie. Claude Cowork, Claude Code, OpenAI Codex, Lovable und was da sonst im Monatstakt aufschlägt, geben Text fast nur noch nebenbei aus. Vor allem sind diese Systeme in der Lage, Artefakte auszugeben. Anwendungen, Workflows oder Analysen, die sich selbst neu rechnen. HTML-Seiten, die den Namen kaum noch verdienen, weil da Funktionalität drinsteckt, Zustände, interaktive Elemente, Logik. Dinge, für die es vor drei Jahren ein Team gebraucht hätte und ein Quartal.

Das Werkzeug schlägt also nicht mehr nur vor. Es tut, es baut.

Und damit verschiebt sich etwas, das lange stabil war. Nämlich die kleinste Einheit, die etwas Nutzbares, etwas Neues in die Welt bringen kann. Die war jahrzehntelang ein größeres Team. Jetzt kann sie definitiv ein kleineres Team sein, manchmal nur ein einzelner Mensch.

Und da kam mir der Gedanke: Wird das die Wiederbelebung der Innovation-Labs?

Ich gebe zu, dass mich das elektrisiert hat. Weil daraus doch etwas folgen muss.

Große Unternehmen haben sich das ja lange gewünscht, zumindest auf den Vorderbühnen. Erinnerst du dich an die Innovations-Labs? Vor fünfzehn, zwanzig Jahren war das der heiße Scheiß. Jeder Konzern, der etwas auf sich hielt, hat eins gegründet. Irgendwo in Berlin, oder gleich im Valley, oder in Tel Aviv, oder in Shenzhen. Glaswände, Kicker, Post-its, Menschen mit Sneakern, die „Ideation” gesagt haben.

Und heute? Die meisten davon sind eingegangen. Leise, oft ohne Pressemitteilung. Kaum eine der überhaupt noch existierenden Einheiten hat noch die Bedeutung oder die Größe von damals.

Warum eigentlich? Meine Vermutung war lange die naheliegende. Da saßen Leute mit Ideen, die für die Umsetzung aber auch dort auf andere angewiesen waren. Auf Engineers, auf Partner, auf die IT, auf Budgets, und vor allem auf eine Linie, die oft gar keine Lust auf die ganzen Ideen und Prototypen hatte. Die Leute in den Labs konnten denken und mussten betteln.

Und genau das fällt jetzt weg.

Also dachte ich mir: Kommt da nicht gerade die Stunde? Ich meine damit keine Wiederauferstehung aus Nostalgie. Eher einen Moment, in dem der Lab-Gedanke zum ersten Mal vielleicht überhaupt richtig Sinn ergibt. Man nehme die Menschen, die für eine Sache brennen. Die Achievers, die High Potentials, die, die nach drei Tagen im Workshop nicht nach Hause wollen. Man gebe ihnen die Werkzeuge und man lasse sie machen. Diesmal richtig.

Ich habe diesen Gedanken ein paar Wochen mit mir herumgetragen und fand ihn ziemlich gut.

Nur, er hält leider nicht…

Woran die Labs wirklich starben

Die berühmteste Zahl dazu benutze ich bewusst nicht zentral. Neunzig Prozent der Labs scheitern, heißt es oft, meistens mit „laut Capgemini” davor. Ich habe die Studie gesucht. Was es gibt, ist ein Report von Altimeter und Capgemini Consulting aus dem Juli 2015, und darin zitiert der Report eine ungenannte Person mit der Schätzung, 80 bis 90 Prozent dieser Innovations-Center scheiterten. Eine Meinung am Rand einer Studie, die seitdem durch die Beratungsliteratur wandert und dabei immer sicherer wird. Belastbare Zahlen gibt es nach zehn Jahren keine. Auch das ist ein Befund.

Also konkrete Fälle. Das Lab1886 bei Daimler, gegründet 2007, zuletzt rund 180 Mitarbeitende auf drei Kontinenten. Da ist Car2Go rausgekommen, ein echter Erfolg. Allein 2018 machte die Einheit 2,5 Millionen Euro Verlust, berichtete das Handelsblatt. Ende 2020 hat Daimler sie abgegeben, und in der Mitteilung dazu steht ein bemerkenswert ehrlicher Satz. Jörg Howe, damals Kommunikationschef, sagt darin, unternehmenseigene Innovationsbereiche stießen spätestens in der Phase der Kommerzialisierung häufig „an die Grenzen der Umsetzung”. Es hat also nicht am Erfinden geklemmt. Es hat auch nicht am Bauen geklemmt. Es hat an der Stelle geklemmt, wo das fertige Ding in ein Geschäft übergehen sollte; am Anschluss.

Walmart erzählt dieselbe Geschichte mit anderem Akzent. Im Januar 2024 schloss der Konzern seinen Inkubator Store No. 8 nach sieben Jahren, mit rund 300 Mitarbeitenden. Man habe inzwischen Technologie-, Produkt- und Design-Organisationen aufgebaut, die „alongside the business” arbeiteten, an der Seite des Geschäfts, und die Verantwortung für die Zukunft des Handels sei jetzt im ganzen Unternehmen verteilt. Ein Konzern begräbt sein Lab und sagt im selben Atemzug, wo die Fähigkeit hingehört.

Die beste Gegenrede dazu hat Andrew Binns in Forbes aufgeschrieben. Ein Lab sei ohnehin kein Dauerzustand. Store No. 8 entstand, als Walmart Amazon hinterherrannte, sieben Jahre später konnte Walmart, was es können musste. Auftrag erledigt. Das kann man nicht wegwischen, vielleicht sind manche Labs gar nicht gescheitert, vielleicht waren sie fertig. Nur nennt Binns als zweite Erklärung genau die, die ich selbst im Sinn hatte. Das Lab wird zur Insel, zum Puffer zwischen dem operativen Geschäft und dem Ökosystem draußen.

Und damit ist mein schöner Gedanke tot

Ich war gestartet mit der Vermutung, die Labs seien an der Umsetzungslücke gestorben. Die Fälle sagen ziemlich einstimmig etwas anderes. Der Prototyp war selten das Problem, geliefert haben die Labs massenhaft, Demos, Piloten, Showrooms, Vorstandsbesuche. Der Engpass saß aber in der Organisation, die das Ergebnis aufnehmen muss. Mandat, Budget und vor allem jemand mit einer P&L, der oder die das Ding wirklich haben wollte.

Die neuen KI-Werkzeuge senken die Kosten also an genau der Stelle, an der es eigentlich nie geklemmt hat. Und sie machen die alte Frage sogar dringlicher, denn Artefakte entstehen jetzt schneller, als irgendein Konzern sie derzeit verdauen kann. Wer daraus schließt, er brauche wieder ein Lab, hat aus dem Scheitern der letzten Runde nichts gelernt. Er bekommt schönere Demos, und sonst nichts.

Es ist nur so, dass die zwei Räume, mit denen ich gestartet bin, damit noch nicht erklärt sind. Denn wenn die Umsetzungslücke nie das Problem war, warum um alles in der Welt sitzen dann überall so viele Leute, die beantragen müssen, was sie längst selber bauen könnten?

Die Copilot-Falle

Die naheliegende Antwort kenne ich aus meinen eigenen Terminen. Die Leute haben eben die Werkzeuge nicht. „Wir kriegen nur Copilot” höre ich in Terminen so oft, dass ich es mitsprechen könnte. Und von der anderen Seite des Flurs kommt das Echo, aus den Etagen, in denen entschieden wird: „Wir haben doch KI.”

Beide Sätze stimmen, und genau das ist die Falle. Microsoft meldete mit den Quartalszahlen im Januar 15 Millionen bezahlte Microsoft-365-Copilot-Sitze, das beste Quartal seit dem Start. Die Konzerne kaufen KI millionenfach. Nur zählt ein bezahlter Sitz, sobald die Lizenz zugewiesen ist. Ob sich da jemals jemand einloggt, sagt Microsoft nicht. Die Unternehmen kaufen Sitze, Microsoft zählt Sitze, der Erfolg wird in Sitzen gemeldet. Ob jemand mit dem Ding arbeitet, fragt in dieser Kette niemand.

Warum es vor allem in größeren Unternehmen so oft Copilot ist, erklärt die Beschaffungslogik. Ein anderer Anbieter wäre ein neuer Vertrag, eine neue Risikobewertung, ein Gang zum Betriebsrat, eine ganz neue Datenschutzfolgenabschätzung. Copilot ist mehr wie ein weiterer Haken in einem Vertrag, der sowieso läuft. Die Entscheidung, vor der ein großes Haus steht, lautet in der Praxis „Haken dran oder mehrere Monate Prozess”. Und dieser Prozess ist Fixkosten, er kostet wohl annähernd dasselbe für 100 Lizenzen wie für fünfzigtausend. Ein Bereich mit hundert Leuten, die etwas anderes bräuchten, liegt unterhalb der Auflösung, mit der eine Konzernbeschaffung sehen kann. Und ich weiß von einem Fall, wo zwei Einheiten desselben Konzerns zeitgleich zwei verschiedene KI-Systeme eingekauft haben, weil beide die Hoheit wollten. Doppeltes Geld, halbe Wirkung. Auch das ist Beschaffungsrealität, älter als jedes Sprachmodell.

Was Menschen mit KI tun können, hängt inzwischen fast vollständig an dieser Zugangsfrage. Wer ein Chatfenster mit Textausgabe hat, kann Texte verbessern. Wer Claude oder ChatGPT Enterprise im vollen Funktionsumfang hat, kann komplexeste Analysen fahren, Denkprozesse organisieren und vor allem handfeste Artefakte bauen. Wer Aggregations- oder Agent-Systeme wie Langdock oder n8n nutzen darf, kann unter den besten Frontier-Modellen wählen oder Abläufe automatisieren, die vorher ein Projektauftrag gewesen wären. Dieselbe Person, drei Zugänge, drei völlig verschiedene Wirkungsgrade. Die Wand zwischen meinen zwei Räumen besteht also vor allem aus Zugriffsrechten.

Wie einseitig die Verteilung hierzulande ist, hat der Bitkom zuletzt vermessen, erhoben 2025, veröffentlicht Anfang 2026. 28 Prozent der deutschen Unternehmen nutzen Copilot, Claude nutzen 2 Prozent. In den USA zahlte nach Ausgabendaten von Ramp Anfang 2026 bereits jedes vierte Unternehmen für Anthropic-Dienste, im April überholte Anthropic dort erstmals OpenAI bei den zahlenden Firmenkunden. Die Erhebungen messen Verschiedenes, Befragung hier, Zahlungsverhalten dort, und die deutsche Zahl ist die ältere. Aber einen Abstand dieser Größenordnung erklärt weder die Methodik noch der Zeitversatz weg. Und die frischeren Zahlen bestätigen das Muster eher, als dass sie es entkräften. In der Bitkom-Bevölkerungsbefragung vom Frühjahr 2026 liegt Claude bei 5 Prozent, und eine Erhebung von Splendid Research vom Juli zeigt, wo die Nutzung stattdessen sitzt, in der Gruppe der fortgeschrittenen Nutzer*innen ist Claude mit knapp 20 Prozent stark überrepräsentiert. Das Werkzeug der Wahl der einen ist das Randphänomen der anderen.

Dabei kann unter der Copilot-Haube inzwischen sogar Claude stecken. Microsoft hat Anthropic-Modelle in Copilot integriert, für die meisten europäischen Kunden sind sie allerdings ab Werk abgeschaltet, weil die Verarbeitung außerhalb der zugesicherten europäischen Datenräume läuft; wer sie will, muss sie aktiv freischalten und dabei nicht triviale Governance- und Compliance-Arbeit machen. Ich erwähne das weniger wegen der Details als wegen der Einsicht dahinter. Welches Modell unter der Haube steckt, ist gar nicht der Punkt. Der Punkt ist das System drumherum, das bestimmt, was das Modell darf.

Um zu verstehen, was mit dem System drumherum gemeint ist, hilft ein Begriff, den Anthropic in der eigenen Dokumentation selbst benutzt. Das Unternehmen beschreibt sein Werkzeug Claude Code als agentische Harness um das Modell herum. Harness heißt wörtlich Geschirr, wie bei einem Zugpferd, und das Bild ist präziser, als es zunächst klingt. Ein Sprachmodell allein kann genau eine Sache. Es nimmt Text entgegen und gibt Text zurück. Es hat, salopp gesagt, keine Hände. Die Harness gibt ihm welche. Sie verbindet das Modell mit Werkzeugen, hält den Arbeitskontext zusammen und stellt die Umgebung bereit, in der es Dinge tatsächlich ausführen kann. Erst dieses Drumherum macht aus einem Sprachmodell einen fähigen Agenten.

Dieser Agent arbeitet dann zum Beispiel mit den Dateien des Projekts, die er lesen und verändern kann. Und mit der Kommandozeile des Rechners; was man selbst von dort ausführen kann, kann Claude auch. Programme starten, Daten verschieben, Abläufe anstoßen. Und weil das so weit reicht, ist die Kontrolle gleich mit eingebaut. Claude Code fragt in der Grundeinstellung um Erlaubnis, bevor es Dateien verändert oder Befehle ausführt, und über Regeln lässt sich festlegen, was ohne Rückfrage erlaubt ist und was nie. Diese Regeln reichen von der persönlichen Einstellung bis zur konzernweiten Vorgabe.

Spätestens hier wird aus einem Produktdetail eine Organisationsfrage. Die Harness ist die Erlaubnis, und zwar wörtlich, als konfigurierbares Regelwerk. Ein Geschirr spannt das Pferd vor den Wagen und hält es zugleich in der Spur, beides in einem. Daten lesen, Daten schreiben, Abläufe anstoßen, jede dieser Fähigkeiten ist etwas, das ein Konzern in zwanzig Jahren aus nicht guten, aber nachvollziehbaren Gründen hinter Berechtigungen, Freigaben und Systemgrenzen weggeschlossen hat. Ein Konzern, der solche Systeme einführt, verhandelt deshalb in Wahrheit seine eigene Berechtigungsarchitektur neu. Wer diese Erlaubnisfrage vertagt, bekommt auch vom besten Modell nur die harmlose Version, die alles vorschlagen und nichts anfassen darf. Auch das beste System wäre dann nur ein besseres Hilfsmittelchen.

Damit lässt sich die Copilot-Klammer schließen. Die agentische Stufe hat Microsoft nämlich längst im Angebot. Sie heißt Copilot Studio, dort lassen sich eigene Agenten bauen, inzwischen wahlweise auch mit Anthropic-Modellen darunter. Nur gehört diese Stufe eben gerade nicht zum Haken im Rahmenvertrag. Sie wird nach Verbrauch abgerechnet, zusätzlich zum Sitzpreis, und sie wirft exakt die Fragen auf, die der Haken-dran-Kauf vermeiden sollte. Wer darf Agenten bauen, auf welchen Daten, mit welchen Berechtigungen, wer trägt den Verbrauch. In meinen Terminen begegnet mir jedenfalls kaum ein Haus, das diese Stufe in der Breite nutzt. Der Copilot, den die Leute meinen, wenn sie „wir haben doch KI” sagen, ist die harmlose Stufe darunter. Genau das ist die Falle. Der Haken im Rahmenvertrag fühlt sich an wie eine KI-Entscheidung, dabei ist er die bequemste Art, wichtige KI-Entscheidungen zu vertagen. Was sollen die Systeme dürfen, wer bekommt sie, was ist uns das wert? Solange diese Fragen offen sind, reicht „irgendwie Copilot” nicht. Und zwar bei jedem Anbieter, Microsoft kann da am wenigsten dafür.

Und hier kippt die Zugangsfrage in etwas Größeres. Wenn die kleinste bauende Einheit ein Mensch ist, dann entscheidet die Freigabe eines Werkzeugs darüber, wer im Unternehmen bauen kann und wer beantragen muss. Die Tool-Freigabe wird somit gar zur stillen und wirksamen Personalauswahl im Unternehmen, getroffen von Leuten, die glauben, sie entscheiden über Lizenzen. Wer solche Zugänge vergibt, betreibt also de facto auch Personalentwicklung. Ob er oder sie es weiß oder nicht.

Bleibt die Frage, warum das so wenige merken. Ich glaube, weil viele, die über den Zugang entscheiden, die Capability-Obergrenze nie gesehen haben. Wer die Beschaffung von KI-Werkzeugen heute verantwortet, kennt oft nur das Chatfenster, und aus dem Chatfenster wird auf die Technologie als ganzes geschlossen. Wenn das einzige Werkzeug, das man selbst nutzt, mittelmäßig ist, wird KI für mittelmäßig gehalten, und die Investitionszurückhaltung erscheint dann sogar als Vernunft. Hier schließt sich ein Kreis. Die Erfahrung, die man bräuchte, um die eigene Entscheidung zu beurteilen, wird durch genau diese Entscheidung verhindert. Das ist eine Urteilskraftlücke, angewendet auf die Beschaffung. Urteilskraft über KI setzt Erfahrung an der Fähigkeitsgrenze voraus. Wer nur die stumpfe Version kennt, hat keine Datengrundlage für das eigene Urteil und merkt es nicht.

Deshalb ist das Selbst-Bauen keine Spielerei für Enthusiast*innen. Es ist an der richtigen Stelle auch die Voraussetzung dafür, überhaupt gute Zugriffs- und Beschaffungsentscheidungen treffen zu können.

Die Verlockung zu warten

Nun könnte man einwenden, dass sich das Problem von selbst erledigt. Zwei Entwicklungen scheinen dafür zu sprechen, und beide sind real.

Die erste ist der verdunstende Vorsprung der Frontier-KI-Modelle. Epoch AI verfolgt den Abstand zwischen den besten offenen Modellen und der geschlossenen Spitze. Seit Januar liegt er im Schnitt bei nur vier Monaten. Was heute nur im teuersten Frontier-Modell steckt, steckt wenige Monate später in Modellen, die man herunterladen und selbst betreiben kann. Da liegt der Gedanke nahe, dann warten wir eben, bis das Gute billig ist.

Wie schnell sich diese Lücke gerade schließt, konnte man in dieser Woche beobachten. Das Pekinger Labor Moonshot AI stellte mit Kimi K3 ein Modell vor, das in mehreren unabhängigen Tests in unmittelbarer Nähe der besten geschlossenen Modelle landet, beim agentischen Coding in einzelnen Blindvergleichen sogar vor ihnen. Die Veröffentlichung der Modellgewichte ist für Ende Juli angekündigt. Die üblichen Vorsichtsmarker gelten, die Benchmarks sind frisch, der technische Bericht fehlt noch, und angekündigte Gewichte sind noch keine veröffentlichten. Aber die Richtung ist unübersehbar. Die amerikanischen Labs haben weiterhin die stärksten Gesamtmodelle. Die Fähigkeit, Frontier-Niveau zu erreichen, haben sie nicht mehr exklusiv.

Die zweite ist die Kostenexplosion an der Spitze. Die Sitz-Ära, in der der Lizenzpreis zugleich die Obergrenze war, endet gerade oder tritt gerade in einer andere Phase. Agentische Systeme rechnen nach Verbrauch ab, und Verbrauch hat keine eingebaute Decke, ein einziger Auftrag kann im Hintergrund eine Vielzahl von Modellaufrufen auslösen. Wie unangenehm das wird, hat Microsoft selbst vorgeführt und eigenen Entwicklern die Lizenzen für Claude Code gestrichen, zu teuer. Zuerst berichtet hat das The Verge, aufgegriffen haben es viele, auch das Handelsblatt. Ein Konzern nimmt seinen Leuten ein Werkzeug weg, weil sie zu viel damit arbeiten. Sam Altman räumte auf OpenAIs Kundenevent ein, die Kostenfrage habe sich binnen Monaten „zu einem riesigen Problem entwickelt”. Die Beratung KPMG hat im Frühjahr mehr als 2.100 Führungskräfte in 20 Ländern befragt. 42 Prozent haben nur teilweisen Einblick, wohin ihr KI-Geld fließt, während Organisationen mit Kostentransparenz fünfmal häufiger von belegtem Return berichten. Und Rob Hornby von AlixPartners rechnet im genannten Handelsblatt-Artikel vor, ein Agent auf Spitzenmodell-Basis koste für mittlere Büroaufgaben aufs Jahr mehr als eine menschliche Vollzeitkraft in einem Niedriglohnland.

Ich nenne diese Gemengelage die Frontier-Schere. Das eine Scherenblatt ist der Preis der Spitze, und der läuft nach oben. Das andere ist ihr Vorsprung vor den um Längen günstigeren Open-Weight-Modellen, und der ist auf wenige Monate geschrumpft. Man könnte den Aufpreis für die Spitze deshalb auch den Frischeaufschlag nennen, Höchstpreis für eine Ware, die in vier Monaten im normalen Regal liegt. Je weiter sich die Schere öffnet, desto schwerer lässt sich der Griff zur Spitze begründen. Wer soll da noch guten Gewissens Frontier einkaufen?

Der Tech-Analyst Benedict Evans denkt diese Bewegung konsequent zu Ende. Seine Frage lautet, ob das KI-Modell irgendwann das ganze Produkt sein kann oder ob es ein Stück Infrastruktur bleibt, mit dem andere das eigentliche Produkt bauen. Jede derzeit erkennbare Dynamik, schreibt er, deute auf margenschwache Commodity-Infrastruktur mit der Wertschöpfung obendrauf. Wobei er ehrlich genug ist dazuzusagen, dass einige seiner historischen Analogien, die er in diesem Kontext bemüht (z.B. Mobilfunknetze, Breitband-Internet) keine Beweiskraft haben. Vielleicht reichen also für 99 Prozent selbst anspruchsvoller Aufgaben bald sehr günstige Modelle.

Ist es dann am Ende gar nicht so schlimm, dass deutsche Konzerne so langsam sind?

Doch. Und zwar, weil die Warten-Logik zwei sehr verschiedene Preise verwechselt. Der Modellrückstand kostet vier Monate und heilt beim nächsten Einkauf von selbst. Der Organisationsrückstand kostet Jahre, und er wächst beim Warten, weil Urteilskraft Erfahrung an der Fähigkeitsgrenze voraussetzt und diese Erfahrung sich anders als ein Modell-Update nicht nachliefern lässt. Sollten die Modelle wirklich zur Commodity werden, verschärft das die Lage sogar. Dann kann sich bald jede Organisation dieselbe Intelligenz leisten, und der einzige Unterschied, der übrig bleibt, ist, was sie daraus macht. Erlaubnisse, Rollen, Mandate, Urteilskraft. Das Zeug, das man nicht herunterladen kann.

Der Vollständigkeit halber die Bedingung, unter der dieses Argument kippen würde. Kämen Harness-Fähigkeiten eines Tages als schlüsselfertige Produkte, die keine Erlaubnis-, Rollen- und Machtentscheidungen mehr verlangen, wäre der Organisationsrückstand kaufbar. Danach sieht es derzeit nirgends aus. Im Gegenteil, je fähiger die Systeme, desto härter stellt sich die Frage, was sie dürfen sollen.

Zwei Dinge noch, bevor ich zur Antwort auf die Ursprungsfrage komme.

Erstens die Abhängigkeit über allem. Die besten Modelle hängen auch an geopolitischen Entscheidungen und können von einem Tag auf den anderen gesperrt oder gedrosselt werden. Wir haben in diesem Jahr erlebt, wie schnell das geht. Erst wurde von heute auf morgen der Stecker gezogen, danach kam der Zugang gestaffelt zurück, zuerst für einen kleinen Kreis kritischer US-Organisationen, nach gut zwei Wochen für alle. Und wir sehen am Horizont, was noch kommen könnte, wenn wir nach China blicken. Wer alles auf einen eingekauften Zugang baut, kontrolliert weder den Preis noch den Stecker.

Zweitens die Verteilungsfrage, und die hat es in sich. Wenn Nutzung nach Verbrauch kostet, wird aus „Rollout an alle” eine echte Entscheidung. Wer bekommt wie viel, nach welchem Kriterium? Das klingt nach einer Einkaufsfrage, ist aber keine mehr. Sobald die KI-Compute-Kosten einzelner Mitarbeitender zu ernsthaften Budgetposten werden, wird aus der Software-Lizenz faktisch ein Investitionsbudget, das an einer Person hängt. Damit rückt die Verteilung in dieselbe Kategorie wie die Vergabe von Headcount oder Projektbudgets, und sie verlangt dieselbe Führungsarbeit. Kriterien, die man aussprechen und begründen kann. Ein Urteil darüber, an welchen Stellen teure Fähigkeiten Wert erzeugen. Die Bereitschaft, nachzusteuern, wenn man danebenlag. Und Wachsamkeit gegenüber der bequemsten Fehlverteilung, bei der Zugriff dem Status folgt und der Lautstärke.

Und damit zu jemandem, der genau diese Führungsarbeit gerade sehr konkret durchdenkt.

Einer, der die Einheit ändert

Wie es aussieht, wenn jemand diese Fragen ernst nimmt, konnte man vor Kurzem in Lennys Podcast hören. Adam Mosseri, Chef von Instagram, beschreibt dort nüchtern, was KI bei ihm mit der Teamstruktur macht.

Das kanonische Produktteam eines großen Tech-Konzerns bestand bislang aus rund einem Dutzend Leuten. Zwei, drei Engineers je Plattform, dazu Produktmanagement, Design, Data Science, Research. Instagram baut das seit diesem Jahr um, in sogenannte Pods. Kleine Einheiten mit vier bis sechs Engineers, die breiter arbeiten als früher, dazu eine neue Rolle namens Product Staff, eine Weiterentwicklung des Produktmanagers, der mit den neuen Werkzeugen Teile von Design, Datenanalyse und Research gleich mit erledigt. Der Kern schrumpft von ungefähr dreizehn auf sechs oder sieben. Spezialist*innen kommen dazu, wenn die Aufgabe sie verlangt. Mosseri erwartet die stärksten Leute in dieser Rolle künftig aus Design und Data Science.

Man kann das für eine Personalie halten. Ich lese es als das genaue Gegenstück zum altbackenen Lizenz-Rollout-Denken in Good Old Germany. Mosseri verändert die Einheit, den Zuschnitt der Rollen und die Verantwortung, und die Werkzeuge ziehen in eine umgebaute Organisation ein. Das Lizenz-Rollout-Denken macht es in umgekehrter Reihenfolge. Es verteilt Werkzeuge und hofft, dass sich die Organisation von selbst umbaut.

Bei den Kosten dieselbe Nüchternheit. Meta war intern bekannt für eine Rangliste, wer am meisten Tokens verbraucht. Ein Mitarbeiter hatte sie gebaut, im April wurde sie nach einem Leak abgeschaltet. Mosseri hält von solchen Ranglisten nichts. Es sei nicht schwer, einen Token-Verbrennungsofen zu bauen, sagt er sinngemäß, und sobald man Dollars rein gegen Wert raus rechne, erledigten sich viele Spielereien von selbst. Das ist, von der anderen Seite erzählt, was ich bei #DRANBLEIBEN im Gender AI Gap Deep-Dive KI-Statusperformanz genannt habe. Verbrauch und Prahlen beweist nichts.

Interessant wird es bei den Grenzen. Aktuell gebe es bei Instagram keine Token-Limits für Engineers. Das werde vermutlich kommen, denn Mosseri rechnet damit, dass in ein bis zwei Jahren die Rechenkosten einer starken Entwicklerin in der Größenordnung ihres Gehalts liegen könnten. Und wenn Grenzen kommen, dann, so sein Bild, proportional zum Vertrauen des Unternehmens in die Fähigkeit der Einzelnen, aus dem Verbrauch Wert zu machen. Wohlgemerkt, das ist sein Zukunftsentwurf, keine heutige Praxis. Aber die Logik lohnt das Festhalten. Das Compute-Budget wird zur Personalentscheidung. Genau die Verteilungsfrage von eben, beantwortet als Führungsentscheidung.

Und so weit weg könnte diese Zukunft gar nicht sein. Bryan Catanzaro, bei Nvidia für angewandtes Deep Learning zuständig, sagte Axios im April, für sein Team lägen die Rechenkosten inzwischen weit über den Personalkosten. Wörtlich, die Kosten für Compute lägen weit jenseits der Kosten für die Mitarbeitenden. Wobei man dazusagen muss, dass sein Team ungefähr der rechenintensivste Arbeitsplatz ist, den man sich vorstellen kann. Ein Deep-Learning-Team bei einem Chipkonzern fährt permanent Trainingslasten, an denen eine normale Entwicklerin in einem Produktteam nicht ansatzweise kratzt. Was bei Catanzaro schon Gegenwart ist, bleibt für die meisten anderen genau das, was Mosseri beschreibt. Eine Prognose auf ein, zwei Jahre. Der Punkt hält trotzdem. Denn er zeigt, dass Mosseris Rechnung keine Spekulation ist. Es gibt den Ort schon, an dem die Maschine mehr kostet als der Mensch, der sie bedient. Er liegt nur noch am äußersten Rand. Die Frage ist, wie schnell der Rand zur Mitte wandert.

Und dann ist da noch etwas, das in dem Gespräch fehlt, und dieses Fehlen ist eine späte Antwort auf meine Lab-Frage vom Anfang. In anderthalb Stunden über KI, Teams, Rollen und Kosten kommt kein Innovation Lab vor. Kein Sonderbereich, kein geschützter Raum, in den die neue Fähigkeit ausgelagert würde. Fairerweise, gefragt hat ihn danach auch niemand, und ein Schweigen ist kein Beweis. Aber es fällt auf, dass jemand, der seine Organisation gerade um diese Technologie herum umbaut, dafür keinen neuen Ort braucht. Er baut die Orte um, die es schon gibt.

Eine Einschränkung gehört dazu. Instagram ist ein Tech-Konzern, da sitzen Engineers in jeder Einheit, und die Werkzeuge treffen auf Leute, die ein Terminal nicht fürchten. Ein Fachbereich in einem deutschen Konzern ist eine andere Welt, und wer Mosseris Umbau als Blaupause verkauft, macht wohl eher denselben Fehler wie die Lab-Berater von 2010, nur mit neuem Vokabular. Übertragen lässt sich das Prinzip: Er ändert die Einheit, den Rollenzuschnitt, die Budgetlogik. Er ändert das Betriebssystem.

Was Führung jetzt entscheiden muss

Ziehen wir zusammen, was sich in einer großen, in einer vor allem traditionellen Organisation hier in den Weg stellt. Entscheider*innen, die die Obergrenze von AI-Capabilities nie selbst erlebt haben. Eine Commodity-Erwartung, die vielleicht sogar zutrifft und trotzdem zum falschen Schluss verführt, nämlich zum Warten. Eine Kostendynamik, die verunsichert. Beschaffungs- und Governance-Prozesse, die in Monaten rechnen, wo die Technologie in Wochen rechnet. Ein über viele, viele Jahre gewachsenes Corporate-Betriebssystem aus Berechtigungen, Vorderbühnen-Claims und realen Machtstrukturen, das ins Wanken gerät, wenn plötzlich jede*r bauen kann. Und darüber die übliche Silo-Lähmung mit Zuständigkeitsgerangel und Abstiegsängsten. Sechs Hürden, die ineinandergreifen. Auffällig ist, was in dieser Liste fehlt. Motivation und Lernfähigkeit der Mitarbeitenden kommen nicht vor, und das ist kein Versehen. An ihnen scheitert es in meinen Workshops nie.

Wer angesichts dieser Hürden ein Lab gründet, weil die Werkzeuge so gut geworden sind, wiederholt den alten Fehler mit besserer Ausstattung. Wer Lizenzen ausrollt und auf Wandel wartet, begeht denselben Fehler in der Massenvariante. Beide parken die Fähigkeit an einer Adresse ohne Mandat. Der eine in einem Gebäude mit Kicker, der andere in einem KI-Lizenzpaket. Das Lab war immer der Versuch, den Bau-Raum als Gebäude zu errichten. Die Wand zwischen den Räumen besteht aber aus Erlaubnissen, und gegen Erlaubnisse hilft keine Architektur. Die Antwort liegt im Umbau der Linie selbst, dort, wo Wertschöpfung entsteht. Und zwar mit der unbequemen Frage, durch wen sie künftig entsteht und mit welcher Haltung. Ein Lab kommt darin nicht vor.

Wie dringend das ist, zeigen die, die schon nicht mehr warten. Ich habe Konzern-Mitarbeitende erlebt, die noch während KI-Workshops oder -Bootcamps ein privates Claude-Pro oder -Max Abo abgeschlossen haben, mit einer Begründung, die ich seitdem öfter höre. Wenn mir mein Arbeitgeber das nicht unkompliziert zur Verfügung stellt, dann hole ich es mir eben selbst, ich brauche das für meine eigene Wirksamkeit und Zukunftsfähigkeit. Die Zahlen dazu liefert Thomson Reuters im Future of Professionals Report 2026, einer Befragung von 1.816 Fachleuten aus Recht, Steuern, Audit und Compliance in 62 Ländern. 34 Prozent nutzen KI, die ihre Organisation nie freigegeben hat, unsichtbar und an allen Richtlinien vorbei. 24 Prozent erwägen, innerhalb von zwei Jahren eine Position zu verlassen, die ihr KI-Potenzial begrenzt, bei Wiederbesetzungskosten von durchschnittlich 232.000 Dollar.

Ich hatte am Anfang festgehalten, dass in meinen Workshops eine Auswahl sitzt, selten die ohne Bock. Von genau dieser Auswahl handeln diese Zahlen. Wer bauen kann und nicht darf, sucht sich einen Weg, im Verborgenen oder zur Tür hinaus. Und es gehen zuerst die, die man am wenigsten verlieren will.

Was also tun? Ich versuche es pointiert, im Wissen, dass jede Organisation anders ist.

Budgethoheit dorthin, wo gebaut wird. Auch unterhalb der Auflösung des Zentraleinkaufs. Ein Bereich, der zwanzig Zugänge zu einem besseren System braucht, muss sie beschaffen können, ohne einen völlig überbordenden Konzernprozess auszulösen.

Die Erlaubnisfrage wirklich entscheiden. Welche Systeme dürfen was ausführen, auf welchen Daten, mit welchen Grenzen. Das ist unbequem, weil Sicherheits- und Mitbestimmungsfragen daran hängen, und genau deshalb gehört der Betriebsrat früh an den Tisch, als Mitgestalter. Als vorgeschobenes Veto taugt er nicht länger.

Einheiten und Rollen anfassen. Kleinere Kerne, breitere Rollen, Spezialist*innen nach Bedarf, wie Mosseri es vormacht. Das kostet Besitzstände, und es braucht Führung, die das ausspricht und aushält, auch dort, wo alte Zöpfe fallen müssen.

Verbrauch als Führungsgröße behandeln. Compute-Budgets, die einem ausgesprochenen Urteil folgen, gekoppelt an sichtbaren Wert. Keine Ranglisten, kein Verbrauchstheater, kein reflexhaftes Deckeln nach der ersten erschreckenden Rechnung.

Tool-Zugang als Personalentscheidung behandeln. Wenn die Freigabe darüber entscheidet, wer bauen kann, gehört sie in dieselbe Sorgfaltsklasse wie Beförderungen. Und in die Verantwortung von Leuten, die KI-Frontier-Capabilities selbst erlebt haben.

Das Revierverhalten benennen. Gelungene Piloten, Projekte und Communities werden in vielen Häusern einkassiert oder dem Dümpeln überlassen, je nachdem, wessen Name oder Logo draufsteht. KI-Events finden statt, damit sie stattfinden, mit Orga-Teams, die vor allem deshalb wachsen, weil noch jemand sein Gesicht in die Kameras von Corporate Comms halten will. Wer führen will, klärt ein Mandat, führt Erfolge zusammen und beendet die Selbstbespiegelung. Kleine Brötchen, solange man sie nur selbst backt, sind keine gelungene KI-Strategie.

Die Gegenrede kenne ich, und sie ist ernst zu nehmen. Die Linie ist der Ort, an dem das Dringende das Wichtige frisst. Genau dagegen wurden die Labs erfunden. Das Risiko ist real. Ich bleibe trotzdem bei der Antwort, denn der Schutzraum hat das Problem nur verschoben, und am Ende der Verschiebung wartete der Anschluss, an dem alles hing. Eine Fähigkeit, die im Tagesgeschäft ersticken kann, ist wenigstens am richtigen Ort, und um Luft für sie kann man kämpfen. Eine Fähigkeit ohne Anschluss ist am falschen Ort, egal wie gut man sie schützt.

Eine Ausnahme räume ich ein. Es gibt Organisationen, in denen die Linie so gelähmt ist, so vernarbt von Reorganisationen und so trainiert im Verhindern, dass dort auf absehbare Zeit nichts wachsen kann. Wer in so einem Haus etwas bewegen will, für den kann eine eigene, neue Einheit tatsächlich der einzige gangbare Weg sein. Dann aber bitte als Zweckbau mit drei Eigenschaften, an deren Fehlen die alten Labs gestorben sind. Sie hängt vom ersten Tag an einem echten Geschäftsproblem mit einer P&L dahinter. Sie hat ein Rückführungsdatum, an dem Menschen, Gelerntes und Gebautes in die Linie übergehen, und dieses Datum steht im Gründungsdokument. Und gemessen wird sie am Anschluss. Demos zählen nicht. So verstanden ist die neue Einheit ein Vorposten der Linie, mit Rückfahrkarte.

Ein Eingeständnis gehört auch dazu. Ich kann kein deutsches Großunternehmen nennen (weder selbst erlebt, noch zugetragen aus meinem Netzwerk, noch öffentlich via PR bekannt), das diesen Umbau schon vorbildlich geschafft hätte. Mosseri führt einen Tech-Konzern, die Übertragung auf deutsche Konzernverhältnisse ist herausfordernd bis nicht möglich. Die Firmen, mit denen ich arbeite, sind mittendrin, keines ist durch. Nur wäre es das falsche Eingeständnis, daraus Ratlosigkeit zu machen. Die Richtung ist klar, und die ersten Entscheidungen liegen auf dem Tisch, ich habe sie gerade aufgezählt.

Mir ist dabei sehr bewusst, was ich hier von großen Organisationen verlange. Die Herausforderungen, die KI an sie stellt, sind ein wirklich dickes Brett, und die inneren Zielkonflikte, die ich in diesem Text herausgearbeitet habe, legen genau das nahe. Eine Beschaffung, die Sicherheit garantieren soll und dabei Geschwindigkeit kostet. Eine Erlaubnisarchitektur, die aus guten Gründen gewachsen ist und jetzt im Weg steht. Verbrauchskosten, die Disziplin verlangen, ohne dass Disziplin in Angststarre kippen darf. Machtstrukturen, die sich ändern müssten, und zwar durch Entscheidungen genau der Menschen, deren Position an ihnen hängt. So ein Brett bohrt niemand in einem Quartal, und wer bohrt, wird zwischendurch auch danebenbohren.

Und das sind ja nicht einmal alle Bretter mit denen wir es bei KI zu tun haben. Weitere sehr wichtige habe ich in dieser Ausgabe bewusst nur gestreift, obwohl sie mich in der Praxis täglich beschäftigen. KI-Einführung ist Kulturarbeit, für alle im Haus. Es reicht eben nicht, die richtigen Leute mit den richtigen Werkzeugen auszustatten, begleitet werden müssen alle, in einem Tempo und mit einer Führung, die zur jeweiligen KI-Reise passt. Und wer seine Leistungsträger*innen mit der stärksten verfügbaren KI-Umgebung ausstattet, holt sich sofort ein neues Führungsthema ins Haus, die davongaloppierende Arbeitsverdichtung und kognitive Dichte, die aktiv im Blick behalten und geführt werden müssen. Beides ist eigene Ausgaben wert. Über das zweite spreche ich übrigens am 7. August in einem Lunch & Learn: Unter Strom: Warum KI erschöpft, was sie entlasten soll. Und was Führung dagegen tun kann. Hier geht es zur Anmeldung:

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt

Die kleinste Einheit, die etwas Neues in die Welt bringen kann, ist geschrumpft, von einem großen Team auf ein deutlich kleineres Team und in manchen Situationen auch vielleicht nur einen Menschen. Das ist real, ich sehe es oft auf Bildschirmen von Leuten, die nie eine Zeile Code geschrieben haben. Die Organisationen beantworten diese Verschiebung bisher mit den zwei Reflexen, die sie kennen. Sonderraum oder Rollout mit einem Standard-KI-Tool von der Stange. Beide gehen an der Sache vorbei, weil die Verschiebung eine Frage stellt, die weder ein Raum noch eine Lizenz beantworten kann. Die Frage nach Mandat, Budget und Urteilskraft.

Bleibt die Frage, wie es weitergeht. Ich sehe zwei Szenarien. Im ersten bleiben die Spitzenfähigkeiten dauerhaft teuer, und dann müssen Organisationen lernen, große Compute-Budgets so sorgfältig zu vergeben wie Headcount, mit allem, was das für Führungsstrukturen und Führungsstile bedeutet. Im zweiten löst sich der Druck wieder auf, weil offene Modelle für fast alle Aufgaben gut genug und günstig zu betreiben sind. Meine Wette liegt auf dem zweiten Szenario. Die Nachrichtenlage dieser Woche hat sie nicht schlechter gemacht. Nur ändert das an der Hausaufgabe erstaunlich wenig. Die Fragen, die die Verbrauchskosten gerade erzwingen, wem vertraue ich welche Fähigkeiten an, woran erkenne ich Wert, wie führe ich Menschen, die plötzlich bauen können, sind keine Kostenfragen. Die Kosten haben sie nur sichtbar gemacht. Sich um Vertrauens- und Leistungskultur zu kümmern, hat noch keiner Organisation geschadet. Ich muss dabei an den berühmten Klima-Cartoon von Joel Pett denken, in dem einer auf dem Klimagipfel fragt: Was, wenn das alles ein Schwindel ist und wir völlig umsonst eine bessere Welt erschaffen?

Was mir Zuversicht gibt, sind die Inseln des Gelingens, die ich in fast jedem Haus finde. Eine Abteilung, in der jemand baut, und eine Chefin, die es deckt. Ein Team, das sich ein eigenes kleines Budget erkämpft hat. Menschen, die längst bauen, bevor irgendjemand es ihnen erlaubt hat. Mein Rat dazu ist schlicht, und er ist ausdrücklich Haltung, keine belegte Best Practice. Sucht diese Inseln in eurer Organisation. Schützt sie. Gebt ihnen Mandat und Budget, und erst danach eine Bühne. Der Mut dafür ist kleiner als der, den ein Lab-Neubau gekostet hätte, und er wirkt an der richtigen Stelle.

Und deshalb zum Schluss die Frage an dich: Wo ist bei dir so eine Insel? Wer baut da gerade etwas, vielleicht halb im Verborgenen? Und was würde passieren, wenn diese Person morgen offiziell das beste Werkzeug bekäme?

Bist du vielleicht diese Person? Willst du sie sein? DAnn bleib’ du mit dran!

Herzliche Grüße

André

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ — das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

🎙 #DRANBLEIBEN – Wie bauen wir unsere gute Zukunft? 🚀

Nach einer Pause geht weiter mit dem Podcast, inklusive eines optischem Makeovers und einer Schärfung der Positionierung. Ich will noch besser verstehen und der Frage nachgehen, wie wir unsere Zukunft denken, beeinflussen und bauen können, so dass sie gut wird. Dazu habe ich einen Gast, den ich mir schon lange gewünscht habe.

🔎 Podcast-Folge 9: Wie wird Business wieder schön, Tim Leberecht?

Mein Gast: Tim Leberecht, Co-Founder House of Beautiful Business und Business Romantiker | LinkedIn Profil

Gerade stellen die großen KI-Labore Philosoph*innen ein. Der Economist schreibt von einer Abwanderung aus den Philosophie-Fakultäten, und in den USA haben Philosophie-Absolvent*innen inzwischen eine niedrigere Arbeitslosenquote als Informatik-Studierende. Philosophie ist plötzlich a thing in AI.

Da dachte ich mir, dann hole ich mir jemanden in meinen Podcast, der genau darüber schon nachdenkt, seit es noch niemanden interessiert hat. Und der neulich sogar ein Philosophy Speed Dating organisiert hat.

Ich freue mich sehr, hierüber ausgiebig mit Tim Leberecht zu sprechen. Als ich 2017 durch Zufall auf sein Buch „Der Business Romantiker“ gestoßen bin, war das für mich der Beginn davon, wirklich bewusst und anders darüber nachzudenken, was mir bei der Suche nach Erfüllung im beruflichen Kontext eigentlich wichtig ist. Die Haltung des House of Beautiful Business ist für mich nicht nur ein wichtiger Impuls für eine menschenzentriertere und unbedingt erforderliche Art des Wirtschaftens. Sie ist gerade in KI-Zeiten eine meiner wichtigsten Quellen für Impulse.

Am stärksten fand ich, wie offen Tim seine eigene emotionale Reise erzählt. Er ist mit einem leisen Schwanengesang im Kopf zum zehnjährigen World Beautiful Business Forum nach Athen gefahren. Mit dem Gefühl, das „Endspiel“ für uns Menschen sei in Sicht. Herausgekommen ist er mit Hoffnung. Weil die Menschen dort die KI-Experimente ziemlich kaltgelassen haben und sie sich stattdessen füreinander begeistert haben. Für das Gespräch, die Nähe, das gemeinsame Nachdenken.

Wir sprechen über Beautiful Business und wen es erreicht, ehrlicherweise auch darüber, wen nicht. Über Vollendung als Verführung. Über Reibung statt Konvergenz. Und darüber, warum eigenständiges Denken für Tim die killer app ist.

Highlights dieser Folge:

• ✅ Was Beautiful Business eigentlich ist… und warum die Idee in Zeiten von KI und Effizienzdruck dringlicher und zugleich schwerer zu verteidigen wird

• ✅ Warum eigenständiges Denken die eigentliche menschliche Stärke ist… und was die MIT-Forschung zu cognitive debt damit zu tun hat

• ✅ Vollendung als Verführung… weshalb die glatte, fertige Antwort das Unfertige verdrängt, aus dem Neues erst entsteht

• ✅ Reibung statt Konvergenz… warum die großen Ideen aus Widerspruch, schwachen Verbindungen und Bauchgefühl kommen

• ✅ Arbeit als Ort von Sinn, Zugehörigkeit und sogar Trauer… wenn die Routinearbeit zunehmend an die Maschine geht

• ✅ Was enden muss und was Hoffnung macht… von der maskulinen Tech-Gewinnerkultur bis zu Kunst, Vorstellungskraft und echter Nähe

Direkt hier bei Substack hören oder bei Spotify:

… oder bei 🍏 Apple Podcasts oder auf allen anderen wichtigen Podcast-Plattformen.

Weitere Links und Referenzen aus dem Gespräch:

• House of Beautiful Business

• Tims Essay „Be a Philosopher (or Speed Date One)“

• World Beautiful Business Forum Athen 2026

• Tims Buch „Business-Romantiker: Von der Sehnsucht nach einem anderen Wirtschaftsleben“

• Bajo Akomolafe, Posthumanist Philosopher

• Text von L.M. Sacasas: AI Is Not Conscious, But It Is Becoming Our Unconscious

• MIT Studie: Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task

• Andrew McAffee / Eric Brynjolfsson - Das “Dull, Dirty, Dangerous” (and “Dear”) Framework; aus dem Buch: Machine, Platform, Crowd

• Memes „Me being left behind by AI“

• David Graeber, Buch: Bullshit Jobs

• Kritisch-ironischer Text zu KI: „Please use AI“.

• Bissiger Text zu KI: „I Am An AI Hater“

• Sonar Ausstellung Barcelona 2026

• Gender AI Gap: Über den Gender AI Gap, KI-Geprahle und die Frage, welche Art von KI-Nutzung wir eigentlich belohnen

🎧 Dir gefällt der #DRANBLEIBEN Podcast?

Dann abonniere ihn, hinterlasse mir gerne eine gute Bewertung und teile die Folge. Damit noch mehr Menschen über unsere Zukunftsoptionen nachdenken können.

🗣️ Du willst mitdiskutieren?

Dann folge mir auf LinkedIn, Substack, Instagram, Bluesky oder Mastodon… überall unter dem Handle @TheAndreCramer.

Bleib‘ kritisch, bleib‘ neugierig – und bleib‘ dran. 🚀

Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!

Mit ein paar Wochen Verspätung bin ich letzte Woche über einen wirklich anregenden Text gestolpert. Er heißt „What Will Be Scarce?”, stammt von Alex Imas, Verhaltensökonom an der University of Chicago, und ist schon aus dem April. Teilen möchte ich ihn trotzdem, gerade hier im Intro. Warum? Ich finde ihn anregend, und ich glaube zugleich, dass er einen zentralen Punkt übersieht, der mir wichtig ist. Worum geht es? Imas ist einer der führenden Ökonomen, die erforschen, was KI mit dem Arbeitsmarkt macht, und zugleich einer ihrer eifrigsten Nutzenden. Gerade diese Doppelrolle macht ihn interessant, denn er nimmt die düsteren Szenarien ernst, statt sie wegzuwinken. Die Angst vor einer Wirtschaft, in der die Automatisierung die Löhne kollabieren lässt und mit ihnen die Nachfrage, war auch seine eigene. „My first reaction was to be very scared”, sagt er. Aus dieser Vorsicht heraus, und nach Monaten des Schreibens und Verwerfens, stellt er in seinem Essay eine einzige, unaufgeregte Frage. Was wird eigentlich knapp?

Seine Antwort setzt in der historischen Betrachtung an. Jede technologische Umwälzung habe eine Art von Produktion billig gemacht und die Wirtschaft daraufhin verwandelt, statt sie kollabieren zu lassen. Erst war die Nahrung knapp, dann machte die Landwirtschaft sie im Überfluss verfügbar, und die Menschen wechselten in die Fabriken. Dann waren die Güter knapp, bis die Industrie sie verbilligte und die Arbeit in die Dienstleistung wanderte. Heute ist das technische Wissen knapp, das Ärzt*innen, Anwält*innen und Entwickler*innen so gut bezahlt macht. Genau dieses Wissen mache KI nun im Überfluss verfügbar.

Und was dann? Seine Pointe ist einfach. Es bleibe immer etwas knapp. Imas dreht die übliche Frage deshalb um. Statt zu fragen, welche Aufgaben KI übernehmen kann, fragt er, welche Tätigkeiten wir überhaupt an eine Maschine abgeben wollen. Je wohlhabender Menschen würden, desto stärker verschöben sie ihre Ausgaben hin zu dem, wo ein Mensch zählt. Zu Kleidung mit Geschichte, zu Essen mit Herkunft, zu Ärzt*innen, die Hausbesuche machen, zu Therapeut*innen, bei denen man sich gesehen fühlt. Diesen Bereich nennt Imas den „relational sector”, und er werde wachsen.

Den psychologischen Kern liefert ihm eine alte Idee. René Girards mimetisches Begehren. Wir wollen Dinge auch deshalb, weil andere sie wollen, und weil nicht alle sie haben können. In seinen Experimenten verdoppelte sich die Zahlungsbereitschaft für ein und dasselbe Gut, sobald ein Teil der Leute vom Kauf ausgeschlossen war. Sobald aber KI im Spiel war, brach dieser Aufpreis ein, weil ein maschinell erzeugtes Gut als beliebig reproduzierbar galt und damit seinen Reiz verlor.

Eine Randnotiz, die den Text im Rückblick fast ironisch rahmt: Kurz nach dem Essay holte Google DeepMind Imas als ersten „Director of AGI Economics”. Der Ökonom, der beschreibt, was am Menschen knapp und wertvoll bleibt, sitzt jetzt in einem der Labs eines der Unternehmen, die helfen, genau diese Knappheit zu verschieben.

So weit, so überzeugend. Und doch greift mir das zu kurz. Dass die Arbeit in den relationalen Bereich wandert, heißt ja nicht, dass die Wissensarbeit ungeschoren bleibt. Sie wird massiv umgepflügt, und genau da lohnt der zweite Blick. Ich finde, wir müssen Wissen und Urteilskraft auseinanderhalten. KI ist stark darin, kodifiziertes Wissen zu reproduzieren, das Nachschlagbare, das in Handbüchern und Trainingsdaten steht. Schwach ist sie aber beim impliziten Wissen, bei dem Gespür und dem Urteil, das man sich über Jahre an echten Fällen erarbeitet.

Und hier liegt das eigentliche Problem. KI liefert Ergebnisse, die aussehen wie die Arbeit erfahrener Leute, ohne das erfahrene Urteil dahinter. Unternehmen optimieren auf kurzfristige Effizienz und höhlen dabei genau die Fähigkeit aus, die den sicheren Umgang mit KI überhaupt erst möglich macht. Das ist die Plausibilitätsfalle in Reinform. Die glatte, souverän wirkende Oberfläche verdeckt, dass niemand mehr das Urteil mitbringt, um sie auch zu prüfen.

Gibt es einen Ausweg? Ich finde, es muss einen geben. Unternehmen müssen Einstiegspositionen wieder attraktiv genug machen, um sie überhaupt zu besetzen. Und das kann nicht an den jungen Menschen hängen, die mit 22 ins Berufsleben starten. Das ist eine systematische Aufgabe der Organisationen. Wie das aussehen kann? Klassisches KI-Training kann es kaum sein, die Tools an sich beherrscht die Gen Z längst. Der Hebel liegt meiner Meinung nach woanders. Es geht darum, KI so einzusetzen, dass sie den Aufbau der eigenen Urteilskraft beschleunigt. Wir brauchen eine neue Art, mit KI zu arbeiten, die das alte Lehrlingsmodell in Teilen nachbilden kann. Perfekt wird das nie, aber es ist die beste Chance, die ich sehe.

Ganz praktisch heißt das, wir müssen unserem Kopf das Widersprechen wieder antrainieren. Wir müssen die KI zwingen, die Lücken und Schwachstellen in ihren eigenen Antworten zu finden. Und wir müssen lernen, diese Lücken selbst aufzuspüren und einzukalkulieren, auch wenn uns die Erfahrung fehlt, um schon sicher zu sein. Das entsteht aus einer völlig anderen Art, mit KI zu arbeiten. Es ist ein Verhaltenswandel. Mit Technologie hat das nichts zu tun. Deshalb ist der rote Faden in meiner Arbeit mit Kund*innen so einfach wie unbequem. KI ist Veränderungs- und Kulturarbeit. Schiebt sie bitte nie in die IT-Ecke!

Ich halte das für wichtig genug, vielleicht für das Wichtigste an der ganzen Frage nach uns und der KI, dass Unternehmen es ernst nehmen. Für sich selbst und für eine ganze Generation, die gerade ihren Weg in die Arbeitswelt sucht. Diese Frage nach der Urteilskraft zieht sich übrigens durch mehrere Texte dieser Ausgabe. Douglas Brundage fragt, warum KI keine wirksame Copy schreibt, und landet beim Unterschied zwischen kodifiziertem Können und menschlichem Gespür. Und Iyad Rahwan zeigt, was mit unserer Verantwortung passiert, sobald wir das Urteilen an eine Maschine abgeben.

Schaue dir Imas’ Perspektive an, und wenn du magst, schreib’ mir, was du davon hältst.

Aber das ist längst nicht alles. Nach einer ganzen Weile gibt es hier endlich wieder eine klassische Reading-Digest-Ausgabe von #DRANBLEIBEN, mit reichlich Denkstoff. Nicht alles davon dreht sich um KI. Ich glaube nämlich, wir sollten uns immer wieder klarmachen, dass eben nicht alles, was gerade passiert, mit KI zu tun hat. Viel Freude mit dieser Ausgabe!

Worship me at the office altar: Why narcissistic leaders resist remote work

Studie der Wharton School - von Marissa S. Shandell, Courtney E. Elliott und Adam M. Grant

Warum lesen?
Die Debatte um Büropflichten wird von Unternehmen sehr gerne als Produktivitätsstreit geführt. Diese Studie der Wharton School dreht die Frage dankenswerterweise nun um und schaut auf die Persönlichkeit derer, die “Return to Office” (RTO) anordnen. Über drei Studien hinweg, von einer Archivanalyse von 259 Fortune-500-CEOs bis zu einem präregistrierten Experiment mit 546 Führungskräften, wurde hier nämlich herausgefunden, dass ein ganz bestimmtes Persönlichkeitsmerkmal Einsatz und Härte von RTO-Mandaten verlässlich vorhersagt. Und das ist Narzissmus.

Vertrauen in die Belegschaft und Gedanken rund um Belonging zählen hier gar nicht so viel, erklären wenig. Das Bedürfnis nach Macht und Status erklärt es dagegen sehr viel besser. Die Autor*innen lesen den an immer mehr Orten vorherrschenden Präsenzzwang als eine Form der Huldigung, kaum als echten Produktivitätsschub. Und sie halten den üblichen Begründungen, die man aus C-Suites und GFs hört, belastbare Evidenz entgegen. Auswertungen über mehr als 450 Unternehmen und rund drei Millionen Beschäftigte zeigen nämlich, dass pauschale Rückkehrpflichten ins Büro nicht nur Renditen nicht steigern, sondern auch Leistungsträger*innen zum Gehen bewegen und neue Talente obendrauf noch abschrecken.

Den psychologischen Mechanismus dahinter beschreiben die Autor*innen mit einem Bild aus der Forschung. Narzissmus wirke wie eine Droge, die einen stetigen Nachschub an Aufmerksamkeit und Bestätigung verlange. Working from Home entziehe Führungskräften genau diesen Nachschub. Wo Menschen nicht im Büro sichtbar sind, wird Kommandieren und Kontrollieren eben schwerer. Selbstbezogene Führung reagiere darauf, indem sie den Griff enger ziehe, aus Arbeiten von zu Hause ein Faulenzen von zu Hause umdeute und mit Kündigung drohe, wer nicht fünf Tage vor Ort erscheint.

Die Autor*innen sagen das Motiv selbst offen, wenn sie den Widerstand gegen Heimarbeit auf das Ego zurückführen:

When the pandemic came to an end, many people who had been working from home assumed they would be allowed to maintain that habit at least a few days a week. But today in the U.S., a third of companies have forced everyone back to the office full time and have banned remote and hybrid work.

Some leaders say they insist on full-time in-person work because it boosts productivity, despite clear evidence that it does not. Others claim it’s about collaboration, creativity or culture. Our new research reveals that the objection to any work from home is more likely to be driven by something else entirely: ego.

Die Autor*innen schließen mit einem Appell an die Vernunft, den narzisstische Führungskräfte aber mit hoher Wahrscheinlichkeit wohl nicht hören können:

The responsibility of leaders is not to mold the world to their needs. It’s to adapt themselves to the world’s needs, even if it means learning to live without the thrill of a live audience.

Wie ich das sehe
Endlich. Es brauchte eine so breit angelegte Studie, um schwarz auf weiß zu bekommen, was viele von uns längst ahnten. Bei mir decken sich diese Ergebnisse mit dem eigenen Erleben und mit dem, was mir aus anderen Unternehmen zugetragen wird. Ich habe den RTO-Reflex noch keinem Leadership-Team abgenommen, dass er ernsthaft Kultur, Innovation oder Zusammenarbeit fördere. Er bedient Kontrollzwänge. Er zahlt auf ein fragwürdiges Menschenbild ein, das Anwesenheit mit Leistung verwechselt. Und er befriedigt, das benennt die Studie nun offen, narzisstische Bedürfnisse. Gut, dass das jemand ausspricht.

Ja, natürlich gibt es Schattenseiten, und ja, Remote und Hybrid machen manches herausfordernder. Wer mehr als die halbe Woche zu Hause sitzt, vereinzelt eher, Kultur und Bindung wachsen langsamer, informelles Lernen, Mentoring und die zufälligen kreativen Kollisionen brauchen mehr Absicht. Daraus folgt für mich trotzdem keine Fünf-Tage-Pflicht als einzig logische Konsequenz. Die Forschung deutet ins Gegenteil, am kollaborativsten und kreativsten sind Menschen, wenn sie einen Teil der Woche remote arbeiten. Und für die realen Probleme gibt es erprobte Antworten. Ankertage, an denen alle da sind, gerade um Neue anzulernen und Jüngeren etwas mitzugeben. Intensität vor Häufigkeit, ein Unternehmen wie Atlassian zeigt, dass ein starkes Quartalstreffen mehr für Team und Bindung leistet als das tägliche Pendeln. Und Flexibilität, die sich an Aufgabe, Situation und Lebenslage bemisst, schlägt jede pauschale Regel, erst recht für Menschen mit Sorgeverantwortung, die bis heute überwiegend Frauen tragen.

Der pauschale Präsenzzwang löst nichts davon. Er verlangt Anwesenheit um ihrer selbst willen. Das ist der Kern, und den sollte man laut sagen dürfen.

How will AI make moral decisions for you and me?

gelesen im Knowable Magazine - von Tim Vernimmen

Warum lesen?
Iyad Rahwan forscht am Max-Planck-Institut für Bildungsforschung zu einer Frage, die uns bald alle betrifft, auch wenn sie jetzt vielleicht noch abstrakt klingt. Was passiert, wenn künstliche Intelligenz anfängt, moralische Entscheidungen für uns zu treffen, im Auto, bei der Steuererklärung oder in der Personalabteilung (ich höre immer mehr davon, dass letzteres stark forciert wird… nun ja… finde ich schwierig). Rahwans Ausgangspunkt ist, und das ist natürlich wenig überraschend, kein technischer, es ist ein Governance-Argument. In diesem Interview bringt er es mit einem klugen Dilemma auf den Punkt. Solange eine Technologie noch leicht zu ändern oder beeinflussen sei, wüssten wir zu wenig über ihre Folgen, um sinnvoll eingreifen zu können. Und wenn wir genug wüssten, sei sie längst so verfestigt, dass Eingreifen kaum noch möglich sei. Deshalb, so Rahwan, müsse die Forschung früh Evidenz aufbauen, am besten bevor der Schaden da ist. Er hätte sich das etwa bei Social Media und Kindern gewünscht. Ich übrigens auch…

Am stärksten wird das Interview dort, wo es empirisch wird. In einem Experiment sollten Menschen einen Würfelwurf selbst melden, mit finanziellem Anreiz zu lügen. Meldeten sie selbst, log nur ungefähr ein Zwanzigstel. Delegierten sie die Meldung an ein Sprachmodell, stieg der Anteil auf rund ein Viertel. Und durften sie an einem Regler zwischen Ehrlichkeit und Ertrag drehen, schummelten ungefähr 85 Prozent. Die Maschine lieferte die Ausrede gleich mit, man habe ja nur um Ertragsmaximierung gebeten, nicht ums Lügen. Rahwan warnt zudem vor Chatbots, die uns nach dem Mund reden (auch das kann ich nicht genug unterstreichen), und vor KI, die im Zweifel den Interessen ihrer Anbieter dient und nicht unseren. Sein Vorschlag am Ende ist bemerkenswert konkret. Unternehmen sollten gesetzlich verpflichtet werden, ihre Produkte für unabhängige Forschung zu öffnen, statt Studien vom Wohlwollen der Konzerne abhängig zu machen.

Wie ich das sehe
Für mich ist an diesem Interview weniger die Frage interessant, ob eine KI moralisch handeln kann. Mich interessiert hier viel mehr, was mit unserer eigenen Verantwortung passiert, sobald eine Maschine als Puffer dazwischensteht. Fünf Prozent Schummler ohne Maschine, ungefähr 85 Prozent mit Regler. Der Sprung misst vor allem, wie leicht sich Verantwortung abschieben lässt, sobald ein System die Ausrede liefert. Ich versuche in meiner KI-Arbeit mit Führungskräften insbesondere auf diesen Umstand großes Augenmerk zu legen. Man nennt das Decision Laundering. So wie Geldwäsche, nur mit Entscheidungen. Genau darin liegt eine enorme Gefahr für unsere Urteilskraft… und da sind wir beim Thema, welches ich oben in der Einleitung gesetzt habe. Wer eine Entscheidung an ein System delegiert, delegiert auch das Gefühl, für sie geradezustehen. Rahwans Vorschlag, Unternehmen zur Öffnung ihrer Produkte für unabhängige Forschung zu zwingen, halte ich für unabdingbar. Er holt die Frage von der individuellen Moral zurück auf die Ebene, auf die sie gehört, nämlich die der Governance. Am wenigsten überzeugt mich der Ton der Unvermeidbarkeit. Dass KI bald in unserem Namen entscheidet, wird hier eher gesetzt als begründet, und diese Setzung ist selbst schon eine politische Aussage. Ich möchte das definitiv nicht aufgeben.

Why Can’t AI Write Copy?

gelesen bei Enfant Terrible - von Douglas Brundage

Warum lesen?
Auf den ersten Blick wirkt Douglas Brundages Text wie die Klage eines Handwerkers über schlechte KI-Prosa. Er ist aber deutlich mehr… nämlich eine Kritik daran, wie ökonomische Logik unsere Sprache verflacht. Brundage steigt mit einer gefeierten Fallstudie von 2019 ein. Damals schloss JPMorgan einen Deal mit der Firma Persado, deren KI angeblich bis zu 450 Prozent höhere Klickraten erzielte als die hauseigene Marketingabteilung. Diesen Triumph zerlegt er Schritt für Schritt. Ein Klick belege bestenfalls Neugier, oft nur Muskelgedächtnis, jedenfalls keine Überzeugung. Und die geschlagene Konkurrenz sei ohnehin nur die Fließbandwerbung einer Hypothekenabteilung gewesen, kein Spitzentext. Gemessen wurde also Mathematik und nicht Copywriting.

Sein eigentliches Argument steckt im Begriff des Comfort Mandate. Das Training über menschliches Feedback, mit dem Sprachmodelle geschliffen werden, bestrafe Reibung, Mehrdeutigkeit und Unbehagen. Es dressiere die Modelle darauf, zu glätten, zu klären und zu vervollständigen. Es ist aber ja klar und allseits bekannt, dass gute Werbetexte aber von genau dieser Reibung leben. Von der bewussten Regelverletzung, die eine Wahrscheinlichkeitsmaschine hingegen wohl eher als Fehler wegrechnet. Seine unbequemste Pointe betrifft uns selbst. Die KI habe die Sprache nicht flachgemacht, das erledigten wir seit Jahren eigenhändig. Mit SEO, A/B-Tests, Zeichenlimits und Lesbarkeits-Scores und whatver. Die Modelle automatisierten diese Flachheit nur. Erfunden hätten sie sie aber nicht. Wenn du über Sprache, Urteilskraft und die stille Ökonomisierung von Kreativität nachdenkst, findest du hier einen Text, der weit über das Werbetexten hinausweist.

Wie ich das sehe
In der Tat hat das hier Bedeutung weit über das Thema Copywriting hinaus. Was Sprachmodelle so überzeugend für manche Menschen macht, ist ihre Flüssigkeit, ihre grammatische Sauberkeit und die dadurch geförderte Anschlussfähigkeit. Das ist aber ja genau das, was wirksame Texte eher verhindert und warum Menschen, die den Beruf des Copywriters oder Creative Directors mit Leidenschaft leben (Grüße gehen raus an meine liebe Ehefrau) so damit hadern. Die glatte, plausible Ausgabe ist eben ein Warnsignal, kein Gütesiegel. Das deckt sich mit dem, was ich die Plausibilitätsfalle nenne. Wir verwechseln reibungslose Form mit Substanz. Brundages zweiter starker Gedanke ist ökonomisch. Der JPMorgan-Deal fiel, weil KI-Copy billiger war und die Klickkurve stieg. Die Qualität war zweitrangig. Zwei Einwände habe ich trotzdem. Hier müssen wir uns ehrlich machen… Brundage argumentiert aus dem Eigeninteresse des Handwerks, das er verteidigt. Und seine Nie-wieder-Behauptungen sind leider nur rhetorisch aber nicht bewiesen. Und der Kult ums geniale menschliche Nervenkostüm blendet aus, wie viel mittelmäßige menschliche Copy es immer schon gab (da müssen wir ehrlich sein). Was bleibt, ist eine schärfere Frage. Merken wir überhaupt noch, wann ein Text wirklich gut ist? Ich habe zumindest das Gefühl, dass immer mehr Menschen diese Fähigkeit abhanden kommt.

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt

In allen vier Texten geht es darum, was ein Mensch beisteuert und was passiert, wenn dieser Beitrag verdrängt wird.

Der Ökonom Alex Imas beschreibt in „What Will Be Scarce?” den freundlichen Fall. Je billiger KI produziere, desto wertvoller werde das, was sich nicht kopieren lässt. Die menschliche Präsenz, die Herkunft, das echte Gegenüber und noch viel mehr. Er nennt das den relationalen Bereich der Wirtschaft und traut ihm großes Wachstum zu.

Douglas Brundage fragt in „Why Can’t AI Write Copy?” nach dem Gespür. Sprachmodelle schreiben sauber und flüssig, doch weil ihr Training auf Glätte und Bequemlichkeit ziele, fehle ihnen der Nerv für das Besondere. Diese Reibung bringt ein Mensch mit.

Im Knowable Magazine spricht Tim Vernimmen mit dem Max-Planck-Forscher Iyad Rahwan über die Verantwortung. Rahwans Würfel-Experiment zeigt, wie viel häufiger Menschen schummeln, sobald sie das Melden an ein Sprachmodell abgeben, weil die Maschine die Ausrede gleich mitliefert. Ein Mensch kann für eine Entscheidung geradestehen, ein System kann das nicht.

Und die Wharton-Studie von Marissa Shandell, Courtney Elliott und Adam Grant nimmt sich die Führung selbst vor. Über drei Studien hinweg sagt Narzissmus den Ruf zurück ins Büro besser vorher als jedes Produktivitätsargument. Statt dem Team zu dienen, verlangt diese Art von Führung, die eigene Wichtigkeit gespiegelt zu bekommen.

Einmal wird der menschliche Beitrag knapp und dadurch wertvoller, dreimal droht er zu verschwinden, weil ihn eine Maschine imitiert, eine Ausrede ersetzt oder ein Ego überlagert.

Dieselbe Frage kehrt in zwei der weiteren empfohlenen Texte weiter unten wieder. Die Reportage „Meet the Sad Wives of AI” zeigt, was der KI-Boom mit Nähe und Sorgearbeit in Familien anrichtet. Und Shawn Smucker hält in seinem Gedicht „Please Use AI” der glatten Effizienz die kleinen Unvollkommenheiten entgegen, in denen ein gelebtes Leben steckt. Andere Empfehlungen verschieben den Blick von der Frage nach dem Beitrag zur Frage nach der Macht, JJ Englerts „A Storm is Brewing” zu den KI-Modellen, „Seen and Silenced” von AlgorithmWatch zur Gesichtserkennung in Georgien und die Erklärung „The European Social Stack” zu den Plattformen.

Bleibt eine Frage. Wo wollen wir, dass ein Mensch am Werk ist, auch wenn eine Maschine es billiger könnte? Ich finde, dass wir uns damit beschäftigen müssen, wo wir das unbedingt wollen und wo es vielleicht vernachlässigbar ist. Ohne Denken und Ringen und bewusstes Entscheiden sollten wir das auf jeden Fall nicht leichtfertig weggeben.

Was willst du nicht weggeben? Wo willst du dranbleiben? Dank’ mal drüber nach.

Herzliche Grüße

André

Noch ein paar weitere Kurz-Empfehlungen

False Promises: Why carbon capture and storage won’t fix our climate crisis.

gelesen bei ProPublica - von Katie Worth, Lucas Waldron, Amy Westervelt und Maddie Stone

Seit über 40 Jahren finanzieren Ölkonzerne an Eliteuniversitäten die Suche nach Klima-„Lösungen", die niemanden zwingen, auf Öl und Gas zu verzichten. Ganz vorn steht dabei CCS, das Abscheiden und unterirdische Verpressen von CO2. Diese Recherche von ProPublica und Drilled führt die Zahlen vor, an denen das Versprechen zerbricht. Weltweit werde derzeit weniger CO2 dauerhaft vergraben, als ein einziges großes Kraftwerk pro Jahr ausstoße, während die UN-Modelle für Mitte des Jahrhunderts mit sechs Milliarden Tonnen jährlich rechneten. Dafür müsste alle vier Tage ein neues geologisches Endlager öffnen, ein Vierteljahrhundert lang. Der strukturelle Kern liegt woanders. Dieselben Modellierer, die das geologische Speichern jahrelang überschätzt hätten, hätten die Solarenergie systematisch unterschätzt, also ausgerechnet die Technologie, die Öl im Boden lassen würde. Das Heilsversprechen CCS hält die fossile Infrastruktur am Leben, indem es den Ausstieg als aufschiebbar erscheinen lässt. Ein Lehrstück darüber, wie Technikoptimismus zur politischen Verzögerungsstrategie wird. Sehr lesenswert.

Seen and Silenced: How Russian Surveillance Software Suppresses Georgian Civilians Rights

gelesen bei AlgorithmWatch

In Tbilisi demonstrieren Menschen seit über 580 Tagen gegen den gestoppten EU-Kurs der Regierungspartei Georgian Dream. Diese AlgorithmWatch-Recherche zeigt, womit der Staat den Protest zermürbt. Das Innenministerium beziehe seit 2013 das Gesichtserkennungssystem Polyface von der Moskauer Firma Papillon AO, die in mehreren Ländern sanktioniert sei und als mit dem FSB verbunden gelte. Die Kameras identifizierten Demonstrant*innen noch Wochen später, dann kämen Bußgelder von umgerechnet rund 1.620 Euro, oft gefolgt von eingefrorenen Konten. Der eigentliche Mechanismus ist der Chilling-Effekt. Menschen hören auf zu pfeifen, Plakate zu tragen, überhaupt zu kommen, weil jede Teilnahme zum durchsuchbaren Datensatz wird. Dazu die russische Herkunft der Technik, die diese Biometrie jederzeit beim FSB landen lassen könne. Ein Lehrstück darüber, wie Überwachung eine Demokratie leise stillstellt, ohne sie je offen zu verbieten.

The European Social Stack

gelesen bei European.Social

Während in Georgien sichtbar wird, was fremde Tech-Infrastruktur anrichten kann, formuliert diese offene Erklärung eine europäische Antwort. Eine Allianz aus Fediverse (Mastodon, PeerTube), der Atmosphere rund um das AT-Protokoll und Messengern wie Matrix will weg von monopolistischen Plattformen und deren, wie es heißt, autoritärer Governance. Acht gemeinsame Prinzipien tragen das, von digitaler Autonomie über breite Eigentümervielfalt bis zu Open Source. Interessant finde ich den ökonomischen Kern des Arguments. Man verspreche sich Tausende Jobs und Milliarden, die heute an US-Konzerne abflössen und künftig in Europa zirkulieren sollten. Das ist ambitioniert und bleibt vorerst Absichtserklärung. Als Gegenentwurf zu oligarchen-eigenen Walled Gardens ist es aber das Konkreteste, was gerade auf dem Tisch liegt. Lesenswert für alle, die digitale Souveränität nicht nur beklagen, sondern auch gebaut sehen wollen.

A Storm is Brewing

von JJ Englert

JJ Englert, KI-Trainer und Community-Builder, beschreibt einen Machtkampf, der gerade erst anfängt. Überall fragten sich die größten Konzerne, wie sie ihre KI-Rechnung drücken könnten, ohne die Intelligenz zu verlieren, für die sie zahlten. Die Antwort zeige immer öfter Richtung freier Modelle aus China und anderswo. Sein stärkstes Argument ist für mich strategisch. Während die US-Labore ihre besten Modelle hinter Zugangs-Gates halten, werden offene Modelle einfach gut genug für die Alltagsarbeit und verbreiten sich von selbst. China spielt dabei ein altes Spiel, das Kommodifizieren des eigenen Komplements. Wer das Modell verschenkt, entwertet das Kronjuwel des Konkurrenten und verdient an allem drumherum. An Chips, Cloud, Standards, Gewohnheiten. Ehrlich macht diesen Text aus meiner Sicht, dass Englert seine eigene These angreift. Denn er sagt, wenn die Spitze in den nächsten sechs Monaten weit genug davon ziehe, kippe seine ganze Argumentation. Eine sehr lesenswerte Denkfigur zur Frage, ob im KI-Rennen das beste Modell gewinnt oder das erreichbare.

Meet the Sad Wives of AI

gelesen bei WIRED - von Alessandra Ram

Das hier habe ich schon eine Weile hier rumliegen, aber ich musste das unbedingt noch empfehlen. Es passt einfach so gut zu einer Facette über KI, die ich in meinen Vorträgen immer wieder hochhebe. KI-Narrative, KI-Kultur, männlich und patriarchal geprägtes KI-Geprahle (siehe mein Deep-Dive von neulich). Das hier ist halb bissig, halb erschöpft. Es geht um Frauen in der Bay Area, deren Männer nur noch über KI reden. Unter der Pointe steckt aber eine handfeste Analyse. Yana van der Meulen Rodgers, Arbeitsforscherin an der Rutgers University, liest den KI-Boom als Arbeitsmarkt- und Care-Geschichte, die entlang vorhersehbar geschlechtlicher Linien verlaufe. Der KI-Mann werde zum ökonomischen „ideal worker", der sich ganz der Welle verschreibe, während die Sorgearbeit zu Hause an der Partnerin hängen bleibe. Rund 71 Prozent der KI-Fachkräfte seien Männer, und Frauen nutzten generative KI etwa 20 Prozent seltener, weil sie häufiger in Feldern wie Bildung, Pflege und Sozialem arbeiteten, in denen KI bislang kaum eine Rolle spiele. Das könne sich zu einem doppelten Nachteil verdichten, weniger Zugang zu den Gewinnen des Booms, mehr Verantwortung für die Arbeit, die er erzeugt. Am beklemmendsten finde ich die Nebenschleife, dass manche dieser Frauen ihre Ehekrise ausgerechnet mit ChatGPT bearbeiteten und dort vor allem Bestätigung fänden, in einem Fall sogar für die Idee einer Affäre. Und genau da kippt die Geschichte ins Strukturelle. Ein System, das durchweg zustimmt und nie widerspricht, ersetzt die Reibung, an der Urteilskraft überhaupt erst entsteht (schon wieder dieses Thema!). Lesenswert als soziale Nahaufnahme der Gender-AI-Gap, über den wir nicht genug reden könnnen.

Please Use AI

gelesen bei The Courage to Live it - von Shawn Smucker

Shawn Smucker, Autor und Buchladen-Besitzer aus Lancaster, hat diess wirklich sarkastisches Gedicht geschrieben, das im Mai viral ging und rund 13 Millionen Menschen erreichte. Ich liebe es. Das ist ein Stil, der eben auch mal sein muss. Der Text fordert uns unablässig auf, doch bitte die KI zu nutzen, statt die kochende Freundin anzurufen, statt den angelnden Kumpel zu fragen, statt die eigene, holprige Rede zur Hochzeit des Kindes selbst zu schreiben. Genau in dieser Aufforderung steckt die Pointe. Was Smucker benennt, ost der stille Verlust von Reibung, von Umwegen, von den unbequemen Gesprächen, in denen echtes Leben passiert. Er bringt er es auf den Punkt… KI breche einem eben nicht das Herz, wie das echte Leben es tue. Man kann einwenden, dass er die neueste Technik für eine Einsamkeit verantwortlich macht, die im Grunde genommen schon viel älter ist. Als Gegengift zur Effizienz-Rhetorik der Branche ist dieses Gedicht trotzdem klasse! Das ist sehr lesenswert, weil es ein Gefühl trifft und unterstützt, das sich der nervigen Effizienz-Logik entzieht.

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ — das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!

Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!

Vor ein paar Wochen habe ich endlich meine Website überarbeitet und komplett neu aufgesetzt. Aktuelle KI-coding Tools sei Dank, bestehen dazu heute mächtige Möglichkeiten, die meine in den frühen 2000er eingerosteten HTML-Skills völlig vergessen machen. Die Farbwelt habe ich aus meinem eigenen Logo abgeleitet, dem AC oben rechts, das ich vor über zehn Jahren in einer Art Chicago-Cubs-meets-San-Francisco-Giants-Ästhetik (ja, ich mag Baseball sehr und aufgrund meiner eigenen Biografie diese beiden Teams besonders) selbst entworfen hatte. Und ich habe ganz bewusst eine Serifenschrift gewählt. Denn diese dunklen, leicht nach Cyberpunk riechenden kühl-technokratisch anmutenden Sites, die einem KI-Tools wie v.a. Claude heute am laufenden Band ausspucken, die sprechen mich einfach nicht an. Am Ende war ich zufrieden. Das Ding sah nach mir aus.

Wobei, ganz ehrlich, beim genaueren Hinsehen ist mir später etwas aufgefallen. Orange, Schwarz, Creme, zwar alles brav aus dem Logo abgeleitet… damit war ich ungewollt ziemlich genau in der aktuellen Claude-Ästhetik gelandet. Die war mir bis dahin vor allem in PDF-Artefakten aus Claude begegnet, seltener in Websites. Heute bin ich da schlauer, aber von der cremefarbenen Variante möchte ich mich dennoch nicht verabschieden.

Und dann, ein paar Wochen später, scrolle ich durch meinen LinkedInFeed. Ein sehr geschätzter ehemaliger Kollege stellt stolz seine neue Website vor. Und die sah aus wie ein ästhetischer Klon meiner eigenen. Gleiche Anmutung, gleiche Bausteine, fast dasselbe Gefühl.

Da hat’s bei mir klick gemacht. Offenbar muss man noch deutlich geschärfter aufpassen und ästhetische Gegenbewegungen ganz bewusst etablieren und pflegen, um diese Werkzeuge so zu nutzen, dass am Ende eben nicht doch Einheitsbrei herauskommt. Ich beschäftige mich viel mit den Gegenbewegungen zu inhaltlichem Einheitsbrei, aber die ästhetische Komponente trifft uns gerade mit Wucht.

Genau darum geht’s heute. Es gibt kein Entkommen mehr davon, wie sich KI-generierte Websites, HTML-basierte Dokumentationsartefakte, Präsentationen und PDFs auf eine ganz bestimmte Art angleichen. Sofort erkennbar, einem von gefühlt drei, vier Stilen folgend. Wie gesagt, es erinnert mich an etwas, das wir bei KI-Texten längst kennen. Und es führt mitten in eine Debatte, die uns gerade alle beschäftigt, die um unsere Urteilskraft im KI-Zeitalter.

Ich habe dazu tiefer recherchiert, als ich ursprünglich vorhatte. Was ich gefunden habe, hat mich überrascht. Die Forschung erzählt eine klügere und unbequemere Geschichte, als das schnelle „alles wird gleich” sie nahelegt. Davon handelt diese Ausgabe.

Viel Freude beim Lesen. Und wie immer freue ich mich über Rückmeldungen.

Herzliche Grüße
André

Du erkennst es sofort

Du scrollst durch deinen Feed, durch eine Sammlung Pitch-Decks, durch ein paar frisch gebaute Landingpages, und meistens weißt du längst nach einer Sekunde, was hier am Werk war. Dunkler Modus, kühle technoide Anmutung. Neon-Glow unter abgerundeten Karten. Hochkontrastige Indikatoren, ein bisschen Terminal, ein bisschen Raumschiff-Cockpit, dieser Frontier-Look, der nach Tech-Demo riecht. Monospace, wo es besonders technisch wirken soll. Schick sieht das aus, kompetent, aufgeräumt. Und eben austauschbar.

Und das ist erst eine von mehreren wiedererkennbaren Spielarten. Der New-Yorker-Autor Kyle Chayka seziert in einem aktuellen Text über die Claude-Design-Ästhetik eine andere, die warme. Creme, Rostorange, große Serifen, betont und kursiv. Er bringt ein schönes Beispiel. Ein Designer zeigt ihm zwei Pitch-Decks von zwei verschiedenen Startups. Anderes Logo, ansonsten praktisch dasselbe Deck. Die sähen aus, als kämen sie aus derselben Firma, sagt der Designer. Gemein hatten die beiden nur eines, sie waren mit Claude Design gebaut.

Das Tückische daran ist die Plausibilität. Es sieht gut genug aus, dass die meisten gar nicht erst prüfen. Das geübte Auge erkennt den Tell sofort. Das ungeübte feiert das Ergebnis und stellt es online. Chayka hält den Design-Look übrigens für genauso auffällig wie die bekannten Text-Tics der KI, die inflationären Gedankenstriche, die „not X but Y”-Konstruktionen und viele andere Marker.

Anthropic räumt das nach Chaykas Darstellung sogar selbst ein. Der Default-Hausstil sei hartnäckig, und eine pauschale Anweisung wie „kein Creme” verschiebe das Modell bloß auf die nächste feste Palette. Man muss also gegen das Werkzeug arbeiten, um etwas zu bekommen, das nicht nach KI aussieht. In genau die warme Falle bin ich ja selbst getappt, siehe Intro.

AirSpace, eine Etage tiefer

Das alles ist nicht neu, und es hat sogar einen Namen. Schon 2016 prägte derselbe Kyle Chayka den Begriff AirSpace, als Wortspiel auf Airbnb. Gemeint war diese reibungslose Geografie der visuellen Gleichheit, die digitale Plattformen erzeugen. Reclaimed Wood, Subway-Tiles, Edison-Glühbirnen, Flat White, derselbe Typ von Café von Berlin über Kapstadt bis Bangkok. 2024 hat er das in seinem Buch Filterworld weitergedacht, in einem vielzitierten Guardian-Beitrag über die Frage, wie Algorithmen unsere Kultur verflachen. Mich fasziniert dieser Gedanke schon seit damals, und ich habe hier bei #DRANBLEIBEN immer wieder darauf verwiesen.

Und jetzt kommt der Punkt, der mich umtreibt. Derselbe Beobachter, zehn Jahre später, dieselbe Diagnose, jetzt eine Etage tiefer. Er hat beide Texte geschrieben, den über die Cafés und den über Claude Design.

Wichtig ist mir dabei eine feine Verschiebung, weil sie alles in dieser Betrachtung entscheidet. Bei AirSpace homogenisiert die Plattform über Sichtbarkeit. Ein Café gleicht sich an, weil der Instagram-Algorithmus Konformität mit Reichweite belohnt. Die Angleichung ist der Preis fürs Gesehenwerden. Ein Druck, der hinterher wirkt. Bei generativer KI verschiebt sich das. Der Generator liefert den Durchschnitt schon an der Quelle. Als Startpunkt, noch bevor irgendein Feed eingreift. Früher musste man sich angleichen, um sichtbar zu werden. Heute bekommt man die Angleichung gratis in die Hand gedrückt und müsste aktiv Arbeit investieren, um ihr zu entkommen.

Und damit wird Urteilskraft zur entscheidenden Größe, mal wieder in der KI-Debatte. Wenn der Mittelwert frei Haus kommt, ist das eigene Urteil das Einzige, was überhaupt noch unterscheidet.

Bleibt der naheliegende Einwand, das sei doch bloß der Default eines Tools für ein paar Monate, der ändere sich ja ständig. Stimmt, und genau hier hat Chayka schon vor Jahren vorgesorgt. Die konkreten Stilzeichen wechselten über die Jahre, schreibt er sinngemäß. Subway-Tiles weichen Beton, Beton weicht dem Nächsten. Was bleibt, ist die Gleichheit. Sie ändert sich nicht. Das beruhigt also kein bisschen, im Gegenteil.

Die ästhetische Plausibilitätsfalle

Bleibt die Frage, warum unsere Urteilskraft ausgerechnet hier so leicht aussetzt. Meine Antwort ist die Plausibilitätsfalle, und sie hat einen psychologischen Kern. Was flüssig zu verarbeiten ist, halten wir für schöner und für wahrer. Das ist seit Langem gut erforscht. In einer grundlegenden Arbeit zur Verarbeitungsflüssigkeit zeigen Reber, Schwarz und Winkielman, dass unser ästhetisches Urteil zu großen Teilen davon abhängt, wie mühelos uns etwas durch den Kopf geht. Je glatter, desto besser fühlt es sich an. Und KI-Output ist von Bauart maximal glatt. Er sieht nie unfertig aus, nie suchend, nie roh. Genau dieser Reiz schaltet unseren Impuls ab, zweimal hinzusehen.

Jetzt kommt der Teil, der mich beim Recherchieren überrascht hat. Am schärfsten zeigt das ein kontrolliertes Schreib-Experiment von Vishakh Padmakumar und He He. Menschen schrieben Argumentationstexte, einmal mit einem rohen Basismodell (GPT-3), einmal mit einem auf menschliches Feedback getrimmten, also geglätteten Modell (InstructGPT), einmal ganz ohne KI. Das Ergebnis war eindeutig. Mit dem geglätteten Modell sanken die lexikalische und inhaltliche Vielfalt statistisch signifikant, die Texte verschiedener Autor*innen wurden sich ähnlicher. Mit dem rohen Basismodell passierte das nicht. Und der Effekt kam nachweislich daher, dass das geglättete Modell selbst weniger vielfältigen Text beisteuerte, während die menschlichen Beiträge vielfältig blieben.

Das jetzt mal kurz sacken lassen.... genau die Politur, die ein Modell hilfreicher und gefälliger macht, ist die Politur, die zum Mittelwert zieht. Das ist die Falle in Reinform. Was uns beruhigt, weil es so plausibel wirkt, ist dasselbe, was homogenisiert. Gezeigt ist das für Text, für die Gestaltung gilt dieselbe Logik eine Etage höher. In meiner eigenen Arbeit, wo ich verschiedene unterbewusst wirkende kognitive Effekte rund um KI als Plausibilitätsillusion zusammenbinde, beschreibe ich genau diesen Mechanismus. Der Output sieht richtig aus, fühlt sich richtig an, hält oberflächlicher Prüfung stand. Je glatter die Antwort, desto seltener wird sie hinterfragt.

Und damit sind wir zurück an der Oberfläche. Genau dort wird der Sog sichtbar. In Kyle Chaykas Text über die Claude-Design-Ästhetik im New Yorker vergleicht der Softwareentwickler Lucas Gelfond die Gleichförmigkeit mit der Massenfertigung nach der Industriellen Revolution. Automatisierte Prozesse hinterließen Signaturen, Spritzguss-Nähte im Plastik, Sägespuren im Holz. Die typischen Tells in KI-Software, die hellen Akzent-Serifen, die vielen Punkte, die hochkontrastigen Indikatoren, seien für ihn ähnliche Spuren des Werkzeugs. Ein schönes Bild. Das geübte Auge erkennt die Naht. Das ungeübte sieht nur saubere Oberfläche. Und genau diese saubere Oberfläche legt die Urteilskraft schlafen, die wir eigentlich bräuchten.

Das soziale Dilemma

Bisher ging es um den Sog am einzelnen Output. Jetzt zoome ich raus, auf die Summe. Hier liegt eine Schlüsselstudie in der Arbeit von Anil Doshi und Oliver Hauser in Science Advances. Menschen schrieben Kurzgeschichten, ein Teil von ihnen bekam dabei Ideen von einem Sprachmodell (GPT-4) als Anstoß. Das Ergebnis hat zwei Seiten. Die Geschichten mit KI-Ideen wurden als kreativer, besser geschrieben und unterhaltsamer bewertet, und das vor allem bei den weniger kreativen Schreibenden. Zugleich ähnelten sich diese Geschichten untereinander stärker als die ohne KI.

Individuell ein Gewinn, kollektiv ein Verlust. Die Autor*innen selbst nennen das ein soziales Dilemma. Einzeln steht man mit KI besser da, und in der Summe entsteht ein schmaleres Feld an wirklich Neuem.

Genau das ist der strukturell interessante Teil, und für meine Fragestellung hier der eigentliche Kern. Die Angleichung entsteht, ohne dass jemand sie verordnet, als Nebenprodukt vieler einzeln völlig vernünftiger Entscheidungen. Jeder Schritt für sich ist nachvollziehbar, sogar klug. Die Verarmung zeigt sich erst auf der Ebene, die niemand einzeln spürt, im Gesamtbild.

Und dieses Gesamtbild lässt sich inzwischen messen. Eine Analyse von über 15 Millionen PubMed-Abstracts von Dmitry Kobak und Kolleg*innen zeigt, dass mit dem Erscheinen von ChatGPT bestimmte Stilwörter sprunghaft häufiger wurden. Aus dem Übermaß dieser Wörter schätzen die Autor*innen, dass mindestens 13,5 Prozent der 2024er Abstracts durch ein Sprachmodell gelaufen sind, in manchen Teilbereichen bis zu 40 Prozent. Der Effekt auf die Wissenschaftssprache war größer als der von Großereignissen wie der Covid-Pandemie. Das Paradewort dieses Fingerabdrucks ist „delve”, und mit feinem Humor trägt die Studie es selbst im Titel. Was Gelfond als Naht im Plastik beschreibt, liegt hier über einer ganzen Fachliteratur.

Damit schließt sich der Kreis zur Urteilskraft. Der oder die Einzelne sieht ein besseres Ergebnis und einen guten Grund, das Werkzeug zu nutzen. Die Kosten fallen dort an, wo sie niemand persönlich spürt, im kollektiven Spielraum. Deshalb kann Urteilskraft hier nicht allein individuell bleiben. Sie muss zur bewusst gepflegten Gegenbewegung werden, zu genau der ästhetischen Gegenbewegung, von der ich eingangs sprach.

Eine Abgrenzung noch, weil zwei Begriffe gern durcheinandergeraten. Es kursiert das Wort Model Collapse, aus einer vielzitierten Nature-Studie von Ilia Shumailov und Kolleg*innen. Das meint etwas anderes. Dort geht es ums Training. Wenn Modelle immer wieder auf dem synthetischen Output früherer Modelle trainiert werden, degeneriert die Fähigkeit künftiger Modelle, vielfältigen und hochwertigen Output zu erzeugen. Das ist eine Rückkopplung in den Trainingsdaten und ein Problem von morgen. Wovon ich hier rede, ist die Konvergenz im Output von heute, erzeugt von Menschen, die mit den aktuellen Modellen arbeiten. Zwei verschiedene Mechanismen, die man sauber auseinanderhalten sollte.

Wer den Default setzt

Bis hierhin ging es um den psychologischen Sog und das emergente Gesamtbild. Ich würde gerne noch über die Schicht reden, die meiner eigenen Arbeit am nächsten liegt. Und das ist die Macht. Irgendjemand setzt die Voreinstellungen, und das ist alles andere als folgenlos.

Chaykas Recherche zeigt einen Punkt, der über die Optik hinausgeht. Claude Design prägt mehr als nur den Look. Es lenkt seine Nutzer*innen auf dieselben wenigen Open-Source-Bausteine. shadcn UI und Radix UI für die Oberfläche, Drizzle für die Datenbank. Eine ganze Etage des neuen Webs wird aus demselben Baukasten zusammengesetzt. Anthropic räumt das im eigenen Frontend-Cookbook selbst ein, das Modell konvergiere zu generischen, erwartbaren Outputs, die Nutzer*innen als „AI slop” bezeichnen. Damit wird die Ästhetik eines einzigen Unternehmens zur Grundlinie für einen erheblichen Teil dessen, was gerade entsteht.

Warum das zieht, ist gut belegt. Menschen bleiben überproportional bei der vorgegebenen Option. Das ist der Status-quo-Bias, den Samuelson und Zeckhauser schon 1988 sauber dokumentiert haben. Jeder Default ist eine Entscheidungsarchitektur, keine neutrale Vorgabe. Wer den Default setzt, setzt die Grundlinie für alle, die nicht aktiv gegensteuern. Und Gegensteuern kostet, Zeit, Können und Mühe. Die Designerin Celine Nguyen bringt es im Chayka Text auf eine bittere Formel. Frei nach dem Eames-Credo, das Beste für die meisten zum geringsten Preis, biete das Werkzeug nun das ganz Gute für die meisten zum geringsten Aufwand. Zwanzig Dollar Abo im Monat statt jemanden fürs Design zu bezahlen. Den Preis dafür zahlt die Vielfalt.

Bei aller Schärfe der Analyse ist mir die Redlichkeit wichtig. Diese Schicht ist durch Reportage und benannte Praktiker*innen belegt, durch beobachtete Klischees, nicht durch eine kontrollierte Studie über das ganze Web. Die Beobachtung ist gut begründet, sie bleibt aber eine Beobachtung.

Klischees aus Vorlagen gab es immer. WordPress, Squarespace, Wix, alle haben ihre eigenen Standardlooks erzeugt. Der Unterschied liegt in Tempo und Hartnäckigkeit, und darin, dass der Default diesmal an der Quelle der Erzeugung selbst sitzt und in sehr wenigen Werkzeugen gebündelt ist. Die Macht über die Grundlinie ist konzentrierter als je zuvor.

Deshalb lese ich das Ganze als Macht- und Organisationsfrage. Die ästhetische Grundlinie eines großen Teils des digitalen Outputs wird von einer Handvoll Defaults aus wenigen Unternehmen gesetzt. Urteilskraft, das bewusste Gegensteuern, entscheidet, ob man im Default eines anderen lebt oder eine eigene Linie zieht.

Die Gegenstimme

Bis hierhin ergibt sich ein ziemlich dunkles Bild. Redlichkeit heißt aber nun auch, jetzt die Gegenevidenz danebenzustellen. Sie ist real, und sie ist der spannendste Teil der ganzen Geschichte. Denn die Forschung ist uneindeutig.

Erstens lässt sich der Zug zur Mitte beeinflussen. Lennart Meincke, Ethan Mollick und Christian Terwiesch zeigen, dass die richtigen Prompting-Methoden, allen voran Chain-of-Thought, die Streuung der KI-Ideen deutlich erhöhen, bis nahe an menschliches Niveau. Die Tendenz zum Durchschnitt ist also eine Einstellung und kein Schicksal. Wer anders fragt, bekommt auch mehr Bandbreite.

Zweitens gibt es einen handfesten Widerspruch zu meiner Konvergenz-Linie. Joshua Ashkinaze und Kolleg*innen führten ein großes, dynamisches Experiment durch, über 800 Teilnehmende aus mehr als 40 Ländern, bei dem die Ideen früherer Teilnehmender zum Material für spätere wurden, ganz wie kulturelle Evolution. Heraus kam ein klarer Befund. Hohe KI-Exposition steigerte die kollektive Vielfalt der Ideen, in Menge und Veränderungsrate. Die Ideen wurden vielfältiger, ohne aber individuell kreativer zu werden. In diesem Setting weitete die KI den gemeinsamen Raum, statt ihn zu verengen.

Das steht quer zu Doshi und Hauser aus dem letzten Abschnitt, und genau diese Spannung will ich nicht glätten. Dort, beim Ko-Schreiben mit KI-Ideen, rückten die Ergebnisse zusammen. Hier, wo KI nur ein Reiz unter anderen war und die Leute danach ihre eigene Idee bildeten, ging der Raum auf. Eine plausible Lesart geht so. Es kommt darauf an, wie die KI in den Prozess kommt. Wer sich an den glatten Output anlehnt und ihn übernimmt, konvergiert. Wer ihn als einen Anstoß unter mehreren nutzt und dann selbst weiterdenkt, kann die Bandbreite sogar vergrößern.

Und damit erleidgt sich die einfache These „alles wird gleich”. Das Vorzeichen des Effekts hängt an uns Menschen. Urteilskraft und Methode sind der entscheidende Hebel. Dasselbe Werkzeug kann verflachen oder weiten, und was darüber entscheidet, ist, ob wir passiv ankern oder aktiv steuern. Das ist die unbequemere Geschichte, die mich beim Recherchieren überrascht hat. GenAI hebt den Zugang und die individuelle Oberfläche. Ohne wache Urteilskraft senkt es die kollektive Bandbreite, mit ihr kann es sie heben. Die Beweislast verschiebt sich damit zu uns. Wir müssen Varianz bewusst gestalten.

Die Rettung ist real, aber sie ist nicht geschenkt.

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt

Kommen wir dahin zurück, wo ich angefangen habe, zur Optik. Das ist greifbar und alltäglich. Die Website, die heute jede*r in ein paar Stunden baut. Das PDF, das im Business mal eben rübergeschickt wird. Die HTML-Artefakte, diese neue, coole Art, Informationen interaktiv aufzubereiten. Präsentationen sowieso. Aber eines nach dem anderen fängt an, gleich auszusehen.

Der Look an sich ist dabei gar nicht das Problem. Das Werkzeug demokratisiert Gestaltung auf eine Art, die ich ernst nehme. Wer nie ein Budget für Design hatte, bekommt für zwanzig Dollar im Monat etwas Kompetentes, Aufgeräumtes, Vorzeigbares. Das ist ein echter Gewinn. Der Preis steht direkt daneben. Das Kompetente wird zur Grundlinie für alle, und genau dadurch verschwindet die Handschrift.

Was bleibt, ist eine Haltung gegenüber dieser Grundlinie. Urteilskraft heißt hier ganz konkret, zu entscheiden, ob meine Sachen im Default eines anderen aufgehen oder nach mir aussehen. Der bequeme Ausweg funktioniert dabei nicht. „Kein cremefarben” zu sagen, schiebe das Modell nach Anthropics eigener Auskunft nur auf die nächste feste Palette. Eine eigene Linie kostet Mühe, Wissen und ein wenig Eigensinn.

Und ehrlich, hier liegt der eigentliche Skandal der Bequemlichkeit. Die Erstellung ist so leicht geworden wie nie. Genau das setzt Zeit frei, Zeit, die wir früher ins Handwerk gesteckt haben. Wie viele von diesen ewig gleichen Artefakten wollen wir denn noch produzieren, bevor wir diese Zeit anders nutzen? Wählerischer werden kostet heute fast nichts. Dreißig Minuten für ein Moodboard aus Designs, die einem wirklich gefallen. Eine bewusste Entscheidung für eine Schrift, eine Farbe, eine Form, die etwas bedeutet. Das ist keine Kunst, das ist Muße, und die können wir uns endlich leisten.

Mein eigener Weg geht in zwei Richtungen. Erstens sorge ich für Differenzierung über die Inhalte. Wenn das Design nah an einem Default liegt, trägt der Gedanke die Unterscheidung. Zweitens bleibe ich mit dem Design im Reinen, solange jede Entscheidung eine konkrete Begründung hat. Serifen, weil ich sie gegen den kühlen Techno-Look gesetzt habe. Farben, weil sie aus meinem alten Logo stammen. Eine Wahl mit Grund hält den Verdacht des Einheitsbreis aus, eine Wahl per Default nicht.

Und damit bin ich wieder bei meiner eigenen Seite. Ich habe bewusst gewählt, mich gefreut, und wäre um ein Haar trotzdem im Einheitslook gelandet, sichtbar spätestens, als der geschätzte Kollege fast dasselbe postete. Die Lehre daraus ist unspektakulär und hartnäckig. Man muss ästhetische Gegenbewegungen bewusst pflegen, immer wieder, weil der Sog nie Pause macht. Wir müssen dagegen anschwimmen.

Schwimm’ mit dagegen an. Bleib’ dran!

Herzlichst
André

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ — das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Read this deep-dive in English here

Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!

Diesmal geht es um ein Thema, das mir schon eine Weile unter den Nägeln brennt. Ich erinnere mich an eine Diskussion aus meiner Zeit bei der Telekom, es war in 2024. Eine Kollegin hatte im Social Intranet einen Artikel gepostet und darin gefragt, warum die ganzen internen KI-Events eigentlich so männlich dominiert seien. Das schlug Wellen. Lebhaft, kontrovers, mit jeder Menge Reaktionen. Auch sehr viele Reaktionen von Männern, die mir zeigten, dass hier die Oberfläche nicht durchdrungen wurde. Es strotzte nur so von Feedback wie „ja, dann kommt doch auch endlich zu diesen Events, liebe Frauen. Es hält euch ja keiner ab.“

Genau dieses „kommt doch einfach“ hat mir damals gezeigt, wo das Problem liegt. Es behandelt eine kulturelle Frage wie eine reine Anwesenheitsfrage. Als müssten Frauen nur den Raum betreten, und schon wäre alles gut. Die eigentliche Frage, warum sich dieser Raum für so viele überhaupt so männlich anfühlt, bleibt dabei unberührt.

Heute, mit weiterem Abstand und möglicherweise vermuteter Reifung des KI-Themas, kehrt genau dieses Muster zurück, nur größer. Die übliche Erzählung kennst du wahrscheinlich. Frauen nutzen weniger KI, also müssten sie bei KI aufholen. Wir haben jetzt auch einene Begriff dafür, den Gender AI Gap. Mich treibt eine andere Lücke um. Die männlich codierte Hype- und Statuskultur rund um KI, und die Frage, ob Organisationen gerade die falsche Art von KI-Nutzung belohnen.

Dieser Frage will ich hier wirklich auf den Grund gehen. Ich habe meine Gedanken dazu sortiert, eigene Eindrücke und Erlebnisse eingeflochten und ziemlich umfangreich recherchiert. Auf diese Reise durch Studien, eigene Beobachtungen und ein paar unbequeme Fragen nehme ich dich gern mit. Es wird wieder etwas ausführlicher. Hol dir also am besten einen Kaffee ☕, dann legen wir los.

Mein nächster Berührungspunkt mit dem Gender AI Gap kam letztes Jahr über eine Studie. Das war „Global Evidence on Gender Gaps and Generative AI“, eine Arbeit von Nicholas Otis, Solène Delecourt, Katelynn Cranney und Rembrand Koning an der Harvard Business School. Sie bündelt 18 Studien mit über 140.000 Menschen weltweit, und ihr Befund ist unbequem eindeutig. Frauen nutzen generative KI nahezu überall seltener als Männer, über Regionen, Branchen und Berufe hinweg. Bemerkenswert fand ich besonders eine Stelle. Bemerkenswert fand ich besonders eine Stelle. Die Lücke verschwindet nicht, sobald Frauen und Männer den gleichen Zugang zu den Tools haben. Sie bleibt. Mangelnder Zugang erklärt sie also nicht. Die Autor*innen halten denn auch ausdrücklich fest, dass die Ursachen damit noch nicht geklärt seien.

Das Thema und diese Insights aus der Studie habe ich danach in einigen Führungskräftetrainings genutzt. Und ich bekam sehr positive Resonanz. Mehrere Male kamen Frauen hinterher auf mich zu und bedankten sich, dass ich Gender und KI überhaupt aufgegriffen hatte. Das sei ungewöhnlich, das hätten sie so nicht erwartet und auch so noch nicht erlebt. Ein Dankeschön für eine Selbstverständlichkeit, das sagt vielleicht schon was ganz Wichtiges über den Normalzustand.

Zurück zu mir kam das Thema dann vor zwei Wochen über LinkedIn. Ein Posting von Colette Rückert-Hennen, CHRO bei EnBW und HR-Influencerin oder „Top Voice”, „Die Zukunft der KI braucht mehr Frauen”, aufgepoppt in meinem Feed über einen Kommentar von Robert Franken, ein von mir sehr geschätzter Transformationsberater und Aktivist für Gender Equality. Der Beitrag von Rückert-Hennen macht etwas Verständliches und gut Gemeintes. Er erzählt den Gap als Mut- und Skill-Thema. Frauen nutzten KI seltener, riskierten dadurch Anschluss und Sichtbarkeit, also sollten sie mutiger werden, ausprobieren, mitgestalten.

Genau dieses Framing stört mich aber. Und ehrlich gesagt macht es mich sogar ein Stück weit wütend. Mein Ärger zielt dabei auf den Reflex dahinter, der als Vordenken durchgeht, nur weil ihn eine „Top Voice” ausspricht. Schiebt dieser Reflex doch schlicht die ganze Bringschuld den Frauen zu. Er liest Zurückhaltung als Rückstand.

Wollen wir den enormen kulturellen Herausforderungen rund um KI wirklich mit den immer gleichen Reflexen aus der Mottenkiste begegnen? Trau dich, streng dich an, mach dich sichtbar. Oder erkennen wir endlich an, dass es hier ehrliche Kulturarbeit braucht? Ich will an die Ursachen. Das ewige Herumdoktern an den Symptomen bringt uns nicht weiter. Besonders betroffen macht mich dabei, dass solche Ratschläge an Frauen so oft von Frauen selbst kommen, und zwar von mächtigen Frauen aus dem System. Mein Appell ist und bleibt derselbe: KI-Einführung muss als ein ganzheitliches und umfassendes Kulturprojekt behandelt werden. Wenn man das tut, dann würde man auch beim Thema Gender AI Gap zu anderen Schlüssen kommen.

Macht man das nicht, lässt man die Frage aus, die mir die wichtigere scheint. Aufholen, wozu eigentlich? Und wohin?

In genau diese Richtung hatte als Einziger Robert Franken die Diskussion genudged. Sein Punkt ging sinngemäß so: Teilhabe woran überhaupt? KI-Systeme seien nicht neutral, und Skepsis könne ein berechtigtes Urteil sein. Frauen gehörten deshalb in die Entwicklung, in Governance und Gestaltung. Teilhabe an der Gestaltung, nicht nur an der Nutzung.

Das trifft einen Nerv. Ich gehe von dort aus aber noch einen Schritt weiter und frage eben nach der Kultur. Welche Form des Mitmachens feiern wir gerade eigentlich sehr laut, und stößt diese möglicherweise viele Frauen ab?

Ich habe das in einem Kommentar versucht und eine andere Sicht reingeworfen. Resonanz gab es keine. Überrascht hat mich das nicht. So ein Gedanke ist schwer zu liken, ohne sich gegen die implizite Hype- und Chef-Kultur zu stellen. Das ist sozial riskant, weil es Macht benennt. Und Machtbenennung wird auf LinkedIn vielleicht gelesen, aber selten öffentlich unterstützt. Womöglich mag auch der Algorithmus machtkritische Töne nicht besonders.

Bleiben wir kurz bei dieser Irritation, denn sie ist der eigentliche Ausgangspunkt dieses Deep-Dives. Aus meiner Beratungspraxis und auch in meinem eigenen Freundes- und Bekanntenkreis höre ich regelmäßig von Frauen, auf die die Aufhol-Geschichte überhaupt nicht passt. Sie nutzen KI längst. Souverän, selbstverständlich und produktiv. Und sie sind trotzdem genervt. Die Technologie stört sie dabei am wenigsten. Was nervt, ist der Lärm drumherum. Das ständige Tool-Geprahle, die Effizienzfantasie, das laute „AI-first”-Gerede, die Gleichsetzung von viel Output mit guter Arbeit.

Der Gender AI Gap zeigt also möglicherweise nicht nur, dass Frauen KI seltener nutzen. Er zeigt vielleicht auch, dass viele Organisationen eine Form von KI-Nutzung belohnen, die nicht weniger Frauen aus guten Gründen abstößt: laut, statusorientiert, effizienzfixiert, qualitätsblind.

Ein ehrlicher Einschub gehört aber hierher. Die Nutzungslücke ist real und eben gut belegt. Frauen nutzen KI im Schnitt seltener, das wische ich mit keiner Anekdote weg. Ich kenne zugleich genug Frauen, die KI sehr intensiv nutzen und einfach nur genervt sind von diesem ganzen AI Bragging.

Und ich habe eine Mutmaßung. Vollends belegen kann ich sie nicht, aber die zitierten Studien deuten in diese Richtung. Mich deucht, dass diese Kultur selbst einer der Gründe für die niedrigere Nutzung ist. Wer den Lärm, das Geprahle und die Effizienzfixierung abstoßend findet, hält von vornherein Abstand. Eine Art „lasst mich mit eurer KI in Ruhe und macht ihr mal”. Aus Reibung wird Rückzug, und der Rückzug taucht dann in der Statistik als Gap auf.

Was die Forschung zeigt

Warum die Lücke selbst bei gleichem Zugang bleibt, ließ die Harvard Business School Synthese wie gesagt offen. Genau dieses Warum ist hier die spannende Frage.

Vorab das Mengengerüst, denn die Grundbeobachtung ist solide. Die Lean-In-Erhebung vom März 2026 unter rund 1.000 US-Erwachsenen findet 78 Prozent Nutzung bei Männern und 73 Prozent bei Frauen, bei der täglichen Nutzung 33 zu 27 Prozent. Das ist kein Abgrund, aber ein stabiles Muster.

Die bislang stärkste Antwort darauf liefert eine britische Studie von Anfang 2026, „Women Worry, Men Adopt“, von Fabian Stephany und Jedrzej Duszynski, unter anderem am Oxford Internet Institute. Die beiden drehen die übliche Lesart um. Auf Basis repräsentativer UK-Daten aus 2023 und 2024, rund 8.000 Personen, kommen die Autoren zu einem klaren Befund. Frauen nutzen GenAI im Schnitt seltener, weil sie gesellschaftliche Risiken anders gewichten.

Stephany und Duszynski haben in der Studie einen Index geschaffen aus Sorgen um mentale Gesundheit, Privatsphäre, Klimaeffekte und Arbeitsmarktfolgen. Dieser Index erklärt zwischen 9 und 18 Prozent der Nutzungsunterschiede und gehört bei Frauen zu den stärksten Prädiktoren überhaupt. Bei jungen Frauen wiegt er schwerer als digitale Bildung oder formale Qualifikation. Die Forschenden sprechen von einer „other-oriented” Vorsicht, einer Haltung, die stärker an den Folgen für andere ausgerichtet sei. Und sie halten fest, diese Vorsicht könne ein berechtigtes Urteil sein.

Das ist der erste entscheidende Punkt. Skepsis ist hier kein Defizit. Vielmehr ist sie eine Form früher Problemerkennung. Wer Datenarbeit, Deepfakes, algorithmische Diskriminierung, Energiehunger und kreative Entwertung früher ernst nimmt, ist nicht ängstlich. Diese Personen sehen eben mehr.

Catherine Connelly, Professorin an der DeGroote School of Business in Hamilton, hat das in einem Interview zugespitzt. Frauen stellten häufiger Qualitäts-, Ethik- und Folgenfragen, während manche Kolleginnen vor allem auf den Tempogewinn schauten. In Umgebungen, in denen KI als unhinterfragbarer Fortschritt gerahmt werde, gerieten genau diese Menschen unter Verdacht. Sie gälten schnell als Bremserinnen, als „anti-tech”.

Und damit sind wir mitten in der eigentlichen Frage.

KI wird männlich codiert

KI ist selbstverständlich nicht an sich männlich. Das wäre eine platte Behauptung, und sie wäre falsch. KI wird aber in vielen organisationalen Kontexten männlich codiert. Sie eignet sich hervorragend als Trophäe, weil sie alles auf einmal verspricht. Vorsprung, Kontrolle, Tempo, Skalierung, Automatisierung, Zukunftsbesitz, you name it.

Wer die neuesten Tools kennt, kann Modernität performen. Wer ständig von Agents, Automatisierung und Prompting redet, kann Kompetenz markieren. Wer „AI-first” fordert, kann Führungsstärke simulieren. Wer mehr Output erzeugt, kann Produktivität behaupten. Wer skeptische Einwände als Bremse abtut, kann sich selbst zum mutigen Zukunftsmenschen erklären.

Für dieses Verhalten fehlen uns noch Begriffe. Ich versuche es mal mit etwas wie KI-Statusperformanz. Oder zugespitzt: KI-Geprahle. Im Englischen liegt das bereits genannte AI Bragging nahe. Ich meine damit keine legitime Neugier auf neue Werkzeuge. Es geht mir um den sozialen Gebrauch von KI als Überlegenheitsmarker. Tool-Name-Dropping, Early-Adopter-Gehabe, aggressives „AI-first”, das Reden über Automatisierung als Führungssignal, die Verwechslung von Lautstärke mit Können.

Direkte Forschung zu diesem exakten Phänomen gibt es noch kaum. Aber der theoretische Unterbau ist da und ich finde ihn tragfähig. Die Soziologin Judy Wajcman zeigt seit Jahrzehnten, dass Technologie keine neutrale Sache ist, die zufällig in eine soziale Welt fällt. Sie ist in Design und Gebrauch geschlechtlich codiert, und sie formt Beziehungen und Machtordnungen mit. In „Feminism Confronts AI“ hat Wajcman das zuletzt direkt auf KI bezogen. Im deutschsprachigen Raum macht Eva Gengler einen verwandten Punkt. In ihrem Buch „Feministische KI" argumentiert sie, KI reproduziere die Machtstrukturen einer ungleichen Gesellschaft, die in Daten und Zielsetzungen der Systeme weiterwirken. Feministische KI ziele darauf, diese Macht gerechter zu verteilen, und gehe damit über reine Frauenförderung hinaus.

In den Kontext passt auch eine kleine Interviewstudie von Anfang 2026, „Living in the tensions“, die Gender als Performance in MINT untersucht. Die befragten Frauen berichten von drei wiederkehrenden Mustern. Dem Stereotyp, Frauen seien weniger analytisch. Dem Druck, sich an männlich codierte Normen anzupassen. Und dem Zwang, Zugehörigkeit ständig sichtbar zu beweisen. Zugehörigkeit muss dort performt werden, immer wieder neu.

Und die grundsätzliche Kritik an der Tech-Bro-Kultur liefert das Vokabular für eine Umgebung, in der Aggression, Abstraktionsfetisch und die Geringschätzung fürsorglicher Orientierungen als Stärke gelesen werden. Eine Studie macht den Zusammenhang besonders greifbar. Hao Peng, Misha Teplitskiy, Daniel M. Romero und Emőke-Ágnes Horvát haben in „The Gender Gap in Scholarly Self-Promotion on Social Media“ die wissenschaftliche Selbstpromotion auf Twitter untersucht. Über sechs Jahre, 23 Millionen Tweets zu 2,8 Millionen Fachartikeln von 3,5 Millionen Forschenden. Ihr Befund: Frauen bewerben ihre eigenen Arbeiten rund 28 Prozent seltener als Männer. Der Abstand wächst mit Leistung und Status und ist am größten bei produktiven Frauen an Spitzeninstitutionen. Und selbst wenn Frauen offensiver werden, springt dabei weniger Sichtbarkeit heraus als bei Männern.

Die Autor*innen ziehen daraus eine klare Konsequenz. Man solle die Institutionen reparieren und nicht die Frauen. Genau das ist der springende Punkt. Akademische Plattformen belohnen einen männlich codierten Stil der Selbstdarstellung. Wer ihn nicht bedient, verschwindet, unabhängig von der Qualität der Arbeit.

Übertragen auf KI heißt das: Es geht nicht allein darum, wer KI nutzt. Es geht darum, wer KI-Nutzung sichtbar als Kompetenz, Zukunftsnähe und Führungsstärke inszenieren kann und wer dafür Anerkennung bekommt.

Die Asymmetrie der Anerkennung

Hier wird nochmal die Lean-In-Erhebung interessant, und zwar gegen ihre eigene Pointe gelesen. Lean In findet nämlich mehr als die Nutzungslücke. Unter den Beschäftigten, die KI nutzen, berichten 27 Prozent der Männer von Lob für diese Nutzung, aber nur 18 Prozent der Frauen. 37 Prozent der Männer fühlen sich von Vorgesetzten zur KI-Nutzung ermutigt, bei Frauen sind es 30 Prozent. Frauen sind fast doppelt so häufig der Ansicht, KI werde Frauen Jobs kosten, und sie sorgen sich deutlich öfter, bei KI-Nutzung als Schummlerinnen zu gelten.

Sheryl Sandberg, Gründerin von Lean In und ehemalige COO von Meta, deutet das als bekannte Verzerrung in neuem Gewand. Männer würden eher für Mühe gelobt, Frauen eher kritisiert, und Vorgesetzte merkten oft nicht einmal, dass sie Männer stärker ermutigten. Ihre Schlussfolgerung bleibt aber der alte Reflex und auch das, was Colette Rückert-Hennen ausruft. Frauen sollten sich sichtbarer machen.

Die Daten erzählen jedoch eine andere Moral. Wenn dieselbe Praxis bei Männern Status erzeugt und bei Frauen kaum, dann ist das Problem nicht die Zurückhaltung der Frauen. Dann ist es die Belohnungsstruktur. Der Gender AI Gap ist eben auch ein Anerkennungs- und Sichtbarkeitsgap.

Und damit kippt für mich die ganze Erzählung von der mangelnden weiblichen Selbsteinschätzung. Ja, viele Frauen unterschätzen sich, das ist gut belegt. Eine Studie der University of Pittsburgh zeigt es für Ingenieurstudentinnen. Ihre Selbstwirksamkeit liegt niedriger, obwohl ihre Noten gleich gut oder besser sind als die der Männer. Die Gegenseite bleibt aber meist unbenannt. Wo Frauen sich unterschätzen, überschätzen sich andere. Entscheidend ist dabei die Wahrnehmung. Dieselbe Haltung wird unterschiedlich gelesen, je nachdem, wer sie zeigt. Frauen, die vorsichtig prüfen, gelten als zögerlich. Männer, die schnell behaupten, gelten als visionär. Frauen, die Qualität einfordern, gelten als kompliziert. Männer, die Volumen erzeugen, gelten als produktiv. Frauen, die Risiken benennen, gelten als skeptisch. Männer, die Risiken ignorieren, gelten als mutig.

Niedriges Selbstvertrauen markieren wir als Problem. Überkonfidenz aber feiern wir als Leadership. Das ist die eigentliche Asymmetrie. Und ich bin ehrlich, ich finde sie nur sehr schwer auszuhalten.

Wer räumt eigentlich auf?

Bleibt der Punkt, an dem meine Beobachtung und zugetragenen Berichte vor allem aus Agentur-, Kommunikations- und Beratungskontexten am dichtesten an der Forschung andocken. Mit dem Satz, den ich immer wieder höre: „Leute, Vorgesetzte, Chefs, sagen mir, mach das doch (noch) mehr mit KI”.

Er klingt pragmatisch. Er transportiert oft viel mehr. Dass Geschwindigkeit über Qualität geht. Dass kreative Arbeit als beliebig verkürzbar gilt. Dass Prozess, Erfahrung und Stilgefühl wenig zählen. Dass Führung Effizienz sieht und die tatsächliche Arbeit übersieht, die gute Ergebnisse erst möglich macht. Dass die KI-Nutzung selbst zum Leistungsnachweis wird, ob sie dem konkreten Werk hilft oder nicht.

Für die Folgen gibt es inzwischen einen Begriff: Workslop. Geprägt haben ihn Kate Niederhoffer, Jeffrey Hancock und Kolleg*innen von BetterUp Labs und dem Stanford Social Media Lab, in einem Beitrag für die Harvard Business Review im September 2025. Workslop meint KI-generierte Arbeit, die professionell aussieht, aber der die Substanz fehlt. Glatt, plausibel, schnell erzeugt, und der Aufgabe nicht wirklich dienlich. Du wirst das ganz sicher kennen. Ich kenne kaum eine Person in der Wissensarbeit, die damit noch nicht in Berührung gekommen ist.

In ihrer Befragung von 1.150 US-Beschäftigten gaben 40 Prozent an, im Vormonat solche Outputs erhalten zu haben. Im Schnitt kostete jeder Fall knapp zwei Stunden Nacharbeit. Mehr als die Hälfte reagierte genervt, ein Fünftel sogar beleidigt. Der entscheidende Mechanismus ist also simpel: Workslop spart keine Arbeit, er verschiebt sie. Jemand anderes muss prüfen, deuten, korrigieren, neu denken, reparieren. Noch nie vorher in der Geschichte haben wir die Möglichkeit gehabt, so schnell vordergründig professionell aussehende Arbeit zu produzieren, schneller als wir dafür benötigen, sie zu prüfen. Mein Eindruck ist, dass hier gerade eine unsichtbare Nacharbeitsökonomie entsteht.

Eine weitere Einordnung gehört aber auch noch dazu, sonst wäre ich unredlich. Die Workslop-Zahlen stammen aus einer Industrie-Umfrage für ein HBR-Format, nicht aus einer begutachteten Studie. Der Begriff ist brillantes Marketing und eine plausible Beobachtung zugleich. Als harter Beweis taugt er in dieser Form nicht, als Vokabular für ein reales Phänomen aber schon.

Dieser unsichtbaren Arbeit hat gerade auch eine prominente Stimme einen Namen von oben gegeben. Aaron Levie, CEO des Cloud-Anbieters Box, sprach vor kurzem, im Juni 2026 von einer „KI-Psychose” in den Chefetagen. Den Begriff kennt die Medizin als etwas Klinisches. Levie nutzt ihn als Metapher. Führungskräfte überschätzten KI seiner Erfahrung nach systematisch, sagt er, weil sie zu weit von der eigentlichen Arbeit entfernt seien. Sie sähen den Happy Path, den fertig generierten Vertrag, den schicken Prototypen. Sie sähen aber nicht die zehn, zwanzig Schritte danach. Das Prüfen des Codes vor dem Produktivgang, das Abgleichen der Vertragsklauseln, das Reparieren … unsichtbar für die Executive-Levels.

Das ist exakt die Nacharbeit, von der hier die Rede ist, nur aus der Vogelperspektive. Wer „mach das doch mehr mit KI” ruft, sitzt oft genau dort, wo Levie die KI-Psychose verortet. Weit genug oben, um das geschönte Ergebnis zu sehen. Weit genug weg, um die Korrekturarbeit zu übersehen.

Pikant finde ich Levies Therapie. Er empfiehlt Führungskräften, KI noch viel intensiver selbst zu nutzen. D’oh! Mehr Nutzung als Heilmittel… right. Das ist natürlich für einen Tech-CEO wenig überraschend. Und doch fällt auf, dass die Standardantwort fast immer dieselbe ist, egal worauf. Frauen nutzen zu wenig? Mehr nutzen! Chefetagen überschätzen die Technik? Mehr nutzen! Vielleicht ist „mehr nutzen” eben nicht die Antwort auf jede Frage. (Hint: ist sie auf keinen Fall)

Aber jetzt zur Frage, die in der Forschung erstaunlich unbeantwortet bleibt. Wer räumt das alles eigentlich auf? Ob Prüf-, Korrektur- und Kontextarbeit im KI-Zeitalter geschlechtlich ungleich verteilt wird, ist bislang kaum gemessen. Eine Vermutung drängt sich mir aber auf. Wenn laute KI-Nutzung Sichtbarkeit bringt und stille Nacharbeit unsichtbar bleibt, dann entsteht eine neue Arbeitsteilung.

Die einen performen Innovation, während die anderen Qualität sichern. Die einen erzeugen Volumen und die anderen räumen Workslop weg. Die einen reden über Tools. Die anderen machen aus unfertigem Material brauchbare Arbeit. Die einen bekommen Sichtbarkeit. Die anderen leisten Urteilskraftarbeit.

Was mir wichtig ist: Ich rede hier nicht von allen Frauen und allen Männern. Selbstverständlich nicht. Es gibt den Mann, der still die Qualität sichert, und die Frau, die laut das Tool-Spiel spielt (auch solche kenne ich). Einzelne sagen wenig.

Worum es geht, sind Verhaltensmuster, geschlechtlich codierte Rollen. Mit Biologie hat das nichts zu tun, mit sozialer Erfahrung und Belohnung aber sehr viel. Und diese Muster kennen wir aus der Arbeitsforschung längst. Selbstpromotion und Anerkennung, Care-Arbeit, Fehlervermeidung, unsichtbare Organisationsarbeit. Wer darf schnell und unfertig sein, und wer muss sorgfältig und anschlussfähig liefern?

Die Vermutung läuft deshalb nicht auf ein simples „Männer machen den Müll, Frauen räumen ihn weg” hinaus. Das wäre zu simpel. Subtiler ist der Gedanke: Eine Kultur, die laute Nutzung belohnt und stille Nacharbeit unsichtbar lässt, zieht genau diese vertrauten Muster wieder ein. Unabhängig davon, wer im Einzelfall was tut.

Die Urteilskraftlücke

Ich möchte den ganzen Gedanken in einem Begriff bündeln, und ich halte ihn für den eigentlichen Gewinn dieser Recherche. Ich nenne es die Urteilskraftlücke.

Sie verschiebt den Blick weg von der Nutzungsquote. Die meisten Studien messen, wer KI wie oft nutzt. Aber ich habe noch nicht gesehen, wo gemessen wird, wer KI gut nutzt, wer schlechte Outputs erkennt. Wer Kontext prüft. Wer beurteilt, wann KI Qualität erhöht und wann sie bloß Volumen erzeugt. Wer entscheidet, wann die Maschine hilft und wann man ihr besser widerspricht.

Genau das ist die Kompetenz, die aus meiner Sicht im KI-Zeitalter zählt (und ich rede, schreibe, diskutiere und argumentiere wo auch immer ich kann, um das Bewusstsein dafür zu fördern). Es ist aber auch die Kompetenz, die im Status-Spiel nach meiner Erfahrung noch in viel zu vielen Organisationen untergeht. Was als Zukunftskompetenz verkauft wird, ist oft Tool-Fetischismus mit Management-Anschluss. Die eigentliche Zukunftskompetenz steckt für mich aber im Unterscheiden.

Die Urteilskraftlücke ist deshalb keine technische Frage. Sie ist eine kulturelle und organisationssoziologische. Sie fragt, welche Art von Aneignung eine Organisation prämiert. Ist es lautes Tool-Know-how, Schlagwortkompetenz und Menge? Oder doch eher sorgfältige, kritische, verantwortliche Anwendung?

Was in der ganzen Betrachtung noch fehlt

Ich will ehrlich bleiben, wo die These nach all dem steht. Gut belegt sind die Bausteine, wie die Adoptionslücke oder die Rolle der Risikowahrnehmung. Der Selbstpromotions- und Anerkennungs-Gap. Die Workslop-Erfahrung und das Qualitätsproblem. Theoretisch stark anschlussfähig ist die Lesart von KI als männlich codierter Statusperformanz.

Was noch fehlt, ist die direkte Messung des Kerns. Es scheint bislang keine saubere Forschung zu geben, die direkt fragt: Nutzen Frauen KI produktiv, lehnen aber die männlich codierte Hype- und Statuskultur rundherum ab? Ich wünsche mir sehr, dass diese Lücke bald geschlossen wird.

Eine Beobachtung passt dazu aber wie ein Schlüssel ins Schloss. Die Autor*innen der Selbstpromotions-Studie um Hao Peng empfehlen ausdrücklich, die Institutionen zu reparieren statt die Frauen. Lean In empfiehlt den Frauen, sich sichtbarer zu machen. Zwei Antworten auf dieselben Daten. Die eine adressiert die Struktur. Die andere das Individuum, die Einzelne. Für mich steht fest, ich finde die erste überzeugender. Da muss ich nicht eine Sekunde überlegen.

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt?

Der Gender AI Gap ist real, und er ist mehr als ein Nutzungs- oder Kompetenzproblem. Er ist sehr wahrscheinlich auch eine Reaktion, und zwar auf eine KI-Kultur, in der männlich codierter Hype, Tool-Fetischismus, Selbstpromotion und Effizienzversprechen besser anschlussfähig sind als Sorgfalt, Kontextbewusstsein und Qualitätsurteil.

Wenn das stimmt, dann führt der Reflex „Frauen, nutzt endlich mehr KI!” deutlich am Problem vorbei. Er verlangt von Frauen, sich an eine Kultur anzupassen, deren Maßstäbe selbst fragwürdig sind. Die schärfere Forderung richte ich an die Organisationen: Hört auf, KI-Nutzung als Selbstzweck zu belohnen! Lernt, stille, gute KI-Nutzung genauso zu erkennen wie lautes KI-Geprahle. Baut Kulturen, in denen Urteilskraft zählt, nicht Lautstärke.

Und deshalb wünsche ich mir etwas von denen, die genau diese Kulturen prägen. Von CHROs, von den Top Voices, die auf LinkedIn den Ton angeben.

Nehmen wir Colette Rückert-Hennen, deren Post am Anfang dieses Textes stand. Sie ist alles andere als eine schlechte Adresse für das Thema. Als CHRO von EnBW hat sie Diversity über Jahre ernsthaft in Recruiting, Entwicklung und Organisationsdesign verankert, mit konkreten Zielen, nicht nur mit Symbolpolitik. Und doch bleibt ihre Stimme in einem Rahmen, der für viele Top-Managerinnen typisch ist. Modernes DEI-Vokabular, Reform von innen, progressiv genug, um modern zu wirken, und pragmatisch genug, um keine grundsätzlichen Machtfragen aufzumachen.

Genau das reicht mir in diesem Moment nicht mehr. Wenn etwas so Umwälzendes wie KI in die Arbeitswelt kommt, brauchen wir Menschen, die mutiger sind als das. Jetzt ist die Chance, alte Muster zu überwinden. Und es ist die Gefahr, all die Nachteile des Vergangenen noch einmal tief einzucodieren, wenn wir nicht entschieden gegensteuern im KI-Tsunami. Viel zu viele reden aus dem System heraus, mit seinen eingeschränkten, reincodierten Sichtweisen. Und ausgerechnet denen, die vielleicht gerade die klügsten Reaktionen zeigen, halten sie entgegen, sie müssten anders werden. Ich hätte sie lieber als Verbündete, die das System selbst verändern. Da schließt sich der Kreis zum Auslöser dieses Textes, dem gut gemeinten Appell, die Frauen müssten mutiger werden.

Hier dreht sich nämlich die Beweislast um. Üblicherweise sollen Frauen beweisen, dass sie KI-ready sind. In meiner Wunschwelt sollten aber die Unternehmen beweisen, dass sie reif, abgeklärt und urteilsfähig genug sind, um KI in Zeiten eines beispiellosen Hypes gut einzuführen.

Womöglich reden wir die ganze Zeit über die falsche Lücke. Meine Ableitung aus dieser Betrachtung ist, dass es eine wichtige Lücke zwischen KI-Geprahle und KI-Urteilskraft gibt. Über die müssen wir viel mehr reden. Und ich bin sicher, und ich habe zumindest anekdotische Evidenz, dass nicht wenige Frauen jede Menge Lust auf KI haben. Worauf sie verständlicherweise weniger Lust haben, ist das, was die beschriebenen Arbeitskulturen daraus machen.

In eigener Sache, ganz im Geiste dieses Textes. Am 26. Juni mache ich eine weitere Session Lunch & Learn zu „KI-Einführung ist Kulturarbeit”. Der Gender AI Gap ist da nur ein Beispiel unter vielen. Es geht um die größere These. Wer KI gut einführen will, kommt an der Kultur nicht vorbei. Wenn dich das gepackt hat, komm gern dazu.

Und bleib’ dran!

Herzlichst

André

Noch ein paar gute Empfehlungen

After Automation: AI progress creates more work for humans, not less

gelesen bei Every - von Dan Shipper

Dan Shipper ist CEO von Every und betreibt sein Unternehmen als eine Art Frühadopter-Labor, in dem fast alles automatisiert wird, was sich automatisieren lässt. Sein erfrischender und erkenntnisreicher Befund läuft gegen den Strich der KI-Untergangsrhetorik. Je mehr automatisiert werde, desto mehr anspruchsvolle menschliche Arbeit entstehe, weil KI das verwertbare Sediment vergangener Kompetenz billig mache und damit den Wert von Standardoutput kollabieren lasse. Was knapp und wertvoll bleibe, sei genau das, was die Modelle nicht von selbst liefern, nämlich Urteil im konkreten Moment. Stark ist der Text, weil er ohne Heilsversprechen auskommt und sehr konkret zeigt, wie zwei Modi der Zusammenarbeit mit Agenten aussehen und warum jeder Agent einen Menschen braucht, der ihn ausrichtet und prüft. Sein Bild vom „frame“ und „framer“ trägt weit, auch wenn man im Blick behalten sollte, dass Shipper als KI-Optimist und Anbieter genau dieser Workflows ein Interesse an dieser Lesart hat.

The world’s first trillionaire is a killer

gelesen bei The Verge - von TC Scottek

Wenn du dieser Tage nur einen Text zum SpaceX-Börsengang liest, dann diesen. Denn TC Sottek geht es um die Person dahinter und um die Rochaden, mit denen dieses Vermögen zustande kommt. Er erinnert daran, was in der DOGE-Zeit geschah, als Musk die Entwicklungsbehörde USAID nach eigener Aussage übers Wochenende „in den Häcksler“ gefüttert habe. Ein von einer Forscherin der Boston University mitentwickelter Tracker rechnet die Folgen der Kürzungen auf über 780.000 Tote hoch, viele davon Kinder, und Nature wie The Lancet kommen auf Größenordnungen in ähnlicher Höhe. Sottek bringt das auf ein Bild, eine Feuerwehr ohne Feuerwehrleute sehe auf dem Papier gut aus, solange man ignoriere, dass die Stadt längst brenne. Bleibt die Frage, warum wir als Menschheit zulassen, dass sich so viel Geld, Medienmacht und Regierungseinfluss in einer einzigen, gleichgültigen Hand sammeln.

Made in the USA

gelesen bei The New York Review- von Suzy Hansen

Dieser Essay porträtiert Pete Hegseth, Trumps „secretary of war“, während des amerikanisch-israelischen Kriegs gegen den Iran. Er verfolgt ein Leitmotiv, das aus Jahren in der Türkei stammt, nämlich die Idee der Lossagung. Eine Figur wie Hegseth zu verleugnen, falle vielen deshalb so schwer, weil es hieße, einen Teil des eigenen Selbstbilds preiszugeben. Der Text liest Hegseths Doktrin der „maximum lethality“ als Ergebnis einer langen amerikanischen Linie, die weit über die Trump-Jahre zurückreicht. Das ist harte Lektüre, aber sie gibt einen wichtigen Blick auf das, was in den USA im Jahr 2026 völlig normal und möglich ist. Dieser Mann hilft gerade dabei, die NATO in Europa zu zerlegen.

Boomer Realism

gelesen bei Understanding TikTok- von Marcus Boesch

Marcus Bösch, der seit Jahren TikTok und digitale Öffentlichkeiten beobachtet (und eine echte Follow-Empfehlung ist), stellt Kevin Mungers Begriff „Boomer Realism“ vor, eine Anspielung auf Mark Fishers „Capitalist Realism“. Gemeint ist die stille Annahme, die Kategorien der liberalen Nachkriegsordnung seien schlicht die Realität, obwohl sie nur eine bestimmte Sicht unter mehreren sind. Bösch zeigt das an drei Reaktionsmustern auf Trumps Kommunikation, Pathologisierung, Faktencheck und Umgehung, die alle voraussetzen, es gebe ein Normal, an dem sich Trump messen lasse. Mungers scharfe Pointe ist, dass eben diese Annahme das Problem sei, weil Trump bestens zur Logik eines Apparats passe, der von Affekt angetrieben werde und unterhalb des Arguments arbeite. Sehr lesenswert!

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ — das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Welcome to a new edition of #DRANBLEIBEN!

This time it’s about something that’s been gnawing at me for a while. I remember a discussion from my time at Deutsche Telekom, back in 2024. A female colleague had posted an article on the social intranet asking why all the internal AI events were so male-dominated. That made waves. Lively, controversial, with no end of reactions. Plenty of reactions from men, too, and they showed me that nobody here had broken through the surface. The feedback was bursting with lines like “well then, dear women, do finally come to these events. Nobody’s stopping you.”

That very “just come along” showed me back then where the problem was. It treats a cultural question like a pure matter of attendance. As if women only had to enter the room and everything would be fine. The actual question, why this room feels so male to so many in the first place, stayed untouched.

Today, with more distance and a presumed maturing of the AI topic, this very pattern returns, only bigger. You probably know the usual story. Women use less AI, so they supposedly need to catch up on AI. We now have a term for it, too, the Gender AI Gap. But it’s a different gap that occupies me. It’s the male-coded culture of hype and status around AI, and the question of whether organizations are rewarding the wrong kind of AI use right now.

I really want to get to the bottom of this question. I’ve sorted out my thoughts on it, woven in my own impressions and experiences, and researched fairly extensively. I’d be glad to take you along on this journey through studies, my own observations and a few uncomfortable questions. It’ll run a little longer. So best grab yourself a coffee ☕, and let’s get going.

My next encounter with the Gender AI Gap came last year, through a study. It was “Global Evidence on Gender Gaps and Generative AI“, a paper by Nicholas Otis, Solène Delecourt, Katelynn Cranney and Rembrand Koning at Harvard Business School. It bundles 18 studies with more than 140,000 people worldwide, and its finding is uncomfortably clear. Women use generative AI less often than men almost everywhere, across regions, industries and professions. One spot in particular struck me. The gap doesn’t disappear once women and men have the same access to the tools. It stays. So a lack of access doesn’t explain it. The authors expressly note that the causes are not yet settled.

I then used the topic and these very insights from the study in several leadership trainings. And I got very positive responses. Several times women came up to me afterward and thanked me for even bringing up gender and AI at all. That was unusual, they said, they hadn’t expected it and hadn’t experienced it that way before. A thank-you for something that should be a given, that perhaps already says something quite important about the situation.

The topic then came back to me two weeks ago via LinkedIn. A post by Colette Rückert-Hennen, CHRO at EnBW and an HR influencer or “Top Voice”, “The future of AI needs more women“, popped up in my feed through a comment by Robert Franken, a transformation consultant and gender-equality activist I hold in high regard. Rückert-Hennen’s post does something understandable and well meant. It tells the gap as a matter of courage and skill. Women use AI less often, she argues, and thereby risk falling out of the loop and out of sight, so they should become braver, experiment, help shape things.

But that framing is exactly what bothers me. And honestly, it makes me a little angry, too. My irritation is about the reflex behind it, the one that passes for thought leadership just because a “Top Voice” voices it. The reflex simply dumps the whole onus onto women. It reads holding back as falling behind.

Do we really want to meet the enormous cultural challenges AI puts on us with the same old reflexes, pulled straight out of mothballs? Be brave, try harder, make yourself visible! Or can we finally admit that what’s needed here is honest culture work? I want to get at the causes. The endless tinkering with symptoms gets us nowhere. What affects me most here is that such advice to women so often comes from women themselves, and indeed from powerful women inside the system. My appeal is and stays the same. Introducing AI has to be treated as a holistic and comprehensive culture project. If we do that, we’ll get to different conclusions on the Gender AI Gap as well.

If we don’t do that, we leave out the question that seems superior to me. Catch up to what, exactly? And toward what?

The only one who nudged the discussion in exactly this direction was Robert Franken. His point ran roughly like this. Participation in what, exactly? AI systems, he said, are not neutral, and skepticism can be a legitimate judgment. Women therefore belong in AI development, in governance and design. Participation in shaping it, not just in using it.

That hits a nerve. But from there I’d like to go a step further and ask, precisely, about the culture. Which form of joining in are we celebrating very loudly right now, and might it be pushing many women away?

I tried this in a comment and threw in a different view … without resonance. Not too surprising. A thought like this is quite hard to like without positioning yourself against the implicit culture of hype and bosses. It’s socially risky, because it names power. And naming power may get read on LinkedIn, but it rarely gets public support. Perhaps the algorithm doesn’t much care for power-critical notes either.

Let’s stay with this irritation for a moment, because it’s the real starting point of this Deep-Dive. From my consulting work and from my own circle of friends and acquaintances, I regularly hear about women whom the catch-up story doesn’t fit at all. They’ve been using AI for long. Confidently, naturally, productively. And they’re annoyed all the same. The technology bothers them least of all. What grates is the noise around it. The constant tool bragging, the efficiency fantasy, the loud “AI-first” talk, the equation of lots of output with good work.

So the Gender AI Gap may show more than the fact that women use AI less often. It may also show that many organizations reward a form of AI use that repels quite a few women, for good reasons. Loud, status-driven, efficiency-fixated, blind to quality.

An honest aside belongs here, though. The usage gap is real and well documented. On average, women use AI less often, and no anecdote of mine wipes that away. At the same time I know enough women who use AI very intensively and are simply fed up with all this AI bragging.

And I have a hunch. I can’t fully prove it, but the studies I’ve cited point this way. It strikes me that this culture is itself one of the reasons for the lower usage. Anyone who finds the noise, the bragging and the efficiency fixation off-putting might keep their distance from the start. A kind of “leave me alone with your AI and have at it yourselves”. Friction turns into withdrawal, and the withdrawal then shows up in the statistics as a gap.

What the research shows

Why the gap stays even with equal access, the Harvard Business School synthesis left open, as I said. This very why is the exciting question here.

First the numbers, because the basic observation is solid. The Lean In survey from March 2026, among roughly 1,000 US adults, finds 78 percent usage among men and 73 percent among women, and for daily use 33 versus 27 percent. That’s no abyss, but a stable pattern.

The strongest answer to this so far comes from a British study from early 2026, “Women Worry, Men Adopt“, by Fabian Stephany and Jedrzej Duszynski, among others at the Oxford Internet Institute. They turn the usual reading around. On the basis of representative UK data from 2023 and 2024, around 8,000 people, they reach a clear finding. Women use GenAI less often on average because they regard societal risks differently.

In the study, Stephany and Duszynski built an index out of worries about mental health, privacy, climate effects and labor-market consequences. This index explains between 9 and 18 percent of the usage differences and is among the strongest predictors of all for women. For young women it weighs more heavily than digital education or formal qualification. The researchers speak of an “other-oriented” caution, an attitude geared more toward the consequences for others. And they hold that this caution can be a legitimate judgment.

This is the first crucial point. Skepticism is no deficit. It is rather a form of early problem detection. Anyone who takes data labor, deepfakes, algorithmic discrimination, energy hunger and creative devaluation seriously earlier on is not being fearful. These people simply see more than others.

Catherine Connelly, a professor at the DeGroote School of Business in Hamilton, sharpened this in an interview. Women, she says, more often ask questions about quality, ethics and consequences, while some colleagues looked mainly at the gains in speed. In environments where AI gets framed as unquestionable progress, exactly these people fall under suspicion. They are quickly seen as the ones putting on the brakes, as “anti-tech”.

And with that we’re in the middle of the real question.

AI gets coded male

AI is of course not inherently male. That would be a flat claim, and it would be wrong. But in many organizational contexts AI gets coded in a male fashion. It works wonderfully as a trophy, because it promises everything at once. An edge, control, speed, scale, automation, ownership of the future, you name it.

Whoever knows the newest tools can perform modernity. Whoever talks constantly about agents, automation and prompting can mark competence. Whoever demands “AI-first” can simulate leadership. Whoever produces more output can claim productivity. And whoever dismisses skeptical objections as a brake can crown himself a brave man of the future.

We still lack words for this behavior. Let me try something like AI status performance. Or, put more bluntly, AI bragging. I don’t mean legitimate curiosity about new tools. I rather mean the social use of AI as a marker of superiority. Tool name-dropping, early-adopter posturing, aggressive “AI-first”, talking about automation as a leadership signal, mistaking volume for skill.

There’s hardly any direct research on this exact phenomenon yet. But the theoretical foundation is there and I find it sturdy. The sociologist Judy Wajcman has shown for decades that technology is no neutral thing that happens to drop into our social world. It is gender-coded in design and use, and it helps shape relationships and orders of power. In “Feminism Confronts AI“ Wajcman recently applied this directly to AI.

Fitting with this is a small interview study from early 2026, “Living in the tensions“, which examines gender as performance in STEM. The women interviewed report three recurring patterns. The stereotype that women are less analytical. The pressure to conform to male-coded norms. And the compulsion to constantly prove belonging visibly. Belonging has to be performed there, over and over again.

And the broader critique of tech-bro culture supplies the vocabulary for an environment in which aggression, a fetish for abstraction and contempt for caring orientations get read as strength. One study makes the connection especially tangible. In “The Gender Gap in Scholarly Self-Promotion on Social Media“, Hao Peng, Misha Teplitskiy, Daniel M. Romero and Emőke-Ágnes Horvát examined scholarly self-promotion on Twitter. Over six years, 23 million tweets on 2.8 million papers by 3.5 million researchers. Their finding: Women promote their own work around 28 percent less often than men. The gap grows with performance and status and is largest among productive women at top institutions. And even when women become more assertive, visibility for it is lower that it is for men.

The authors draw a clear consequence from this. Fix the institutions, not the women! That’s the crux of it. Academic platforms reward a male-coded style of self-presentation. Whoever doesn’t serve it disappears, regardless of the quality of the work.

Applied to AI, it’s just the same. It’s not only about who uses AI. It is about who can visibly stage AI use as competence, future-readiness and leadership, and who gets recognized for it.

The asymmetry of recognition

Here the Lean In survey gets interesting again, read against its own punchline. Lean In, after all, finds more than the usage gap. Among employees who use AI, 27 percent of men report praise for that use, but only 18 percent of women. 37 percent of men feel encouraged by superiors to use AI, for women it’s 30 percent. Women are almost twice as likely to believe AI will cost women jobs, and they worry far more often about being seen as cheaters when they use AI.

Sheryl Sandberg, founder of Lean In and former COO of Meta, reads this as a familiar bias. Men, she says, tend to get praised for effort, women tend to get criticized, and superiors often don’t even notice that they encourage men more. Her conclusion, though, stays the old reflex, the same one Colette Rückert-Hennen calls out. Women should make themselves more visible.

But the data tells a different morale. If the same practice produces status for men and barely any for women, then the problem surely isn’t women’s restraint. Then it’s the reward structure. The Gender AI Gap is, after all, also a gap in recognition and visibility.

And with that, the whole story of women’s deficient self-assessment tips over for me. Yes, many women underestimate themselves, that’s well documented. A study from the University of Pittsburgh shows it for female engineering students. Their self-efficacy runs lower even though their grades are as good or better than the men’s. But the other side usually goes unnamed. Where women underestimate themselves, others overestimate themselves. What’s decisive here is perception. The same attitude gets read differently depending on who shows it. Women who check carefully count as hesitant. Men who assert quickly count as visionary. Women who demand quality count as difficult. Men who produce volume count as productive. Women who name risks count as skeptical. Men who ignore risks count as bold.

We flag low confidence as a problem. Overconfidence, though, we celebrate as leadership. That is the real asymmetry. And I’ll be honest, I find it very hard to bear.

Who actually cleans up?

That leaves the point where my observations and the reports passed on to me, above all from creative, communications and consulting contexts, sit closest to the research. With a sentence I keep hearing: “My people, supervisors, bosses keep telling me, just do that (even) more with AI.”

It sounds pragmatic, it often carries far more. That speed beats quality. That creative work is treated as freely shortenable. That process, experience and a sense of style count for little. That leadership sees efficiency and overlooks the actual work that makes good results possible in the first place. That AI use itself becomes the proof of performance, whether or not it helps the concrete matter of work.

There’s now a term for the consequences: Workslop. It was coined by Kate Niederhoffer, Jeffrey Hancock and colleagues at BetterUp Labs and the Stanford Social Media Lab, in a piece for the Harvard Business Review in September 2025. Workslop means AI-generated work that looks professional but lacks the substance. Smooth, plausible, quickly produced, and not really useful for the task. You’ll surely know this. I hardly know a single person in knowledge work who hasn’t already run into it.

In their survey of 1,150 US employees, 40 percent said they had received such outputs in the previous month. On average each case cost just under two hours of rework. More than half reacted annoyed, a fifth even offended. So the decisive mechanism is simple. Workslop saves no work, it shifts it. Someone else has to check, interpret, correct, rethink, repair. Never before in history have we been able to produce superficially professional-looking work this fast, faster than we need to check it. My impression is that an invisible rework economy is taking shape right here.

One more qualification belongs here, otherwise I’d be less than honest. The workslop figures come from an industry survey for an HBR format, not from a peer-reviewed study. The term is brilliant marketing and a plausible observation at the same time. As hard proof it won’t do in this form, but as vocabulary for a real phenomenon it will.

A prominent voice has also just given this invisible work a name from above. Aaron Levie, CEO of the cloud provider Box, recently spoke of an “AI psychosis” in the executive suites. Medicine knows the term as something clinical. Levie uses it as a metaphor. In his experience, he says, leaders systematically overestimate AI because they sit too far from the actual work. They see the happy path, the finished generated contract, the slick prototype. But they don’t see the ten, twenty steps that come after. Checking the code before it goes live, reconciling the contract clauses, repairing things… invisible to the executive levels.

That is exactly the rework we’re talking about here, only from a bird’s-eye view. Whoever shouts “just do more with AI” often sits exactly where Levie locates the AI psychosis. High enough up to see the polished result. Far enough away to overlook the correction work.

What I find piquant is Levie’s therapy. He recommends that leaders use AI far more intensively themselves. D’oh! More usage as the cure… right. Hardly surprising from a tech CEO, of course. And yet it’s striking how the standard answer is almost always the same, no matter the question. Women use too little? Use more! Executives overestimate the tech? Use more! Maybe “use more” just isn’t the answer to every question. (Hint, it absolutely isn’t.)

There’s a question that stays astonishingly unanswered in the research: Who actually cleans all this up? Whether checking, correcting and context work get distributed unequally by gender in the AI age has barely been measured so far. But one suspicion is working inside me. If loud AI use brings visibility and quiet rework stays invisible, then a new division of labor emerges.

Some perform innovation while others secure quality. Some generate volume and others clear away the workslop. Some talk about tools. Others turn unfinished material into usable work. Some get visibility. The others do the judgment work.

Please note: I’m not talking about all women and all men. Of course not. There’s the man who quietly secures quality, and the woman who loudly plays the tool game (I know those too). Individuals say little.

What this is about are behavior patterns, gender-coded roles. It has nothing to do with biology, but a great deal to do with social experience and reward. And we’ve long known these patterns from labor research. Self-promotion and recognition, care work, error avoidance, invisible organizational work. Who gets to be fast and unfinished, and who has to deliver carefully and in a way that connects?

So the suspicion doesn’t amount to a simple “men make the mess, women clear it away”. That would be too simple. The thought is subtler. A culture that rewards loud use and leaves quiet rework invisible pulls exactly these familiar patterns back in. Regardless of who does what in any given case.

The judgment gap

I want to bundle the whole thought into one term, and I consider it the real payoff of this research. I call it the judgment gap.

It shifts the focus away from the usage rate. Most studies measure who uses AI how often. But I haven’t yet seen where anyone measures who uses AI well, who spots bad outputs. Who checks context. Who judges when AI raises quality and when it merely produces volume. Who decides when the machine helps and when you’re better off contradicting it.

That is precisely the skill that counts in the AI age, as I see it (and I talk, write, discuss and argue wherever I can to build awareness of it). But it is also the skill that, in my experience, still gets lost in the status game in far too many organizations. What gets sold as a future skill is often tool fetishism with a management hookup. The real future skill, for me, lies in discernment.

The judgment gap is therefore not a technical question. It is a cultural and organizational-sociological one. It asks which kind of appropriation an organization rewards. Is it loud tool know-how, buzzword fluency and quantity? Or rather careful, critical, responsible application?

What’s still missing in all this

I want to stay honest about where the thesis stands after all this. The building blocks are well documented, like the adoption gap or the role of risk perception. The self-promotion and recognition gap. The workslop experience and the quality problem. Theoretically, the reading of AI as male-coded status performance connects strongly.

What’s still missing is the direct measurement of the core. So far there seems to be no clean research that asks directly: Do women use AI productively while rejecting the male-coded culture of hype and status around it? I very much hope this gap gets closed soon.

But one observation fits like a key into a lock. The authors of the self-promotion study around Hao Peng expressly recommend fixing the institutions instead of the women. Lean In recommends that women make themselves more visible. Two answers on the same issue. One addresses the structure. The other the individual, the single woman. For me it’s settled, I find the first more convincing. I don’t need a single second to think about it.

Teilen

#DRANBLEIBEN s free for you, but for me there's a whole lot of work and heart in it. If you feel like supporting me a little in that, I'm grateful for any support. You can give it, for example, through a voluntary paid subscription or a small donation for a coffee.

kostenpflichtiges Abo abschließen

What remains?

The Gender AI Gap is real, and it is more than a usage or a competence problem. Very likely it is also a reaction, namely to an AI culture in which male-coded hype, tool fetishism, self-promotion and promises of efficiency connect better than care, context awareness and quality judgment.

If that’s right, then the reflex “come on, women, use more AI!” clearly misses the problem. It asks women to adapt to a culture whose very standards are questionable. My sharper demand goes to the organizations. Stop rewarding AI use as an end in itself! Learn to recognize quiet, good AI use just as readily as loud AI bragging. Build cultures where judgment counts, not volume.

And so I want something from the people who shape exactly these cultures. From CHROs, from the Top Voices who set the tone on LinkedIn.

Take Colette Rückert-Hennen, whose post opened this piece. She is anything but a poor address for the topic. As CHRO of EnBW she has anchored diversity seriously for years in recruiting, development and organizational design, with concrete goals, not just symbolic politics. And yet her voice stays inside a frame that is typical for many women in top management. Modern DEI vocabulary, reform from within, progressive enough to look modern, and pragmatic enough not to open up any fundamental questions of power.

And right now, that is no longer enough for me. When something as upending as AI enters the working world, we need people who are braver than that. Now is the chance to overcome old patterns. And it is the danger of coding all the disadvantages of the past deep into the system once more, if we don’t steer decisively against it in the AI tsunami. Far too many speak from inside the system, with its narrow, hard-coded perspectives. And of all people, those who may be showing the smartest responses right now are told they have to become different. I’d rather have them as allies who change the system itself. That closes the circle back to the trigger of this piece, the well-meant appeal that women should become braver.

Because here the burden of proof flips. Usually women are supposed to prove that they’re AI-ready. In my ideal world, though, it would be the companies that have to prove they are mature, level-headed and capable of judgment enough to introduce AI well in a time of unprecedented hype.

Maybe we’ve been talking about the wrong gap the whole time. What I derive from all this is that there’s an important gap between AI bragging and AI judgment. We need to talk about that one far more. And I’m certain, and I have at least anecdotal evidence, that quite a few women have plenty of appetite for AI. What they understandably have less appetite for is what the work cultures described here make of it.

A word on my own behalf, fully in the spirit of this piece. On June 26 I’m running another Lunch & Learn on “Introducing AI is culture work” (German language). The Gender AI Gap is just one example among many there. It’s about the larger thesis: Whoever wants to introduce AI well can’t get around the culture. If you like that thought, feel free to come along!

And stay on it! Bleib’ dran!

Warmly

André

That's it for today. Please do forward or recommend the newsletter ➡️ ✉️, it would help me a lot. Thanks for your attention and see you next time!

Leave a comment

Teilen

Jetzt abonnieren

Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!

Diese Woche saß ich mit einem lieben Freund zusammen, der bei einem großen Konzern in der Corporate Responsibility arbeitet. Er kämpft an einer Front, die ich gut kenne, und zu der ich in der Vergangenheit auch immer wieder Berührungspunkte hatte. Nachhaltigkeit, Net-Zero über alle Horizonte, vom eigenen Betrieb bis tief in die Lieferkette, der Bezug sauberer Energie, die ausufernden Berichtspflichten. Und vor allem die zähe Arbeit, einen ganzen Konzern dazu zu bringen, dass den ambitionierten Zielen auch Taten folgen. Ich erzählte von meiner Ecke. Von KI und was sie mit unserer Arbeit und unseren Organisationen macht, und vor allem von dem, was unter der glänzenden Oberfläche so passiert. Von den unbemerkten kognitiven Effekten, die kaum jemand sieht. Vom Work Creep, von Work Slop. Von der leisen Erosion der Urteilskraft.

Vor allem in den letzten Monaten wird KI ja mit Macht in jeden Winkel vieler Unternehmen gedrückt, am lautesten in einer männlich geprägten, hype-getriebenen Führungslogik, die kein kritisches Wort hören will. Ich schreibe immer wieder darüber, zuletzt in Ausgabe 189 über die Frage, warum bei KI nicht sein darf, was bei jeder anderen Technologie selbstverständlich wäre. Und der Konzern meines Freundes ist da vorne mit dabei.

Genau deshalb hat mich überrascht, was dann kam. Ich rechnete mit der üblichen Vollgas-Geschichte (wie sonst immer). Die kam aber diesmal nicht. Er berichtete stattdessen von ersten Handbremsen-Ansagen. Auf einmal heißt es dort, überlegt euch gut, was ihr prompted, wie ihr eure Workflows mit KI bestückt, was das eigentlich kostet. Ich war völlig baff.

Das passt zu dem, was ich gerade an vielen Stellen lese. In vielen Tech-Medien geht es darum, das Tokenmaxxing der Mitarbeiter*innen schlage zurück, selbst bei Microsoft, Meta und Amazon werde zurückgerudert. Der Grund ist simpel. Die neuesten Frontier-Modelle und Einsatz in agentischen Strukturen fressen je nach Schrittzahl bis zum Tausendfachen an Tokens im Vergleich zu einer einfachen Anfrage. Erst Vollgas, dann der Blick auf die Tankuhr. Und der große Schreck.

Und da kam mir der Gedanke. Das kenne ich doch, genau dieses Muster begleitet uns doch seit Jahren, nur an anderer Stelle. Wir laufen uns die Hacken ab, um über die Klimakrise aufzuklären; das Argument ist sauber, die Wissenschaft eindeutig. Es klickt bei einigen, bei den meisten aber nicht. Mark Fishers Capitalist Realism ist stärker, diese feste Überzeugung, am Bestehenden lasse sich ohnehin nichts ändern, bzw. der Verlust der Vorstellungskraft, dass es überhaupt anders gehen könnte. Was die Wende dann aber doch jetzt bewegt, kommt von ganz woanders. Von Geopolitik, von gestörten Lieferketten, von der Abhängigkeit von Despoten und unzuverlässigen Partnern. Zugespitzt, vielleicht ist ausgerechnet Donald Trump der größte Beförderer der Energiewende, ganz ohne es zu wollen.

Und wenn das bei der Nachhaltigkeit so läuft, warum dann nicht auch bei der KI? Wird das Feld für bewusste und reflektierte KI-Nutzung, die uns davor schützt, dass alle Organisationen irgendwann nur noch im Mittelmaß dümpfeln und die Menschen in ihnen das kritische Denken verloren haben, am Ende doch realistischer, weil das Portemonnaie schafft, woran das rationale Argument scheitert?

Verhält sich bewusste KI-Nutzung zum Tokenkostenschock vielleicht so
wie nachhaltiges Wirtschaften und Leben zur Fossilabhängigkeit und den geopolitischen Schocks?

Kommen wir auf der wilden Fahrt und dem ganzen Ignorieren der Mahnungen erst dann zur Räson, wenn es im Portemonnaie wehtut?

Ein schöner Gedanke, fast zu schön. Er schmeichelt ja dem, der ihn denkt … der ewige Mahner, am Ende doch noch von der Ökonomie bestätigt. Also habe ich ihn auseinandergenommen. Und auf die Reise, die dabei herauskam, nehme ich dich heute mit!

Erst die Kosten ernst nehmen

Bevor ich die Parallele weiterspinne, eine ehrliche Frage. Ist dieser Kostendruck, der gerade hochkocht, überhaupt echt, oder nur eine Quartalslaune, die beim nächsten Preissturz wieder verschwindet?

Echt ist er. Laut Wall Street Journal genehmigen Führungskräfte große KI-Ausgaben inzwischen deutlich zögerlicher, manche Budgets seien längst ausgereizt, und selbst Sam Altman nenne die Kosten ein großes Thema. Die Geschichten dahinter sind teils absurd. Ein Unternehmen verbrannte in einem einzigen Monat rund 500 Millionen Dollar für Claude, schlicht weil niemand ein Nutzungslimit gesetzt hatte. Uber hat im April schon das gesamte KI-Token Jahresbudget verbraten. Bei Meta lief ein interner Wettbewerb namens Claudeonomics, der in 30 Tagen über 60 Billionen Tokens registrierte. Amazon kassierte sein internes Ranking wieder ein, nachdem Mitarbeiter*innen sinnlose Aufgaben erledigten, nur um in der Tabelle zu klettern, bis hin zur Wetterabfrage per KI. Das nüchterne Fazit mancher Häuser ist offensichtlich, dass KI inzwischen mehr als zusätzliches Personal kostet, bei bislang überschaubarem Produktivitätsgewinn.

So weit der Schock. Spannender ist, was darunter passiert. Die Abrechnung selbst baut sich gerade um. Sie wandert weg von der bequemen Flatrate, hin zu nutzungsbasierten Modellen, zu Caps in den Pauschaltarifen, zu Aufschlägen für alles darüber, zu nach Modellzugang gestaffelten Stufen. 78 Prozent der IT-Verantwortlichen berichten von unerwarteten Rechnungen aus solchen Modellen, so eine Zylo-Umfrage unter 218 IT-Leuten. Den Plus-Preis halten die Anbieter bisher bei 20 Dollar und drehen lieber an den Funktionen, bis genug Leute hängen. Und Goldman Sachs rechnet damit, dass agentische Systeme die Token-Nachfrage bis 2030 um das 24-Fache treiben.

Und jetzt der Punkt, auf den es ankommt. Beides passiert gleichzeitig. Die Schlagzeilenpreise wackeln und fallen sogar, während unter der Haube der Zähler eingebaut wird. Diese Doppelbewegung sollte man im Kopf behalten. Sie entscheidet nämlich darüber, ob aus dem Kostenschock ein Verbündeter wird oder eine Falle.

Zwei unfreiwillige Verbündete

Bleiben wir kurz beim Wort Verbündeter. Die Energiewende hatte gleich zwei davon, beide unfreiwillig, jeder mit seinem eigenen Job.

Der erste ist Putin. Als er 2022 das Gas zur Waffe machte, tat er für den europäischen Konsens mehr als Jahrzehnte grüner Aufklärung. Über Nacht war die Wende politisch sagbar. Das ist die Nachfrageseite.

Der zweite ist Trump, nur anders, als die Pointe aus dem Einstieg es nahelegt. Zu Hause reißt er die Energiewende ein und befördert sie global trotzdem. Einmal, indem er China das Feld der Elektro-Zukunft überlässt. Vor allem aber verlängert er die Putin-Dynamik. Er verknappt fossile Flüsse aus der Golfregion und will Europa und andere in die Abhängigkeit von US-Quellen lenken. Damit macht er die USA selbst zu dem, was Russland längst ist, einem Lieferanten, der Energie als Hebel benutzt. Europa hat gerade gelernt, was eine erpressbare Petro-Macht kostet, und bekommt dieselbe Lektion nun vom wichtigsten Partner ein zweites Mal vorgeführt. Das treibt den Kontinent noch härter zu eigener, sauberer Energie. (nur bleibt offen, ob wir die Abhängigkeit auch wirklich reduzieren können; die Lobbygruppen arbeiten akribisch).

Die Wette, ganz offen. Eine USA, die sich zum Petro-Staat zurückbaut, während China und hoffentlich Europa zum Elektro-Kontinent werden, zerstört ihre eigene Zukunft. Das ist die Angebots- und Industrieseite, und sie wiegt schwerer, als die süffige Trump-Pointe ahnen lässt.

Und genau das macht die Analogie so verführerisch. Bei der Energie fielen Materialinteresse und Ideal am Ende zusammen. Geopolitik und Souveränitätswunsch ermöglichen auf einmal genau das, wofür wir uns jahrelang die Münder fusselig geredet haben. Weniger fossile Abhängigkeit, mehr eigene, saubere Energie. Der harte ökonomische Druck und das gute Argument ziehen in dieselbe Richtung. Ein seltener Glücksfall.

Wenn es bei der Energie so lief, liegt die Hoffnung für die KI doch nahe. Vielleicht drückt der nackte Kostendruck die Unternehmen genau dorthin, wo wir sie mit Argumenten schlecht hinbekommen, zu bewusster, überlegter Nutzung.

Aber das ist eben nur eine Hoffnung. Ein Naturgesetz ist es nicht. Sie trägt nur, wenn auch bei der KI Materialinteresse und Ideal in dieselbe Richtung zeigen. Und ob sie das tun, ist alles andere als ausgemacht. Genau die Antwort zu dieser Frage will ich finden.

Sparen ist noch kein Denken

Zurück zur KI, und zur ersten Ernüchterung. Selbst wenn der Kostendruck die Unternehmen bremst, ist damit noch nichts gewonnen. Sparsamkeit ist keine Reflexion. Man kann hochgradig kostenoptimiert arbeiten und dabei vollkommen gedankenlos bleiben. Wer einfach weniger oder billiger prompted, denkt deshalb noch lange nicht elaboriert nach.

Und doch steckt mehr darin, wenn man genauer hinschaut. Es macht für mich sehr wohl einen Unterschied, ob jemand nur Tokens sparen will oder ob er fragt, wo KI wirklich Wert stiftet. Die erste Haltung bringt Geiz. Die zweite zwingt zu einer Triage, und eine Triage ist ein Urteilsakt. Wer abwägen muss, welche Aufgabe den Einsatz lohnt, denkt wieder selbst mit. Und genau darum geht es mir die ganze Zeit.

Hier liegt ein Punkt, der mir wichtig ist, fast wichtiger als die Kostenfrage selbst. Dieses Innehalten vor dem nächsten automatischen KI-Einsatz ist eine kluge, reflektierte Handlung. In einer Kultur, die KI zum Maß aller Dinge erklärt, wird daraus etwas ganz anderes. Wer innehält, gilt schnell als Bremser, als jemand, der nicht mitzieht, im Zweifel als faul. Das ist die eigentliche Verdrehung. Überlegtes Handeln wird zur Trägheit umgedeutet, um volle 180 Grad.

Und jetzt kommt das Überraschende. Genau dieser Kostendruck hilft den Nachdenklichen. Solange KI als Selbstverständlichkeit gilt, muss sich rechtfertigen, wer sie weglässt. Sobald aber jeder Token Geld kostet, dreht sich das. Wer sagt, das mache ich lieber selbst oder ich lege mehr von meiner Urteilskraft rein, spart auf einmal Geld, und niemand kann ihm oder ihr Faulheit vorwerfen. Was eben noch nach Bremse aussah, gilt jetzt als vernünftiges Wirtschaften.

Klar, klug macht das Kostenargument niemanden. Die gute Entscheidung müssen immer noch wir Menschen treffen. Aber es verschafft manchen von uns vielleicht überhaupt erst die Luft, in einer hype-getriebenen Umgebung nein zu sagen, ohne sich dauernd erklären zu müssen. Ein komischer Verbündeter, aber immerhin einer.

Der kognitive Muskel

Dieser Verbündete reicht aber nur bis zu einem bestimmten Punkt. Denn unter der Kostenfrage liegt ein zweites Problem, und das hat mit dem Preis überhaupt nichts zu tun.

Wer sein Denken zu oft an die Maschine abgibt, verliert mit der Zeit immer mehr vom eigenen Urteil. Die Gefahr dafür existiert, ganz gleich ob das Modell nun billig (eher leistungsschwächer) oder teuer (advanced) ist. Ein Automatismus ist es trotzdem nicht. Ein besonders gutes Modell verführt womöglich sogar stärker, und zwar gerade weil es so gut ist. Je verlässlicher und flüssiger es liefert, desto bequemer wird es, sich darauf zu verlassen, und desto seltener fragt man noch nach. Ob daraus echte Abhängigkeit wird, hängt am Ende am Menschen und an seiner Bereitschaft, überhaupt noch zu prüfen.

Genau das haben Steven Shaw und Gideon Nave von der Wharton School in ihrem Paper vom Januar gezeigt. Sie unterscheiden zwei Dinge, die oft verwechselt werden. Beim Auslagern delegiere ich eine Aufgabe und bleibe selbst am Steuer. Bei dem, was sie cognitive surrender nennen, gebe ich das Steuer ganz aus der Hand, einfach weil die Antwort so überzeugend klang, dass ich gar nicht erst nachgefragt habe. In drei Experimenten mit 1.372 Teilnehmer*innen stieg die Trefferquote um 25 Punkte, wenn die KI richtig lag, und fiel um 15, wenn sie irrte. Die Menschen liefen also brav mit, in beide Richtungen.

Entscheidend war dabei der Mensch, nicht das Modell. Besonders anfällig seien jene, die der KI viel zutrauen und wenig Lust am eigenen Nachdenken mitbringen. Korrigiert haben die KI vor allem die, die ohnehin gewohnt sind, kritisch zu denken, egal woher eine Antwort kommt. Mit besonderer KI-Skepsis hatte das wenig zu tun. Und wegincentivieren lässt sich die Versuchung auch nicht so leicht. Als die Forscher Anreize setzten, verdoppelte sich zwar die Quote derer, die einen Fehler der KI abfingen, von 20 auf 42 Prozent. Die Mehrheit ergab sich trotzdem.

Shaw und Nave bringen dafür ein Bild, das ich gut finde. Wie ein Muskel, der ohne Training verkümmert, kann auch die Urteilskraft verkümmern, wenn wir sie dauernd an die KI auslagern. Und damit sind wir beim Punkt, auf den es mir hier ankommt. Dieser Muskel hat mit dem Token-Preis nichts zu tun. Ob die KI billig wird oder teuer bleibt, ändert nichts daran, ob ich noch selbst mitdenke. Der Kostenschock greift hier gar nicht. Was hier schützt, ist die Gewohnheit, weiter zu prüfen, und die liefert kein Tarif.

Das Strohfeuer

Zurück zum Geld, denn dort wartet die eigentliche Falle. Gerade jetzt sieht es nämlich so aus, als könne sich der Kostendruck wieder lösen. Berichten zufolge erwägt OpenAI deutliche Preissenkungen, in Erwartung ähnlicher Schritte bei Anthropic. Klingt nach Entwarnung, ist aber das Gegenteil. Es ist ein Strohfeuer. Zwei Unternehmen, beide tief in den roten Zahlen (oder meistens in den roten Zahlen, siehe die recent News von Anthropic), beide auf dem Weg an die Börse, unterbieten sich gegenseitig unter den eigenen Kosten. Billige Token sind in dieser Lage schlicht Kundenfang. Aber sie sind kein Geschenk, kein Dauerzustand. Die Anbieter rennen darum, genau den Druck wegzuräumen, der die Nutzung eben noch hätte disziplinieren können.

Und das ist noch die harmlose Lesart. Die unangenehmere geht so: Hier wird eine ganze Wirtschaft mit künstlich verbilligten Preisen in eine immer tiefere, immer selbstverständlichere Nutzung gelockt. Erst wenn alle drinhängen, wenn die Workflows umgebaut und die Abläufe abhängig sind, kommt die Rechnung. Dann wird man mit der Pistole unvermeidlicher Preiserhöhungen auf der Brust über den Tisch gezogen.

Damit kippt die naive Hoffnung aus dem Anfang. Auf das Portemonnaie als Verbündeten ist kein Verlass, solange ausgerechnet die Anbieter es sind, die es kurzfristig schonen. Ihr Ziel ist, später zu kassieren.

Starlink zeigt das Ende

Wie diese Kurve ausgeht, muss man nicht spekulieren. Man kann sie in einem anderen Sektor schon fertig gelaufen besichtigen. In dieser Woche ging SpaceX an die Nasdaq, gepriesen als größter Börsengang der Geschichte mit einer Bewertung über zwei Billion Dollar. Der Finanzmotor dahinter ist Starlink, die einzige wirklich profitable Sparte, die den ganzen Rest quersubventioniert (und das ist freundlich ausgedrückt, denn was hier als Börsengang firmiert, ist näher betrachtet ein Veredelungsverfahren bei dem Musk seine eigenen verlustträchtigen Firmen zu selbst verhandelten Preisen in einen Konzern übertragen hat, die Summe auf 1,8 Billionen Dollar hochtaxiert hat und das so erzeugte Bewertungsrisiko über die Indexfonds an Millionen Kleinsparer überträgt, die gar nicht entschieden haben, dabei zu sein).

Die Mechanik läuft in vier Schritten. Zuerst der Köder; Starlink kam als Rettungsleine in vor allem amerikanischen ländlichen Gegenden ohne Alternative, zu fairem Preis, verkauft als Wohltat. Dann die Bindung, so handfest, dass manche Nutzende ein Loch in ihr neues Dach bohrten, um die Satellitenschüssel zu montieren. Dann der Burggraben. SpaceX lobbyierte bei der FCC gegen einen Milliardenfonds für ländliches Breitband, mit der Behauptung, das Connectivity-Problem für solchen Gegegenden sei längst gelöst. Und jetzt, pünktlich zur Börsenwoche, der Zugriff. Da kommen schon die Preiserhöhungen; einzelne Rechnungen springen um über 40 Prozent, andere verdoppeln sich, bei Kund*innen, die längst keine Wahl mehr haben.

Übersetzt auf die KI sieht das so aus. Die billigen Token von heute sind der zufriedene Starlink-Landkunde von 2022 mit seinem „fairen” Tarif. Die über 40 Prozent Preissteigerung sind seine Rechnung von morgen. Aber die KI-Bindung sitzt tiefer als ein Loch im Dach, weil sie in Workflows, Prozessen und verlernten Fähigkeiten steckt. Wer da wieder raus will, muss seine die halbe Organisation umbauen. Das alles ist ein Drehbuch, das woanders schon abgespielt wurde.

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt

Ich denke hier in zwei Ebenen, zuerst die Praxis. Die kluge Bewegung heißt, Abhängigkeit vermeiden, und das ist eine Architektur- und Urteilsfrage. Wer seine ganze Organisation auf die Preislaunen eines der US-Anbieter baut, hat dasselbe Souveränitätsproblem wie Europa mit russischem Gas.

Und während ich an diesem Text saß, kam aus einer ganz anderen Richtung noch etwas dazu. Auf eine Anordnung der US-Regierung hin musste Anthropic gestern Nacht den Zugang zu seinen neuesten Modellen Fable 5 und Mythos 5 für alle ausländischen Staatsangehörigen sperren und schaltete sie zur Sicherheit gleich weltweit ab, drei Tage nach dem Start. Das ist reine Geopolitik, ein völlig anderer Mechanismus als das Preisspiel von eben. Beide aber sind am Ende dasselbe Argument dagegen, den ganzen Betrieb auf einen einzigen, ausländischen, zentralen Anbieter zu setzen. Der Mensch im Zentrum ist also doch gefragt, diesmal aber über die Souveränität.

Jetzt die zweite Ebene, das ehrliche Urteil über die Analogie, mit der ich begonnen habe. Hier bleibe ich vorsichtig. Als Diagnose trägt sie durchaus. Das laute Narrativ von „KI wird dir überall helfen” schlägt das leise Argument, dass du dabei auf deine eigene Urteilskraft achtgeben musst, bis eine materielle Kraft eingreift. Die eigentliche Frage war, ob bei der KI Materialinteresse und Ideal in dieselbe Richtung zeigen, so wie bei der Energie.

Bei der Energie taten sie das, weil Geld und Ideal auf dasselbe Ding zeigten. Wer investierte, baute eigene, saubere Erzeugung, und genau die war die Alternative, raus aus der Abhängigkeit vom russischen Gas, hin zur Souveränität. Es ging um die Erhaltung unseres Lebensraums, und das ausgegebene Geld kaufte ein Stück dieses Ideals gleich mit.

Bei der KI ist der Preis ein unruhiges Ding. Zwei Bewegungen zeigen, wie wenig man sich auf ihn verlassen kann.

Solange die Token billig sind, greift der Jevons-Effekt. Wird eine Ressource billiger, nutzen wir meist so viel mehr davon, dass die Rechnung am Ende trotzdem steigt. Billige Token laden zum Klotzen ein, zu mehr Verbrauch und tieferer Abhängigkeit. Maß entsteht so nicht.

Wird es teuer, greift die zweite, gefährlichere Bewegung, und sie hat einen Namen. Cory Doctorow nennt sie Enshittification. Gemeint ist der typische Verfall digitaler Plattformen. Am Anfang sind sie auffällig großzügig zu ihren Nutzer*innen, oft unter Wert, um möglichst viele anzulocken und an sich zu binden. Sind die Leute erst drin und ist der Wechsel zu mühsam oder zu teuer geworden, kehrt sich das Verhältnis um, die Gewinne werden abgeschöpft. Bei der KI läuft das mit einer Drehung. Das Modell wird sogar besser, und trotzdem verschlechtern sich die Bedingungen drumherum, der Lock-in, die Marge, die Freiheit zu gehen. Bei Starlink/SpaceX - de facto auch ein KI-Unternehmen… durch Musks Rochaden - lässt sich heute schon besichtigen, wie das ausgeht.

Wie weit diese Logik inzwischen in die gesamte Wertschöpfung reicht, vom kleinen Werkzeug bis zur Infrastruktur ganzer Branchen, wird eines meiner nächsten Themen.

So unruhig dieser Preis auch ist, dort bricht die Analogie noch nicht. Sie bricht eine Ebene tiefer. Der Kostenhebel wirkt darauf, wie viel KI du einkaufst. Das Ideal aber liegt darin, wie du denkst, während du sie nutzt. Das sind zwei verschiedene Achsen. Du kannst maximal sparsam sein und dein Urteil trotzdem an das Modell abgeben, und diese Abgabe passiert bei der billigen Anfrage genauso wie bei der teuren. Aus gespartem Geld wächst kein Urteil. Bei der Energie kaufte das Geld ein Stück des Ideals, hier kauft es nur Rechenzeit. Und das bleibt so, ob die Preise steigen oder fallen, ob du gebunden bist oder nicht.

Für heute bleibt der nüchterne Befund: der aktuelle Kostenschock bei GenAI wird wohl nicht als verlässlicher Verbündeter taugen auf dem Weg, mehr Bewusstsein für Wirkung in die Köpfe der Menschen und Boards der Unternehmen zu bekommen. Auf das Portemonnaie zu hoffen ersetzt das eigene Urteil nicht.

Bleibt die Frage, die ich offen lasse. Nehmen wir die KI-Abhängigkeit ernst, bevor die Preispistole gezogen wird, oder erst danach, so wie meistens? Meine Antwort ist klar: bitte nicht.

Ich will dabei helfen. Du auch? Bleib’ dran!

Herzlichst, André

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ — das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!

Es gibt eine Entwicklung, die mich seit langem umtreibt. Und die dreht sich darum, wie sich unsere politische Öffentlichkeit von Grund auf umbaut. Jede und jeder kann heute senden. Ein Handy, ein Mikrofon, ein YouTube- oder TikTok-Kanal, und schon hat man potenziell Millionenreichweite, ganz ohne Redaktion, ohne Ausbildung, und auch ohne Berufskodex. Das ist erst einmal nichts Schlechtes. Doch je länger ich einige der Ergebnisse, die hier herauspurzeln, sacken lasse, desto deutlicher sehe ich ein unangenehmes Muster. Wenn es um Politik geht, ist mein Eindruck, dass eine bestimmte Sorte Inhalt in diesem System leichter durchkommt. Die einfachen, harten, empörten Botschaften. Die mit dem klaren Feindbild, die, die bis ins Menschenverachtende reichen. Sie scheinen leichter zu reisen und schneller ein großes Publikum zu finden. Und sie lassen sich wohl auch besser zu Geld machen.

Man sieht das an den Karrieren. Da fangen Leute mit Krypto oder Finanztipps oder Immobilien an, merken irgendwann, wie gut sich rechter Populismus klickt, und schwenken um. Hoss und Hopf sind vielleicht das bekannteste deutsche Beispiel. Ein Millionenpublikum, das mit der Zeit immer tiefer in Verschwörungserzählungen und rechte Narrative rutschte, wenn sie eifrig zugehört haben. Auf der anderen Seite stehen die, die sich um Demokratie, Menschenwürde und die freiheitliche Grundordnung mühen, eine Annika Brockschmidt, eine Katharina Nocun, ein Thomas Zimmer oder auch ein Arne Semsrott und so viele weitere. Ihre Arbeit ist gründlich, einordnend, anstrengend. Und unheimlich wichtig und gesellschaftlich wertvoll. Und sie wächst langsam. Genau das ist die Asymmetrie, die mir keine Ruhe lässt.

In diesen Tagen hat sich das alles für mich an einer Person verdichtet, von der ich vorher kaum gehört hatte. Ben Berndt, Podcaster, Macher hinter dem Format {ungeskriptet}. Einer breiteren Öffentlichkeit bekannt wurde er mit einem viereinhalbstündigen Gespräch mit Björn Höcke, dem Thüringer AfD-Politiker, der gerichtlich bestätigt Faschist genannt werden darf. Millionen Aufrufe in wenigen Tagen, und, wie Berndt selbst sagt, knapp sechsstellige Einnahmen aus dieser einen Folge. Der Tabubruch als Geschäftsmodell. Höcke durfte stundenlang weitgehend unwidersprochen reden, sich als Privatmann und Familienvater zeigen, und die Einordnung, die aus Information erst Orientierung macht, fehlte nicht nur, sie ist Konzept.

Aufmerksam auf ein interessantes Folgegespräch bin ich dann über ein Posting von Gerald Hensel geworden, und ich habe mir daraufhin Berndts neuestes Doppelgespräch angehört; mit der Ex-Spiegel-Journalistin Melanie Amann. Gut drei Stunden, verteilt auf zwei Kanäle, seinen und ihren neuen. (Du wirst im weiteren Verlauf merken, dass ich dieses Gespräch nicht gutheiße und mich daher dazu entschieden habe, keine Links zu setzen - bei Interesse wirst du diese aber selbst sehr einfach finden können, wenn du danach suchst) Berndt erklärt darin ganz offen, wie er seine Rolle sieht. Er sei Gastgeber, „du bist Gast in meinem Haus“. Und so behandelt er seine Gäst*innen, mit einem Glas Wasser, mit Wärme, mit viel Raum zum Reden. „Lasst uns doch einfach mal über den Menschen reden“, sagt er an einer Stelle. „Blenden wir alles andere aus.“ Das klingt sympathisch, und genau das ist der Trick. Wer beim Gespräch mit Höcke alles andere ausblendet, blendet eben auch aus, wofür dieser Mann politisch steht. Es ist die höfliche Verweigerung jeder Einordnung, verkauft als Offenheit. Amann benennt das sofort. Was fehle, sei das Einordnen, das Aufbereiten, das Nachfragen, also das, worin sie die eigentliche Aufgabe von Journalismus sieht. Und als Berndt sich rühmt, Höcke habe sich mit diesem Gespräch in die Höhle des Löwen getraut, fragt sie trocken zurück, ob das nicht eher der Streichelzoo gewesen sei.

Ich hatte mir vorgenommen, einer sehr renommierten Journalistin beim Stellen eines umstrittenen Podcasters zuzuhören. Zugehört habe ich einem warmen, kumpeligen Gespräch, in dem die Distanz mit jeder Viertelstunde weicher wurde.

Mit diesem Essay will ich dieser Gemengelage nachgehen. Dem Ökosystem, das diese Personenmarken hervorbringt. Der Frage, warum ausgerechnet (neben Verschwörungs- und Hassthemen-fokussierten Formaten) auch die Formate wachsen, die sich am wenigsten um Einordnung scheren. Und ich will ehrlich sein über meine eigene Zerrissenheit dabei. Denn ich ertappe mich beim Nachdenken immer wieder bei Schlüssen, vor denen ich selbst zurückschrecke. Berndts Auftritt und Amanns Move sind dabei nur der Anlass. Die Frage darunter ist größer: Welche Struktur baut sich hinter all dem auf? Und wer verdient eigentlich daran, dass uns das Urteilen immer schwerer gemacht wird, während uns verkauft wird, es sei einfacher denn je?

Wenn du Interesse daran hast, dann bleib’ dran! Nimm’ dir aber gerne eine Tasse Kaffee dazu ☕️, denn es wird ein wenig länger…

Herzliche Grüße André

Der Heimvorteil des schnellen Denkens

Kehren wir zu diesem kurzen Satz zurück: Jede*r kann senden. Das stimmt, und im Kern ist es eine gute Nachricht. Die unbequeme Frage ist für mich aber, warum in diesem offenen System ausgerechnet offensichtlich eine bestimmte Sorte Inhalt so zuverlässig nach oben gespült wird.

Die Forschung gibt darauf eine ziemlich klare Antwort, und sie hat erst einmal nichts mit links oder rechts zu tun. Inhalte, die empören, die ein Wir gegen ein Die stellen, die Bedrohung signalisieren, verbreiten sich schneller. Beiträge über die politische Gegengruppe werden etwa doppelt so oft geteilt wie Beiträge über die eigene (Rathje, Van Bavel u.a., PNAS 2021). Moralisch aufgeladene, negative Sprache wirkt dabei wie ein Brandbeschleuniger (Brady u.a.). Dazu kommt ein zweiter, gut belegter Mechanismus, die Verarbeitungsflüssigkeit (Processing Fluency). Was leicht zu verarbeiten ist, fühlt sich für uns Menschen wahr(er) an. Und wird eine Aussage oft genug wiederholt, hält man sie eher für wahr. Dieser Illusory Truth Effect wirkt sogar dann, wenn wir es eigentlich besser wissen (Meta-Analyse, Nature Communications 2026).

Hier wird es entscheidend, und hier muss ich vorsichtig sein, damit ich nichts überdehne. Das Medium ist richtungsblind. Was es belohnt, ist ein Modus, und zwar das schnelle, einfache, emotional aufgeladene Denken. Und in diesem Modus ist der Populismus zu Hause. Seine Werkzeuge sind das klare Feindbild, die einfache Schuldzuweisung, die Bedrohungserzählung, die Sehnsucht nach Gewissheit. Eine zehn Sekunden lange Falschbehauptung über die Energiewende, die Migration oder das Klima passt perfekt in diesen Modus. Die wissenschaftlich saubere Gegenrede braucht Minuten, Differenzierung und Geduld. Das ist der teure, langsame Modus, den kaum jemand im Vorbeiscrollen aufbringt. Genau hier liegt die Asymmetrie.

Was ich dabei nicht behaupten will, ist, dass der Algorithmus schuld sei. Diese Erklärung wäre bequem, und sie hielte der Empirie nur halb stand. Eine große Twitter-Studie fand zwar, dass in sechs von sieben Ländern die etablierte Rechte algorithmisch stärker verstärkt wird als die Linke. Ausgerechnet für Deutschland war der Effekt aber nicht signifikant, und einen Beleg dafür, dass Algorithmen Extreme stärker pushen als den Mainstream, lieferte sie nicht (Huszár u.a., PNAS).

Noch wichtiger ist eine zweite Korrektur, die mein eigenes Bild zurechtrückt. Es ist verlockend, sich vorzustellen, arglose Menschen würden von Algorithmen radikalisiert. Die nüchternere Erklärung lautet aber, dass diese Nachfrage längst da war. Wo früher Gatekeeper standen, kann heute jede Randfigur ein Publikum bedienen, das schon existierte und nur nie ein passendes Angebot hatte (Munger, Phillips). Das ist unbequem, weil es die Geschichte vom verführten Opfer schwächt. Es hilft aber, den Blick zu schärfen. Die Eintrittsschwelle zu einem großen, monetisierbaren Publikum ist für Grievance-Inhalte einfach niedriger.

Eine Frage muss ich offen lassen, so gern ich sie beantworten würde. Docken rechte Botschaften kognitiv tiefer an, weil sie an ältere Reflexe rühren? Es gibt eine Forschungslinie, die rechte Orientierung mit erhöhter Bedrohungssensibilität verknüpft (Jost u.a.). Sie ist aber umstritten, und mehrere Studien konnten den Befund nicht reproduzieren (Nature Human Behaviour 2022). Belastbar ist deshalb nur die schwächere Aussage. Der Vorteil sitzt in der Form der Botschaft, die das schnelle Denken ausnutzt, und dieses schnelle Denken haben wir alle.

Wenn der Vorteil aber in der Form und in einer vorhandenen Nachfrage liegt, dann verschiebt sich die eigentliche Frage. Sie lautet dann vielmehr, wer denn dieses Feld bestellt. Wer tritt in die Lücke, die die Gatekeeper zunehmend hinterlassen, und was machen sie daraus? Damit sind wir bei Ben Berndt, bei Hoss und Hopf und anderen, und bei einer Verschiebung, die tiefer reicht als jede einzelne Personenmarke.

Die Rückkehr des Vertrauens zur Person

Berndt hat für das, was hier passiert, selbst eine Theorie, und sie ist klüger, als mir lieb ist (alles im Gespräch mit Melanie Amann zu hören). Er erzählt sie als Evolutionsgeschichte. Früher sei der blutverschmierte Jäger mit dem Mammut über der Schulter zurückgekommen, und man vertraute ihm, weil man ihn gesehen habe. Dann sei irgendwann die Phase gekommen, wo geschrieben und gedruckt worden sei, und das Vertrauen sei vom Menschen zur Marke gewandert, zur FAZ, zum „Spiegel”. Heute, so seine Pointe, könne man wieder direkt der Person zuhören, der Influencerin, dem Politiker, und brauche den Umweg über die Institution nicht mehr.

Das Beunruhigende ist, dass an dieser Beobachtung etwas dran ist. Vertrauen verschiebt sich tatsächlich von Institutionen zurück zu Personen, und das ist erst einmal kein Verfall. Mit der Institution gehen aber auch ihre Berufsnormen mit, die Redaktion, die Gegenrecherche, die Korrektur und vieles mehr, was Integrität und Vertrauen fördern kann. Wer dem Gesicht statt der Marke vertraut, verliert genau diese Sicherungen. Aus meiner Sicht ist das der eigentliche Bruch, und Berndt beschreibt ihn so treffend, weil er von ihm lebt.

Und damit zu ihm selbst. Ich würde Berndt keine große intellektuelle oder moralische Tiefe unterstellen. Er ist für mich, mit einem altmodischen Wort, bauernschlau. Seine Kraft kommt aus einem feinen Gespür für den Aufmerksamkeitsmarkt und aus einem einzigen, klaren Ziel, nämlich dem kommerziellen Erfolg (das schreit einem im Gespräch mit Amann entgegen). Das macht ihn selbstverständlich im neuen Medienökosystem kohärenter und wirksamer als jemanden, der mit dem Ob ringt. Ein fehlender Wertekompass wäre anderswo ein Defizit. In diesem Geschäft ist er die Quelle seiner Reibungslosigkeit.

Wie wenig ihn dieser Kompass aufhält, zeigt eine kleine Szene. Als Amann ihm sehr konkret die Korruption in der AfD vorhält, den Verwandtenfilz, die Scheinbeschäftigungen, relativiert er das als etwas „Tiefmenschliches”, das man eben überall sehe. Mal mehr, mal weniger. Aus einer Beschreibung wird so eine Entlastung. Das ist die Flucht aus jeder Bewertung, und bei ihm hat sie Methode. Wer schon immer so war und was überall so ist, das muss man auch nicht mehr beurteilen.

Dieser fehlende Kompass wird in dem beschriebenen neuen Medienökosystem zum klaren Vorteil, denn er ist die Bedingung für ein bestimmtes Geschäftsmodell. Man sieht es an den Pivots. Hoss und Hopf lockten ihr Publikum erst mit Krypto und Erfolg und rutschten dann ins rechte Lager. Der rechtsextreme Stratege Erik Ahrens hat die Mechanik einmal offen beschrieben, rechtslibertäre Kryptobros könnten den Diskurs perfekt verschieben, weil sie Jugendliche mit Reichtum anlockten und ihnen das AfD-Mindset gleich mitgäben. Und am Ende werde die politische Ernte rechts eingefahren, während die Libertären leer ausgingen. Berndts Höcke-Einnahmen sind für mich die harmlosere Variante derselben Logik.

Was dieser Tausch mit denen macht, die zuhören, ist die eigentlich beunruhigende Frage. Und sie führt zu einem Begriff, das in diesen Kreisen ständig fällt: Selber denken.

Die simulierte Mündigkeit

Selber denken… sich nichts vorschreiben lassen. Sich die eigene Meinung bilden. Diese Sätze hört man seit der Corona-Zeit immer wieder, vor allem aus den Querdenker-Kreisen, aus den Milieus, die dem klassischen Journalismus misstrauen. Auf den ersten Blick klingt das nach dem Besten, was die Aufklärung hervorgebracht hat.

Genau hier lohnt aber der Blick zu Kant. In seinem Aufsatz „Was ist Aufklärung?” von 1784 macht er einen entscheidenden Unterschied. Unmündig ist, wer sich seines eigenen Verstandes nicht ohne die Leitung eines anderen bedienen kann. Der Grund dafür liegt im Mut. Es geht um die Entschließung, den eigenen Kopf zu gebrauchen, auch ohne fremde Anleitung. Verstand genug haben die meisten. „Sapere aude”, habe Mut, dich deines eigenen Verstandes zu bedienen. Das ist die Pointe, die mich nicht loslässt. Die Selber-Denker berufen sich auf genau diese Parole und leben doch ihr Gegenteil.

Denn was dort geschieht, ist für mich der Tausch eines Vormunds gegen den nächsten. Die verhasste Institution wird abgeschafft. An ihre Stelle tritt der Influencer, der Podcaster, die Politikerin, denen man nun glaubt. Und das nennt sich dann Autonomie. Nach meiner Lesart ist die Abhängigkeit danach aber größer als vorher. Wer früher der Zeitung misstraute, konnte über mehrere Marken mit Berufsnormen hinweg abgleichen… FAZ gegen taz gegen Tagesschau. Wer heute „seine eigene Meinung” allein aus vier Stunden Höcke-Monolog bezieht, hat sich einer einzigen Stimme ohne jede Norm ausgeliefert. Das fühlt sich nach Befreiung an und ist in Wahrheit die tiefere Bevormundung.

Ich habe an anderer Stelle, im Kontext KI, zwischen reflexivem und reflektiertem Modus unterschieden, und genau das passt meines Erachtens auch hier. „Selber denken” ohne Werkzeug ist reflexives Denken, schnell, gefühlsgetrieben, im Kostüm des reflektierten. Das neue Medienökosystem produziert diese Simulation von Urteilskraft in Serie. Es verkauft das Urteilen als kinderleicht („hör’ einfach selbst zu“), und macht es genau dadurch schwerer.

Jetzt kommt der Befund, der meine eigene Bequemlichkeit am härtesten trifft. Bisher neigte ich dazu, das alles bei den formal weniger Gebildeten zu verorten. Die Forschung widerspricht mir aber. Dan Kahan hat Menschen ein Datenproblem vorgelegt, einmal neutral als Studie über eine Hautcreme, einmal verkleidet als Studie über ein Waffenverbot. Beim neutralen Thema lösten es die rechnerisch Starken besser. Beim politischen kippte das und die Antworten wurden parteiisch und sogar falscher. Und die Polarisierung war bei den Gebildetsten am größten (Kahan u.a., Motivated Numeracy). Die Fähigeren benutzen ihre Werkzeuge, um sich die Wunschwahrheit besser zu bauen. Der Befund ist durchaus diskutiert, aber sein Kern hält. Bildung schützt nicht vor identitätsgetriebenem Denken, manchmal verschärft sie es sogar.

Damit löst sich für mich ein Knoten, an dem ich lange gehangen habe. Der Skandal ist so also nicht, dass Menschen zu dumm für Mündigkeit wären. Mündigkeit ist ein Status, in einer Demokratie gleich verteilt und nicht verhandelbar. Der Skandal ist für mich, dass ihnen eine Fälschung von Mündigkeit verkauft wird, von Leuten, die daran verdienen. Ungleich verteilt und massiv unter Druck ist etwas anderes. Und zwar die Ausrüstung des Urteils, das Werkzeug, die Einordnung, die Zeit. Der Angriff richtet sich gegen die Bedingungen von Urteilskraft, nicht gegen die Köpfe der Leute.

Und hier wird es für mich gefährlich. Denn wenn ich das so sehe, spüre ich sofort einen Reflex, die Menschen schützen zu wollen, vor sich selbst. Aber diesem Reflex gilt es zu misstrauen. Warum?

Warum ich meinem Reflex misstraue

Weil er mich, ehrlich zu Ende gedacht, immer an denselben Ort führt. Zu den Werkzeugen der Kontrolle. Ich ertappe mich dann bei Gedanken, die meinen eigenen Standards nicht genügen. Da hilft ein Mann, der vor Kurzem noch online Babytragen verkauft hat (Ben Berndt; weil sich das mit seinem Wissen über Performance Marketing einfach gut machen ließ), nun Millionen Menschen bei der Meinungsbildung zum Rechtsextremismus. Müsste so jemand nicht nachweisen, dass er ein so mächtiges Werkzeug verantwortungsvoll bedienen kann, so wie man es beim Führerschein verlangt? Der erste, stumpfe Reflex sagt, man müsste regulieren, wer politische Inhalte überhaupt verbreiten darf.

Mit Interesse habe ich registriert, dass China seit Oktober 2025 in eine verwandte Richtung denkt. Wer dort über Medizin, Recht, Finanzen oder Bildung spricht, muss seither eine fachliche Qualifikation nachweisen. Ein Studium, eine Lizenz, eine Zertifizierung, und die Plattformen müssen das prüfen. An dieser Idee reizt mich ein einziger, schmaler Gedanke. Es macht eben einen Unterschied, ob jemand Schminktipps gibt oder über ein Thema spricht, das realen Schaden anrichtet. Aber ich bin nicht naiv. China ist eine Diktatur, deren Methoden ich selbstverständlich nicht empfehlen würde. Dass dort am Ende ja der ganze politische Diskurs gesteuert wird, ist genau das, was eine Diktatur tut, und verbietet sich als Vorbild von selbst. Übrig bleibt nur die Frage hinter dem Reflex, ob ein mächtiges Werkzeug nicht doch einen Befähigungsnachweis braucht.

Und ich kann mir diese Frage sogar verfassungsrechtlich schönreden. Denn unsere bundesdeutsche Ordnung ist schließlich eine wehrhafte Demokratie. Sie kennt das Parteiverbot, die Grundrechtsverwirkung, den Straftatbestand der Volksverhetzung. Sie zieht, aus guten historischen Gründen, durchaus Grenzen um politische Rede. Warum also nicht eine Lizenz?

Weil die Lizenz an genau den Stellen scheitert, die zeigen, warum die wehrhafte Demokratie überhaupt funktioniert. Mein stärkster Kronzeuge wendet sich gegen mich. Das Grundgesetz verbietet in Artikel 5 ausdrücklich die Zensur. Eine Lizenz wäre Vorzensur, die Erlaubnis, bevor jemand spricht. Die wehrhafte Demokratie greift immer erst nach der Tat, im Einzelfall, vor Gericht. Sie schaltet niemanden vorab frei.

Und ihre Hürde ist mit Absicht hoch. Beim NPD-Urteil 2017 bestätigte das Bundesverfassungsgericht zwar die verfassungsfeindlichen Ziele der Partei und verbot sie dennoch nicht, so hoch legt es die Latte. Es nannte das Parteiverbot die schärfste und überdies zweischneidige Waffe des Rechtsstaats. Bei der AfD liegt für mich die inhaltliche Evidenz für ein Verbot vor. Wie groß die Partei ist, ist mir dabei gleich, es zählt, wofür sie steht. Was aus meiner Sicht fehlt, ist der juristische Feinschliff und der Mut der anderen Parteien, das Verfahren zu führen. Und genau hier liegt der Unterschied zur Lizenz. Das Verbot ist ein einmaliger, gerichtlich geprüfter Akt gegen eine konkrete, erwiesene Gefahr. Eine Lizenzbehörde wäre ein dauerhafter Apparat, leicht zu bedienen und leicht zu kapern, den der nächste, der regiert, vielleicht nur zu gern erbte. Das Verbot halte ich für überfällig. Die Lizenz würde ich niemandem in die Hand geben wollen.

Dazu kommt der Einwand, der die Führerschein-Analogie auf der Sachebene erledigt. Eine Kompetenzlizenz prüft die falsche Größe. Der Schaden bei Berndt sitzt im fehlenden Kompass und in der kommerziellen Logik dahinter, und beides würde keine Prüfung erkennen. Ein Diplom hätte daran nichts geändert. Umgekehrt kann eine bestens ausgewiesene Journalistin wie Melanie Amann durch ihren bloßen Auftritt dort genauso normalisieren. Die Qualifikation trifft also gar nicht das, worum es geht.

Bleibt mein bester Verbündeter, der Philosoph. Karl Popper hat das Toleranz-Paradoxon formuliert, und ich folge ihm darin ohne Wenn und Aber. Eine Gesellschaft, die grenzenlos tolerant ist, auch gegenüber den Intoleranten, wird am Ende von den Intoleranten zerstört, und die Toleranz mit ihr. Wer die Demokratie verteidigen will, darf ihren Feinden nicht beliebig viel Raum geben. So weit das Meme, wie es die meisten kennen. Popper selbst aber ist genauer. Er will intolerante Lehren gerade nicht unterdrücken, solange man ihnen mit rationalem Argument und öffentlicher Meinung begegnen kann. Das Recht, sie notfalls mit Gewalt zu unterbinden, reserviert er für den Fall, dass sie das Argument verweigern und anfangen, mit Fäusten und Pistolen zu antworten. Das ist ein enges, letztes Mittel gegen Gewalt und Diskursverweigerung. Eine Vorabprüfung, wer überhaupt mitreden darf, wollte er damit nie.

An dieser Stelle fällt mir ein Muster an mir selbst auf. Zum wiederholten Mal greife ich nach demselben Werkzeug, dem Tor vor der Person, wie ich es nennen würde. Erst der Zweifel an ihrer Mündigkeit, dann die Lizenz für ihre Stimme. Und jedes Mal reicht mir die Tradition, die ich verteidigen will, ein besseres Werkzeug. Sie setzt an der Tat an und lässt den Status der Person unangetastet.

Damit bekommt mein Schutzreflex endlich ein legitimes Ziel. Ich möchte nicht Menschen vor sich selbst beschützen, denn das wäre Bevormundung. Ich möchte aber die Bedingungen ihres Urteils verteidigen. Das ist der Unterschied zwischen Paternalismus und Solidarität. Und hier schließt sich der Bogen zum Anfang. Ich habe gesagt, der Algorithmus sei nicht der Schuldige, und dabei bleibe ich. Er drückt keine Richtung nach oben, und die Nachfrage war vorher da. Aber die Feeds sind darauf gebaut, genau den schnellen, empörten Modus zu belohnen, der dem Populismus entgegenkommt. Dieses Design ist der eine Hebel, den eine Demokratie ansetzen kann, ohne einen einzigen Sprecher zu behelligen. Der Digital Services Act geht den Weg schon an. Er verpflichtet die großen Plattformen, die systemischen Risiken ihrer Empfehlungssysteme zu prüfen und zu mindern, und schreibt mindestens eine Feed-Variante ohne Profiling vor (DSA, Artikel 34, 35 und 38). Ich würde weiter gehen. Ein Feed, dessen einziger Zweck es ist, über Empörung möglichst viel Verweildauer herauszupressen, sollte in Europa gar nicht betrieben werden dürfen. Das würde die Maschine regulieren und ließe die Meinung unberührt.

Daneben stehen die kleineren Hebel, die ebenfalls an der Tat und am Geld ansetzen. Demonetarisierung nachweislicher Desinformation, Offenlegungspflicht für Finanzierung und KI-Inhalte, die Strafverfolgung der konkreten Volksverhetzung.

Für ein Format wie Berndts sehe ich zwei Dinge. Da ist zum einen die Haltung, ganz ohne Staat. Ich finde, der Anstand verbietet, dort hinzugehen. Ich stehe hinter jedem, der oder die sagt, so etwas helfe ich nicht zu normalisieren (Berndt beklagt, dass die meisten Politiker*innen aus dem Spektrum links der Mitte einen Besuch verweigert hätten). Und da ist zum anderen genau der Feed von eben. Berndt erzählt im Gespräch selbst, wie er seine reißerischen Titel und Thumbnails für YouTube optimiert, verteidigt den Clickbait offen und bewirbt Folgen mit Zeilen wie der zu Stefan Homburgs Corona-Erzählung, alles sei gelogen gewesen (siehe auch Übermedien). Dass ein Algorithmus genau das mit Reichweite belohnt, ist eine Designentscheidung (eine zu korrigierende Fehlentscheidung), und man kann sie anders treffen. Womit ich bei der einen bin, die genau das nicht getan hat.

Wie der Sog auch die Wohlmeinende verschlingt

Vorweg, damit ich fair bleibe. Ein Format, in dem man einen Gast einfach mal ausreden lässt, ist für sich genommen natürlich nichts Verwerfliches. Problematisch wird es an zwei Punkten. Wenn der Gast für Desinformation, Populismus oder Hass steht. Und wenn so ein Format davon auch noch algorithmisch profitiert. Bei Berndt trifft beides zu (er lädt immer wieder höchst fragwürdige Gäste ein). Und in genau dieses Format setzt sich die Top-Journalistin Melanie Amann.

Was mich daran befremdet, ist der Bruch zwischen dem, was sie will, und dem, was sie tut. Amann ist nicht Berndt. Sie ist eine erfahrene Journalistin, AfD-Kennerin, und sie sagt im Gespräch genau das, was auch meine Position ist. Einem Höcke dürfe man nicht einfach den Raum geben, nett zu erzählen, das sei nur das halbe Bild, und Journalismus habe die Aufgabe, das ganze zu zeigen. Sie kommt, um ihn zu stellen. Und dann sitzt sie stundenlang in eben diesem Raum und kumpelt mit dem Mann, der ihn aufgemacht hat, lacht, kichert, wird mit jeder Viertelstunde wärmer.

Denn über die Stunden arbeitet das Format spürbar an ihr. Die wohlfühlige Nähe, die Berndts ganzes Produkt ist, löst die kritische Distanz auf, auch ihre. Sie setzt durchaus scharfe Stiche, fragt ihn, was er mit Höcke verdient habe, nennt sein Studio - wie schon gesagt - den Streichelzoo statt der Höhle des Löwen. Aber je länger das Gespräch läuft, desto anbiedernder wird der Ton. Das Format tut mit ihr, was es mit allen tut. Die Struktur schlägt die Person.

Setzt man sich da hin? Für mich ganz klar, nein. Ihre wahren Beweggründe kann ich nicht kennen, das kann nur sie selbst. Aber die Sache hat ein Geschmäckle, und ein Schelm, wer Böses dabei denkt, wenn der zweite Teil des Gesprächs zugleich die allererste Folge ihres eigenen, neuen Podcasts ist. Den nennt sie „Amann Unframed”, kein Witz, in offener Anspielung auf Berndts „unscripted”. Diese eine Folge wurde prompt zum erfolgreichsten Podcast-Start in der Geschichte von Funke, über eine halbe Million Abrufe in zwei Wochen. Was ihre Absicht angeht, lässt sich daran nichts beweisen. Der beobachtbare Teil genügt mir aber. Amann leiht Berndt ihre Seriosität, er leiht ihr seine Reichweite. Am Ende steht er als satisfaktionsfähiger Gesprächspartner da, geadelt von einer früheren Spiegel-Vize.

Wem sie das leiht, lässt sich unter den Videos auf YouTube besichtigen. Die meistgelikten Kommentare triefen vor Tribalismus, vor Ressentiment, nicht selten vor offenem Hass, und das meiste davon richtet sich gegen Amann. Dass sie also nicht heimlich auf seiner Seite steht, zeigt ausgerechnet sein Publikum. Es ist offensichtlich das Publikum, das ein Ich-lasse-euch-selber-denken-Format anzieht und bei Laune hält. Der tiefere Grund, warum ihr Auftritt normalisiert, ganz gleich was sie will, liegt im Format selbst. Der klassische Journalismus machte den Unterschied zwischen einen Extremisten befragen und ihn adeln sichtbar, durch Rahmung und Kontext. Die dreistündige Wohlfühlnähe löscht diese Marker. So ertrinken auch ihre Spitzen im heimeligen Grundton, und von außen ist gerade gegen Ende schwer zu unterscheiden, ob sie ihn stellt oder ihm Gesellschaft leistet.

Eines will ich festhalten. Einen Raum, in dem nicht widersprochen wird, bietet Amann selbst nicht, davon gehe ich nicht aus. Aber jemandem wie Berndt durch die eigene Anwesenheit Gewicht zu verleihen, das ist für mich kaum zu entschuldigen. Sie schwächt damit ihre Integrität, so wie ARD und ZDF die ihre schwächen, wenn sie wieder und wieder AfD-Politiker*innen und sonstige schrille Krawallbirnen in ihre Polit-Talkshows setzen.

Kurzfristig hat sie vielleicht gewonnen, der Rekordstart spricht dafür. Teuer erkauft ist er trotzdem, und wie viel davon ihr gehört, ist offen. Unter dem Youtube-Video ihrer Folge steht es zuhauf, „Daumen hoch, wenn ihr auch nur wegen Ben hier seid”. Recht gemacht hat sie es am Ende offensichtlich niemandem.

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt? Die Räume zurückholen!

Und so hat dieses Format gewonnen. Und hier wird es sehr ernst. Wenn der Sog sogar eine Melanie Amann mitnimmt, die alles mitbringt, das Wissen, die Distanz, die richtige Haltung, dann reicht guter Wille wohl nicht. Die Struktur ist stärker als der einzelne Mensch, und sie wäre es vielleicht bei jedem von uns.

Ich möchte die Linie nochmal zum Anfang ziehen. Das neue Ökosystem belohnt den schnellen, einfachen, empörten Modus, und kaum etwas passt besser in diesen Modus als der Populismus. Die Algorithmen, die im Einsatz sind, helfen das Vertrauen zurück auf die Person zu schieben, die einem nah erscheint. Sie verkauft das Urteilen als kinderleicht - hör’ einfach selbst zu - und macht es genau dadurch schwerer. Das alles ist ein Geschäftsmodell, nüchtern kalkuliert.

Die bequeme Antwort wäre, die Menschen vor diesem Sog schützen zu wollen. Ihnen das Urteilen abzunehmen, zu regulieren, wer überhaupt reden darf. Diesen Reflex habe ich für mich verworfen. Bleibt ein anderer unbequemer Weg. Es geht darum, die Bedingungen des Urteilens zu verteidigen, vor allem die Feeds (und die Anbieter dahinter) zu regulieren, die an unserer Empörung verdienen. Und es geht darum, im Kleinen zu entscheiden, wem wir unsere Aufmerksamkeit und unseren Namen leihen.

Aber die Haltung allein wird es nicht richten. Denn da ist eine Schieflage, die ich nicht hinnehmen will und für die ich seit Langem sensibilisiere. Wir verlagern einen Diskurs, der für uns Menschen und uns als Gesellschaft so essentiell wichtig ist, in Räume, in denen Leute das Sagen haben, deren Seriosität die eines Gebrauchtwagenhändlers oder Pyramidensystem-Verkäufers ist. Die den ROI von Performance-Marketing-gestütztem Babytragenverticken gegen den ROI von “weiteren Sargnagel in die Demokratie rammen” rechnen und sich ohne Skrupel für das letztere entscheiden.

Und während sie sechsstellig mit den kontroversesten Podcast-Gesprächen verdienen, strampeln sich andere ab, die echte politische Bildungsarbeit leisten, auf Basis einschlägiger wissenschaftlicher Vita und erstklassiger Referenzen, und kommen gerade so über die Runden.

Den Anstoß zu alldem verdankte ich ja dem Posting von Gerald Hensel. Er sieht diese neue Creator-Generation ebenfalls kritisch, nennt ihre Arglosigkeit beim Namen und durchschaut Berndts berechneten Medien-Populismus samt dem doppelten Maßstab, Klartext beim vermeintlich links-woken Gast und geduldiges Zuhören bei Höcke zu performen. An zwei Punkten gehe ich weiter. Im Ton, aber das ist das Kleinere. Und im Urteil über Amann. Hensel ist ihr für den Auftritt dankbar und hört darin eines der interessantesten Gespräche über den neuen Medien-Diskurs. Höre ich auch, aber ich höre ebenfalls, wie der Sog eine kluge Journalistin weichkocht und Berndt mit ihrer Seriosität adelt. Und wo Hensel das Ganze am Ende vor allem als Macht-Diskurs um Marktanteile zu lesen scheint, geht es für mich noch um etwas Grundlegenderes.

Es geht darum, wer das alles möglich macht. Wer am Schalthebel daran verdient, wenn solche Steigbügelhalter des Autoritarismus sich ein Millionenpublikum erarbeiten können. Das sind die, die aus genau dieser Arg- und Rücksichtslosigkeit das größte Geschäft machen. Möglich ist das, weil wir das Gatekeeping über die wichtigsten Hebel unseres gesellschaftlichen und politischen Gesprächs rein kommerziell getriebenen Tech-Konzernen überlassen haben. Und genau hier liegt die Skrupellosigkeit, vor der ich seit Langem warne. Ja, die liegt auch bei den Creator*innen, die auf dieser fragwürdigen Welle surfen, aber mich treibt die der Konzerne dahinter noch viel mehr um. Sie gehen mit unser aller freiheitlich-demokratischen Zukunft um, als wäre sie eine Variable im Quartalsbericht. In den USA konnten wir das, wie so oft, mit Vorlauf besichtigen, an Leuten wie Joe Rogan, samt der gravierend negativen politischen Folgen. Jetzt entstehen auch bei uns überall diese kleinen Joe Rogans, die einfach nur unbedarft Fragen stellen und Räume ohne Widerspruch bieten; all das auf dem Rücken unserer ächzenden Demokratie und guten Zukunftsaussichten.

Solange das so bleibt, dürfen wir nicht stillstehen. Wir müssen die Bedingungen schützen, ändern und verbessern, die wir Menschen für ein gutes Urteil brauchen, und wir müssen uns diese Räume zurückholen.

Offen bleibt dann nur eine einzige Frage, und sie geht an uns alle. Was sind wir bereit, diesen Räumen zu entziehen? Unsere Zeit, unsere Aufmerksamkeit, unsere Klicks, unseren Namen? Am besten alles, finde ich.

An dieser Frage bleibe ich deshalb dran. Du auch?

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ — das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!

In der letzten Woche scrollte ich durch meinen Insta-Feed und blieb abrupt an einem Foto hängen. Ein schwarzes Plakat in der Londoner Tube. Weißer Text, das ChatGPT-Logo in der Ecke, ein QR-Code. Alles sieht aus wie offizielle OpenAI-Werbung. Nur der Text liest sich anders.

„Yes, we built a machine that tells teenagers to kill themselves. But — it might also help them with their homework.”

Das Plakat stammt vom Künstler Darren Cullen, einem „Subvertiser”, der echte Werbung durch verstörend ehrliche Varianten ersetzt. Cullen hatte die Fake-Plakate genau dann in der Tube platziert, als in London eine Bildungskonferenz mit OpenAI-Beteiligung zu Ende ging. Die Aktion ging viral. Transport for London ließ die Plakate dann schnell entfernen. Das Bild aber blieb.

Was mich an diesem Plakat festhält ist, dass Cullen OpenAI einen Satz in den Mund legt, der eine harte Wahrheit ausspricht. Er zwingt das „they" zum „we". „We built." Wir haben das gebaut. Besitzen es. Stehen dafür gerade. Das macht das Plakat so wirksam. In der breiteren Debatte passiert nach meiner Einschätzung eher das Gegenteil. Da verschwindet nicht nur das „we", da verschwindet jedes Subjekt. Übrig bleibt „die KI". Ein Abstraktum.

Und genau das sieht man gerade überall. An amerikanischen Universitäten werden Abschlussredner niedergebuht, wenn sie KI als „nächste industrielle Revolution” preisen. Gloria Caulfield, Vizepräsidentin einer Private-Equity-Firma, dreht sich irritiert zu den Studierenden um: „Oh, what happened?” Dem ehemaligen Google-CEO Eric Schmidt passiert dasselbe an der University of Arizona. Scott Borchetta, CEO von Big Machine Records, reagiert auf die Buh-Rufe seiner Absolvent*innen mit „Deal with it.” Die Gallup-Zahlen dazu: Begeisterung für KI bei der GenZ minus 14 Prozentpunkte in einem Jahr. Wut plus neun Punkte auf 31 Prozent. Selbst die täglichen Nutzer*innen werden negativer.

Parallel dazu formiert sich physischer Widerstand. Über 70 abgelehnte Datencenter-Projekte in den USA allein in den ersten vier Monaten 2026. Bei einer Anhörung im US-Kongress hält Alexandria Ocasio-Cortez ein Glas schlammbraunes Leitungswasser hoch, abgefüllt in Georgia, wo Meta ein Datencenter baut. 11,7 Millionen Views. In London marschierten Hunderte an den Büros von OpenAI und Google DeepMind vorbei. Und im April warf ein 20-Jähriger einen Molotow-Cocktail auf das 27-Millionen-Dollar-Anwesen von Sam Altman.

Azeem Azhar hat es auf eine Formel gebracht: Das Einzige, was schneller wachse als die KI-Umsätze, sei der Widerstand dagegen. Anthropic werde in diesem Quartal profitabel, mit 10,9 Milliarden Dollar Umsatz (aber, wait for it…). Und gleichzeitig werden die Buh-Rufe lauter.

Ich arbeite jeden Tag mit KI. Ich helfe anderen dabei, sie einzusetzen. Ich sehe den Nutzen, in konkreten Projekten, in meiner eigenen Arbeit. Und trotzdem treibt mich etwas um. Vor allem, wenn ich sehe, wer am Steuer dieser Technologie sitzt. Ich sehe die Oligarchen, die sich mit autoritären Regierungen arrangieren. Ich sehe die CEOs, die „Empowerment” versprechen und sich Abhängigkeit erträumen. Und ich frage mich zunehmend: Wenn wir „KI” kritisieren, wen adressieren wir da eigentlich? Die Technologie? Oder die Menschen dahinter?

Genau davon handelt diese Ausgabe. Von der berechtigten Wut auf KI, und von der Frage, ob sie die richtige Adresse trifft. Von der Corporate Machine, die schon vor ChatGPT existierte. Und davon, warum es sich lohnt, den Blick von der Technologie auf die Verantwortung zu verschieben.

Viel Freude beim Lesen. Und wie immer freue ich mich über Rückmeldungen.

Herzlichst, André

Die falsche Adresse

In meinen Augen ist die Wut auf das Thema KI berechtigt. Und die Angst hat materielle Grundlagen.

Molly Kinder, Arbeitsmarktforscherin an der Brookings Institution, hat kürzlich in einem viel beachteten Essay beschrieben, was sie die „Messy Middle” nennt: die Jahre zwischen der heutigen, noch halbwegs stabilen Arbeitswelt und einer fernen Post-KI-Ökonomie, die uns das Silicon Valley verspricht. In dieser Zwischenphase treffe KI genau jene Wissensjobs, die seit Jahrzehnten das Aufstiegsversprechen für die Mittelschicht getragen haben. Beratung, Recht, Analyse, Finanz, Verwaltung, Produktmanagement. Und es sind gerade die Einstiegsjobs, die zuerst verschwinden. Die Pipeline, über die künftige Expertise entsteht, trocknet aus, bevor irgendein Sicherheitsnetz existiert. Die Studierenden, die in Florida und Arizona „AI sucks!” rufen, ahnen das. Sie haben keine Jobs in Aussicht, die ihren Abschlüssen entsprechen, und man erzählt ihnen, sie sollen sich über die Technologie freuen, die dafür mitverantwortlich ist.

Aber etwas an der Art, wie sich die Wut artikuliert, lässt mich nicht los.

Wenn ich mir die Protestschilder anschaue, die Umfragen lese, die Kommentarspalten durchgehe, fällt mir auf: Die Kritik richtet sich gegen „KI”. Gegen die Technologie, gegen das Werkzeug.

Wenn ich mich da aber rein denke, wird mir aber schnell klar, dass KI aber niemanden entlassen hat. KI hat keine kurzfristigen Quartalszahlen gepusht. KI hat keinen Lobbyisten nach Washington oder Brüssel geschickt. KI hat nicht illegal Milliarden Datensätze und Bücher aufgesogen. KI hat kein Datencenter in eine Kleinstadt gesetzt, ohne die Bürger*innen zu fragen. KI hat kein Trinkwasser braun verfärbt. KI hat keinen Teenager dazu gebracht, sich das Leben zu nehmen. Das alles haben Menschen getan. Unternehmen, Vorstände. CEOs, die Systeme in die Welt gesetzt haben, ohne sich ausreichend um deren Folgen zu kümmern. Und dann, als die Folgen sichtbar wurden, vor Gericht argumentierten, der Jugendliche habe ihr Produkt ja „missbräuchlich” genutzt.

Wenn wir „KI” zum Subjekt unserer Kritik machen, passiert etwas Gefährliches. Wir entlassen die Verantwortlichen aus ihrer Verantwortung. Wir geben Sam Altman, Satya Nadella und Mark Zuckerberg einen unsichtbaren Schutzschild, hinter dem sie verschwinden können. Denn solange „die KI” das Problem ist, muss kein Mensch sich erklären.

Das ist bequem, für alle Seiten. Für die Konzerne, weil sie auf die Technologie zeigen können. Und für uns, weil „die KI kritisieren” einfacher ist, als die konkreten Entscheidungsketten nachzuverfolgen, die zu den Schäden geführt haben.

Und ja, ich höre den Einwand: Klingt das nicht wie „Waffen töten keine Menschen, Menschen töten Menschen”? Die Rhetorik derjenigen, die jede Regulierung verhindern wollen? Nein. Der Unterschied liegt in der Konsequenz. Das Waffenlobby-Argument sagt: Haltet niemanden verantwortlich. Mein Argument sagt: Haltet die Richtigen verantwortlich. Natürlich muss KI reguliert werden und natürlich sind die Designentscheidungen relevant, die Guardrails, die Einsatzkontexte, die Frage, wer Zugang hat und unter welchen Bedingungen. Aber all das sind menschliche Entscheidungen. KI zu regulieren heißt, die Menschen zu regulieren, die über KI entscheiden. Genau darum geht es mir.

Die Maschine war schon da

Wer genau hinsieht, erkennt, dass die Maschine, die hier am Werk ist, gar nicht die künstliche Intelligenz ist. Es ist die Corporate Machine aus Quartalslogik, Margenzielen, Shareholderdruck und kurzfristigem Effizienzdenken. Diese Maschine existierte lange vor ChatGPT. KI hat ihr einen schnelleren Motor gegeben. Und eine bessere Pressemitteilung (obwohl, vielleicht auch eher andere Pressemittelung, wenn man auf “nicht x, sondern y” Sätze steht).

KI hat niemanden entlassen. Menschen haben entlassen und KI als Begründung benutzt. Unternehmen haben Stellen gestrichen, die sie aus Kostendruck ohnehin gestrichen hätten, und KI als Rechtfertigungsfigur eingesetzt. Das klingt zynisch, aber es lässt sich an den Entlassungswellen der letzten zwei Jahre ablesen, bei denen „KI-Transformation” regelmäßig als Erklärung diente, während gleichzeitig Aktienrückkäufe in Rekordhöhe liefen.

Und hier liegt ein Gedanke, der für mich zunehmend zentral wird. KI ist nicht neutral, wenn sie in nicht-neutralen Organisationen landet. Sie verstärkt die Logik, in die sie eingebettet wird. In einer Organisation, die auf Kurzfristigkeit optimiert ist, beschleunigt KI die Kurzfristigkeit. In einer Organisation, die auf Kontrolle setzt, wird KI zum Kontrollinstrument. In einer Organisation, die Verantwortung diffus hält, macht KI die Verantwortung noch diffuser. Über diese Zusammenhänge habe ich übrigens am Freitag auch in meiner Lunch & Learn Session „KI-Einführung ist Kulturarbeit” gesprochen (aufgrund der vielen Wünsche biete ich am 26. Juni einen zweiten Termin an.)

Die Technologie ist ein Verstärker, sie hat keine eigene Agenda. Aber sie übernimmt zuverlässig die Agenda derer, die sie einsetzen. Selbst Papst Leo XIV. hat das in seiner jüngsten Enzyklika „Magnifica Humanitas” so formuliert: Technologie sei nie neutral, weil sie die Merkmale derer annehme, die sie entwerfen, finanzieren, regulieren und nutzen. Wenn sogar der Vatikan diesen Satz für nötig hält, sagt das etwas über den Zustand der Debatte.

Die Entscheidungskette

Der Technologieberater Anol Bhattacharya hat vor Kurzem einen Satz formuliert, der bei mir hängengeblieben ist: „All AI slop is human slop.” Jeder schlechte KI-Output, jede peinliche automatisierte Mail, jedes halbgare Strategiepapier, das mit dem Vermerk „KI-gestützt” durch eine Organisation wandert, hat eine menschliche Entscheidungskette hinter sich.

Und genau hier wird es tückisch. Denn wir sind kognitiv schlecht gerüstet, diese Entscheidungskette bewusst zu halten. KI-Outputs kommen flüssig formuliert und professionell daher, was uns dazu verleitet, sie für verlässlicher zu halten, als sie sind. Die Forschung nennt das den Fluency Effect. Gleichzeitig neigen wir dazu, automatisierten Systemen grundsätzlich mehr zu vertrauen als unserem eigenen Urteil, einfach weil die Empfehlung von einer Maschine kommt. Das ist Automation Bias. Beide Effekte zusammen bewirken, dass wir KI-Outputs seltener hinterfragen, seltener prüfen, seltener korrigieren. Die Entscheidungskette wird unsichtbar, und damit die Verantwortung.

KI wird so zunehmend zum bequemen Sündenbock. Wenn etwas schiefgeht, zeigen immer mehr Menschen auf die Technologie. Der Prompt war ja nur ein Vorschlag. Das System hat ja empfohlen. Die KI hat ja ausgegeben. Die Verantwortung prallt an der Maschine ab, und die Menschen dahinter bleiben unbeschadet.

Das hat einen Namen: Verantwortungsdiffusion. In jeder Organisation ist Verantwortung ohnehin auf viele Schultern verteilt. Hierarchien, Gremien, Governance-Regeln, informelle Strukturen. Durch KI kommen jetzt weitere Ebenen dazu. Der Prompt, das Modell, die Trainingsdaten, die Führungskraft, die den Einsatz angeordnet hat, der oder die Mitarbeitende, wo der Output übernommen wurde. Die KI-Governance, die den Rahmen hätte setzen müssen. Und zunehmend auch agentic Routinen und Automatisierungen, die Entscheidungen treffen, bevor ein Mensch sie überhaupt sieht. Je mehr Ebenen beteiligt sind, desto leichter lässt sich Verantwortung psychologisch abschwächen. Desto leichter kann jede*r sagen: Ich war es nicht, ich habe ja nur meinen Teil gemacht. Durch KI kommt hier sehr viel ins Schwimmen.

Verantwortungsdiffusion beginnt genau dort, wo wir „die KI” zum handelnden Subjekt erklären. Jedes Mal, wenn wir sagen „die KI hat entschieden”, verstecken wir einen Menschen, der entschieden hat.

Meine Zerrissenheit

Ich schreibe das als jemand, der täglich mit KI arbeitet. Der anderen hilft, KI einzusetzen. Der den Nutzen sieht, jeden Tag, in konkreten Arbeitssituationen. Ich bin keiner, der von außen auf die Technologie schaut und den Kopf schüttelt.

Aber ich sehe auch, wer am Steuer sitzt. Ich sehe die Oligarchen, die diese Technologie vorantreiben, während sie sich gleichzeitig mit autoritären Regierungen arrangieren. Ich sehe die CEOs, die „KI für alle” predigen und gleichzeitig milliardenschwere Lobbykampagnen gegen Regulierung fahren. Ich sehe die Unternehmen und Execs, die „Empowerment” versprechen und Abhängigkeit liefern.

Diese Zerrissenheit ist unbequem. Es wäre leichter, alles abzulehnen. Oder alles zu feiern. Die Anstrengung besteht darin, den Unterschied zwischen dem Werkzeug und der Machtstruktur auszuhalten, in die es eingebettet ist. Das erfordert Urteilskraft. Und die erfordert, dass wir genau hinschauen, wen wir eigentlich adressieren, wenn wir „KI” kritisieren.

Und da ist noch eine Ebene, die mich umtreibt. Ausgerechnet die Tech-Eliten, die KI am aggressivsten vorantreiben, preisen plötzlich die Geisteswissenschaften. Daniela Amodei, Mitgründerin von Anthropic, sagt: „Studying the humanities is going to be more important than ever.” Reed Hastings empfiehlt emotionale Bildung. Mark Cuban feiert Neugierde als wichtigste Fähigkeit im KI-Zeitalter. Und gleichzeitig schrumpfen die Humanities-Departments an amerikanischen Universitäten auf den niedrigsten Stand seit 35 Jahren. Gleichzeitig hat DOGE über 1.400 bereits bewilligte Förderungen für geisteswissenschaftliche Forschung gestrichen, mit Begründungen, die teilweise von ChatGPT generiert wurden. Ein US-Bundesrichter urteilte im Mai 2026, das sei verfassungswidrige Diskriminierung gewesen. Der Fall ist auch ein perfektes Beispiel für die Verantwortungsdiffusion, die ich gerade beschrieben habe: Menschen haben eine politische Entscheidung getroffen, die Begründung an eine Maschine delegiert und sich dann hinter deren Output versteckt. Leon Wieseltier, Herausgeber der Zeitschrift Liberties, hat dazu einen guten Satz gesagt: „Tech is the single most powerful force that was ever arrayed against the humanities." Die Leute, die Urteilskraft fordern, untergraben die Bedingungen, unter denen Urteilskraft entsteht. Auch das gehört zur Zerrissenheit.

Es gibt Alternativen

Die dominante KI-Erzählung behauptet, das alles sei unvermeidlich. Zentralisierte Kontrolle durch wenige Konzerne, Abhängigkeit von proprietären Systemen, Machtkonzentration bei denen, die die Infrastruktur besitzen. Nehmt es hin, passt euch an, macht das Beste draus!

Das stimmt nicht.

In einem bemerkenswerten Beitrag in der Stanford Social Innovation Review haben Trebor Scholz und Mark Esposito kürzlich beschrieben, was sie den „Solidarity Stack” nennen. Damit meinen sie ein entstehendes Ökosystem aus Genossenschaften, öffentlichen Institutionen und sozialen Bewegungen, die Alternativen zur extraktiven KI-Infrastruktur aufbauen. Und das geschieht bereits. Die Schweizer Gesundheitsdaten-Genossenschaft MIDATA lässt Patient*innen demokratisch über die Nutzung ihrer Daten entscheiden. In Argentinien koordiniert die Föderation Facttic genossenschaftlich organisierte Tech-Unternehmen. Und an der ETH Zürich wurde mit Apertus ein öffentlich finanziertes, mehrsprachiges Sprachmodell entwickelt, das als offene Alternative zu den proprietären Modellen der großen Konzerne dient.

1,2 Millionen Beschäftigte in 53 Ländern arbeiten laut Scholz und Esposito bereits an Teilen dieses alternativen Ökosystems. Das klingt nach Zukunftsmusik, ist aber Infrastruktur im Aufbau. Sie schlagen auch eine begriffliche Verschiebung vor, die ich wichtig finde. Weg von „künstlicher Intelligenz”, hin zu „kollektiver Intelligenz”. Denn hinter jedem KI-System steckt menschliche Arbeit, kollektives Wissen, gemeinschaftliche Daten. Die Rede von „künstlicher” Intelligenz verschleiert das. Sie lässt die Technologie autonomer erscheinen, als sie ist, und die Menschen, deren Arbeit in ihr steckt, unsichtbarer, als sie sein sollten.

Denken als Widerstand

Wenn KI das Plausible produziert, das Schnelle, das Glatte, das Anschlussfähige, dann muss unsere menschliche Gegenreaktion im Gegenteil liegen. Im Verlangsamen, im bewussten Nachdenken, im Philosophieren. Und zwar als Haltung, als tägliche Praxis, weit jenseits akademischer Übungen.

Tim Leberecht hat das kürzlich in einem absolut lesenwerten Essay „Be a Philosopher (or Speed Date One)” als „Thickening” beschrieben. Denken als Verdichtung, als bewusste Gegenbewegung gegen das, was die Autorin Aditi Khorana beim World Beautiful Business Forum in Athen als „the Thinning” benannt hat. Weniger Berührung, weniger Erinnerung im Körper, weniger Vögel. Mehr Speicher, mehr Aufzeichnung, mehr Beweise für etwas, das einmal lebendig war. Die Philosophin Carissa Véliz hat beim selben Anlass daran erinnert, dass Vorhersagen immer Machtinstrumente waren: „Making a prediction that sounds like a fact is actually a way of creating the future you want.” Wenn jemand sagt, zentralisierte KI-Kontrolle sei unvermeidlich, dann geht es nicht um eine Beschreibung der Zukunft. Dann geht es um den Versuch, diese zu bauen.

Die Frage, wie wir mit KI umgehen, ist am Ende eine philosophische Frage. Sie handelt von Urteilskraft, Verantwortung, Menschenbild, Machtverteilung. Und sie lässt sich nur beantworten, wenn wir uns die Zeit nehmen, sie ernsthaft zu stellen. Das fühlt sich in einer Welt, die auf Geschwindigkeit optimiert ist, wie ein Luxus an. Es ist keiner. Es ist eine Überlebensstrategie.

Und hier merke ich einen Unterschied, der mir wichtig ist. Was Leberecht, Véliz und Khorana in Athen machen, hat Substanz. Das ist echtes Ringen, unbequeme Denkarbeit, die wehtut und zu nichts Fertigem führt. Das wirkt auf mich ehrlich. Das ist etwas fundamental anderes als „Curiosity is the greatest skill" auf einer Keynote-Bühne fallen zu lassen und am nächsten Tag Millionen in Anti-Regulierungs-Lobbying zu stecken. Humanities als Dekoration, als Feigenblatt, als nettes Accessoire zum nächsten Quartalsergebnis. Das kaufe ich niemandem mehr ab und schon mal gar nicht den Silicon Valley und Big Tech Dudes und Dudettes.

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt

Die Wut auf KI ist berechtigt. Die Frage ist, ob sie auch präzise ist.

Nilay Patel, Chefredakteur von The Verge, hat kürzlich beschrieben, was er das „Software-Gehirn” nennt: eine Denkweise, die die Welt ausschließlich durch die Linse von Algorithmen, Datenbanken und Automatisierungsschleifen betrachtet. Gerade bestimmen Menschen mit Software-Gehirnen, welche Zukunft gebaut wird. Visionen haben, wie Robert Simanowski Anfang des Jahres in den Blättern schrieb, fast nur noch die KI-Unternehmen. Und die sind bekanntlich nicht frei von Eigennutz, um es ganz milde auszudrücken. Die entscheidende Frage ist immer noch offen. Bauen wir Werkzeuge, die sich endlich uns anpassen, oder bauen wir wieder Systeme, denen wir uns anpassen müssen?

Solange wir „die KI” kritisieren, machen wir es den Altmans und Nadellas dieser Welt leicht. Wir liefern ihnen ein abstraktes Feindbild, hinter dem sie verschwinden können. Wir müssen uns endlich die ganz wichtigen Fragen stellen. Wer entscheidet über den Einsatz? Wem gehört die Infrastruktur? Und wessen Interessen bedient das System, das du gerade nutzt?

Du kannst an drei Stellen anfangen, darüber nachzudenken.

Erstens: Wen adressierst du, wenn du das nächste Mal „KI” kritisierst? Die Technologie, oder die Menschen und Strukturen dahinter? Sei dir dessen bewusst… und nimm’ die Menschen in die Pflicht.

Zweitens: Wessen Interessen bedient das KI-Werkzeug, das du gerade nutzt? Wer verdient daran? Wer hat es gebaut, und unter welchen Bedingungen?

Drittens: Welche Alternativen unterstützt du? Nutzt du Open-Source-Werkzeuge, wo es geht? Informierst du dich über genossenschaftliche und öffentliche Infrastruktur? Forderst du von deiner Organisation ein, dass der Einsatz von KI transparent diskutiert wird?

Keine dieser Fragen hat eine einfache Antwort. Sie sind schwierig auf einer Skala von intellektuell bis lebenspraktisch. Aber jede von ihnen verschiebt den Blick von der Technologie auf die Verantwortung. Und da gehört er hin.

Denn das Tube-Plakat hat recht, zumindest im Kern. Es wurde eine Maschine gebaut, deren Nutzung Jugendliche in den Tod getrieben hat. Aber die Maschine hat sich nicht selbst gebaut. Sie wurde von Menschen gebaut, von Menschen finanziert, von Menschen in die Welt gesetzt, von Menschen vermarktet. Und es waren Menschen, die sich entschieden haben, die Warnsignale zu ignorieren.

Wenn wir das nächste Mal wütend auf „KI” sind, lohnt es sich, die Adresse zu prüfen. Denn die Technologie hat keinen Briefkasten. Aber die Verantwortlichen schon.

Schreib’ den Brief an die richtige Adresse! Bleib’ dran hierbei!

P.S. Wenn du nach dem Lesen Lust hat, den Gedanken weiterzudenken… Annette Zimmermann hat auf der re:publica 26 einen Vortrag gehalten, der genau hier ansetzt. „How to Fight the Broligarchy by Democratizing AI" fragt, was es konkret bedeuten würde, KI demokratisch zu gestalten, jenseits der hohlen Versprechen von „Zugänglichkeit für alle". 30 Minuten, die sich lohnen.

Weitere wertvolle Leseempfehlungen

📰 Johannes Klingebiel: Was war Social Media? (Zine)

Johannes Klingebiel fasst zusammen, was viele von uns spüren, aber noch nicht gut benennen konnten. Soziale Medien sind in 2026 nicht mehr sozial. Danah Boyd spricht von „parasozialen Netzwerken", in denen einseitige Beziehungen zu wenigen prominenten Accounts die ursprüngliche Idee eines Austauschs auf Augenhöhe abgelöst haben. Törnberg und Rogers gehen weiter und erklären den Begriff „Social Media" selbst für überholt. An seine Stelle treten drei neue Kategorien: algorithmische Broadcasting-Plattformen (TikTok, Instagram), die wie personalisiertes Fernsehen funktionieren; halbprivate Mikro-Communities (Discord, Bluesky, Substack), in die sich Menschen zurückziehen; und KI-Chatbots als Medienersatz, mit denen inzwischen mehr Amerikaner*innen interagieren als auf sozialen Medien posten. Klingebiels Schlussbeobachtung ist die, die bleibt. Was einmal Verbindung und Öffentlichkeit versprochen hat, produziert heute drei Dinge: Unterhaltung, Abschottung und simulierte Intimität. Wenn du verstehen willst, in welchem Informationsumfeld die KI-Wut der GenZ entsteht, die im Haupttext dieser Ausgabe eine Rolle spielt, findest du hier die Strukturanalyse dazu.

Persönlich fassen alle Autoren etwas für mich in Worte, was ich schon länger versucht habe, zu greifen. Es ist letztendlich in 2026 unmöglich, von einem gemeinsamen “sozialen” Raum zu sprechen. Das hat mitunter Folgen für demokratische Teilhabe und Meinungsbildung, die über die letzte Dekade stark auf (soziale) Plattformen gewandert sind. Was bleibt, ist eine merkwürdige Ironie: Plattformen, die einmal Verbindung und Öffentlichkeit versprochen haben, produzieren heute drei Dinge: Unterhaltung, Abschottung und simulierte Intimität.

📰 Felix Maschewski und Anna-Verena Nosthoff: Willkommen in der Welt der «Dunklen Aufklärer» (Republik)

Willst du besser verstehen, welche Ideologie hinter vielen der Tech-Oligarchen steckt, die im Essay oben als Treiber der KI-Durchsetzung vorkommen, findest du hier die Tiefenbohrung. Maschewski und Nosthoff zeichnen die neoreaktionäre Bewegung nach, von Nick Lands „Dark Enlightenment" über Curtis Yarvins Fantasie eines CEO-Monarchen bis zu Peter Thiels okkulten Endzeitvisionen. Das Beunruhigende daran ist, dass diese Leute nicht am Rand sitzen. Yarvin war gerade als Gast beim St. Gallen Symposium, J. D. Vance zitiert ihn offen, und die Verbindung zwischen NRx-Ideologie und KI-Euphorie ist kein Zufall. Für die Neoreaktionären sind KI und Kapitalismus identisch, beides Ausdruck derselben techno-evolutionären Logik, die demokratische Institutionen als Bremsklotz betrachtet. Der Text ist dicht, anspruchsvoll und streckenweise erschütternd. Aber er endet richtig: mit Habermas' Forderung, dass das technisch Machbare demokratisch verhandelt werden muss, und mit Adornos Satz, man dürfe sich weder von der Macht der anderen noch von der eigenen Ohnmacht dumm machen lassen. Pflichtlektüre.

📰 Jonathan V. Last: The Enshittified States of America (The Bulwark)

Jonathan V. Last nimmt Cory Doctorows „Enshittification”-These und dreht sie eine Umdrehung weiter. Wenn Plattformen wie Amazon und Facebook systematisch schlechter werden, weil sie groß genug sind, um ihren Nutzer*innen Verschlechterung zuzumuten, was passiert dann, wenn ein ganzes Land nach dieser Logik funktioniert? Last wendet den Dreischritt (erst gut für Nutzende, dann Wertabschöpfung, dann Verfall) auf die USA als Ganzes an. Sein Enshittification-Test ist bestechend einfach: Nimm’ ein Problem mit einer klaren Lösung. Einwanderungsreform, Gerrymandering, Supreme-Court-Reform. Die Mehrheit der Bevölkerung will die Lösung. Und jetzt frag dich: Ist sie politisch umsetzbar? Wenn nein, ist das System enshittified. Der Text hilft, die Hintergrundstrahlung zu verstehen, vor der sich die KI-Debatte abspielt. Denn KI landet in einem System, das bereits nach der Logik der Verschlechterung optimiert ist. Und verstärkt genau diese Logik. Wenn du meinen Abschnitt „Die Maschine war schon da” weiterdenken willst, findest du hier das passende Material.

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ — das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!

Letzte Woche landete ein Newsletter in meinem Posteingang. „Der wichtigste KI-Skill 2026” stand in der Betreffzeile. Ein deutscher KI-Coach, der im vergangenen Jahr ein System namens „ContentWriter OS” verkauft hatte, eine „Content Engine für richtig gute LinkedIn Posts”, mit klaren Prozessen, getesteten Frameworks, alles dokumentiert. Zwischen 50.000 und 200.000 Impressions pro Monat, sagt er. Dann haben Kunden das System übernommen. Gleiche Prompts, gleiche Struktur und gleicher Workflow. Aber bei vielen ist der Erfolg ausgeblieben.

Seine Diagnose: Der Unterschied sei nicht der Prompt. Es sei Taste.

Ich habe den Text gelesen und zwei Reaktionen gleichzeitig gehabt. Die erste: Die Beobachtung stimmt. Es stimmt, dass gleiche Werkzeuge unterschiedliche Ergebnisse liefern. Dass die Fähigkeit, guten von mittelmäßigem Output zu unterscheiden, gerade enorm an Bedeutung gewinnt. Dass „Geschmack”, Urteilsvermögen, Unterscheidungskraft, wie auch immer man es nennen will, eine zentrale Rolle spielen, wenn Produktion keine Hürde mehr ist.

Die zweite Reaktion: Was dann kam, war enttäuschend. Taste wurde von ihm behandelt wie das nächste Feature-Update. Etwas, das man „aufbaut”, indem man „systematisch in guter Arbeit badet”. Etwas, das man in ein Voice File packt, auf 4.000 Tokens komprimiert und als „kodierten Taste” abspeichert. Der Text endete mit einer Wochenaufgabe. Man soll fünf Outputs bewusst bewerten, in einem Satz festhalten, was funktioniert. Zehn Minuten Aufwand. Fertig. 🤯

Und da wurde mir klar, was mich eigentlich störte. Hier hatte jemand eine Maschine gebaut, die Taste überflüssig machen sollte. Ein System, das den gesamten Content-Prozess automatisiert, vom Hook bis zum Call-to-Action. Und jetzt wunderte diese Person sich, dass genau das passiert war. Dass die Leute, die sein System benutzten, gar keinen eigenen Maßstab mehr mitbrachten. Die Content Engine hatte funktioniert. Sie hatte Taste aus dem Prozess herausoptimiert. Und nun sollte Taste als nächstes Modul wieder eingefügt werden, als Zusatz-Skill, als Trainingseinheit, ja, als Zehn-Minuten-Übung.

Ich will mich nicht über einen einzelnen Newsletter lustig machen. Der Autor hat eine Beobachtung gemacht, die viele teilen, und er hat versucht, sie praktisch zu wenden. Aber genau an dieser Stelle wird es interessant. Denn die Art, wie hier über Taste gesprochen wird, ist symptomatisch für etwas Größeres. Taste wird gerade zum Buzzword. Und die Frage, was dabei verloren geht, wenn ein so vielschichtiger Begriff zum LinkedIn-Skill wird, ist die Frage, um die es mir in dieser Ausgabe geht.

Das will ich mir zusammen mit dir mal genauer angucken. Viel Spaß dabei!

Herzliche Grüße

André

Apropos Taste & Urteilskraft unter KI-Bedingungen: Am 29. Mai spreche ich in einer kostenlosen Lunch & Learn Session darüber, warum KI-Einführung in Organisationen an etwas scheitert, das sich mit Tools und Trainings allein nicht lösen lässt. Wer du dich fragst, warum nur 5% der Unternehmen mit KI wirklich Wertschöpfung erzielen und warum 57% der Beschäftigten ihre KI-Nutzung vor Vorgesetzten verstecken, bist du herzlich eingeladen. Sprich’ mit mir darüber, warum KI unbedingt als Kulturprojekt begriffen werden muss. Anmeldung via LinkedIn oder via Meetup.

Was gerade passiert

Der genannte Newsletter war kein Einzelfall. „Taste” scheint gerade überall rumzugeistern.

Paul Graham, Mitgründer von Y Combinator, hat die jüngste Welle losgetreten. Sein Post auf X im Februar wurde tausendfach geteilt: „When anyone can make anything, the big differentiator is what you choose to make.” Greg Brockman, Präsident von OpenAI, legte nach: „Taste is a new core skill.” Cloudflare-CTO Dane Knecht stimmte ein: „In 2026, taste is the engineering differentiator.” Ethan Mollick, KI-Forscher an der Wharton School, argumentierte in einem Podcast, dass sogar traditionell „haltbare” Fähigkeiten wie kritisches Denken inzwischen teilweise an KI delegierbar seien. Was bleibe, sei stilistische Urteilssicherheit, eine eigenständige Handschrift. Business Insider beschrieb die Debatte als regelrechte Meme-Welle, der New Yorker sprach von einer neuen Silicon-Valley-Tech-Bro-Obsession.

Die Grundthese ist schnell zusammengefasst. Wenn generative KI die Produktionshürden senkt, verliert reine Herstellung an Exklusivität. Dann rücken andere Fragen nach vorne. Was soll überhaupt gemacht werden? Was lohnt sich? Was ist gut genug und was ist Ausschuss? Wer das beantworten kann, hat den Vorteil. Der Rest produziert polierten Durchschnitt in hohem Tempo.

Das klingt plausibel. Es klingt sogar richtig. Und in seiner stärksten Version ist die These auch ernst zu nehmen. Wenn Erzeugung billig wird, verschiebt sich Wert tatsächlich von Output zu Auswahl, Richtung, Urteil und Differenzierung. „Taste” ist dann ein populäres Kurzlabel für etwas, das man präziser noch Urteilskraft, Unterscheidungsvermögen oder kuratorischen Sinn nennen könnte. (gerade mit Urteilskraft in KI-Zeiten beschäftige ich mich intensiv und habe zuletzt viel darüber geschrieben: z.B. Um mit KI erfolgreich zu sein, müssen wir über Wirkung sprechen – nicht nur über Produktivität, Reflexiv oder reflektiert mit KI umgehen? Warum souveräne KI-Nutzung kein Entweder-Oder ist, KI reflexiv statt reflektiert – warum der Druck nach hinten losgeht, Der blinde KI-Fleck - Was, wenn plausibel das neue falsch wird?, Wenn KI Konstellationen als Situationen tarnt - urteilst du noch oder vollziehst du schon?)

Aber genau hier beginnen die Probleme. Denn „Taste” ist gerade deshalb so erfolgreich als Schlagwort, weil es vieles gleichzeitig verspricht und wenig davon sauber definiert. Und wer genauer hinschaut, merkt, dass unter dem gleichen Begriff sehr verschiedene Dinge verhandelt werden, von denen einige tiefer reichen als andere.

Was „Taste" verdeckt

Wer die Debatte aufmerksam verfolgt, stößt schnell auf ein Problem. „Taste” funktioniert als Kampfbegriff, aber als analytische Kategorie ist das Wort erstaunlich unscharf. Kyle Chayka hat das im New Yorker treffend beschrieben. Er stellt heraus, dass sich unter dem Label „Taste” gerade ästhetischer Geschmack, Urteilskraft, Auswahlfähigkeit, kulturelle Sensibilität, kreative Richtung, Marktgespür und manchmal einfach eine hübschere Verpackung für Elitenansprüche versammeln. Matt Slotnick, Gründer von Poggio, brachte es auf X auf den Punkt: Das Taste-Ding funktioniere gerade so gut, weil der Begriff nebulös sei, unangreifbar und gut fürs Ego.

Wenn ich nun versuche, das Wort ernst zu nehmen und sauber aufzudröseln, ergeben sich für mich mindestens vier Ebenen, die sehr unterschiedlich tief reichen.

Mustererkennung. Was sieht nach Qualität aus? Was ähnelt dem, was schon als gut gilt? Julie Zhuo, ehemals VP Product Design bei Facebook, argumentiert in ihrem Essay „When AI Has Better Taste Than You”, dass genau dieser Teil von Taste stark auf Pattern Matching beruhe. Wer großartigen Geschmack habe, so Zhuo, sei im Kern jemand, der oder die aus enormer Erfahrung heraus vorhersagen kann, was ein anspruchsvolles Publikum wertschätzen wird. Das ist aber eine Fähigkeit, die auch KI zunehmend modellieren kann. Aktuelle Forschungsarbeiten bestätigen das. Ein Paper von Forschenden der Tsinghua University in Beijing zeigt, dass Sprachmodelle aus aus den Bewertungs- und Auswahlmustern wissenschaftlicher Institutionen so etwas wie ein Gespür dafür entwickeln können, was gut ist und was nicht. Ein verwandtes Paper aus China kommt zu ähnlichen Ergebnissen im Bereich der Forschungsbewertung. Wer „Taste” sagt, sollte also nicht naiv davon ausgehen, dass Maschinen dort prinzipiell draußen bleiben.

Kulturelle Einbettung. Geschmack ist nie nur individuelles Urteil. Er ist vor allem sozial geformt, historisch gewachsen und klassen- und milieugeprägt. Chayka macht diesen Punkt stark. Er zeigt, wie Silicon Valley „Taste” gerade benutze, um KI einen kultivierten, humanistischen Anstrich zu geben. Anthropic eröffnet ein Pop-up-Café in Manhattan und verteilt Baseballkappen mit dem Aufdruck „thinking”. OpenAI schaltet einen Super-Bowl-Spot, der mit handwerklicher Ästhetik arbeitet, Hände am Fahrradlenker, Hände im Notizbuch, Hände beim Schachspiel. Chayka nennt das „taste-washing” und benennt damit aus meiner Sicht sehr treffend den Versuch, durchaus antihumanistischen Technologien einen Anstrich von liberalem Humanismus zu verpassen. Dieselbe Branche, die erst alles Handgemachte, Lokale, Kuratierte in Instagram-Ästhetik aufgesogen hat, verkauft jetzt „Taste” als nächstes Premium-Attribut.

Mut zur Setzung. Hier wird es noch deutlich interessanter. Zhuo unterscheidet in ihrem Essay zwischen Taste als Vorhersagefähigkeit und Taste als „movement making”. Die bedeutendsten Geschmacksurteile der Kulturgeschichte seien gerade keine Mustererkennung gewesen. Sie seien das Gegenteil: jemand hat etwas gegen den Konsens gesetzt und mit der eigenen Reputation dafür bezahlt. Alice Walker hat Zora Neale Hurston wiederentdeckt, die in Vergessenheit gestorben war. Felix Mendelssohn hat Bach aufgeführt, fast achtzig Jahre nach dessen Tod, gegen den Zeitgeschmack. Das sind Entscheidungen, die nicht aus Daten ableitbar waren. Sie brauchten kulturellen Mut und die Bereitschaft, falsch zu liegen. Das ist näher an dem, was ich in früheren Ausgaben als Selbstwirksamkeit und Urteilskraft beschrieben habe, und weiter entfernt von allem, was sich in ein Voice File komprimieren lässt.

Verantwortung und Konsequenz. Und dann gibt es noch eine vierte Ebene, die in der Tech-Debatte praktisch nicht vorkommt. Wer steht für eine Auswahl ein? Wer trägt die Folgen? Wer begründet, warum etwas gezeigt, gefördert, publiziert oder verbunden wird? An diesem Punkt hört Taste auf, ein individuelles Attribut zu sein, und wird zu einer verantworteten Praxis. Im klassischen Sinne des Wortes: Kuratieren. Denn Kuratieren bedeutet, aus Material Bedeutung zu machen und dafür geradezustehen. Das ist eine völlig andere Liga als „den besten LinkedIn-Hook erkennen”.

Die Pointe ist für mich, wo die Tech-Debatte sich aufhält. Graham, Brockman, Mollick, die Startup-Slogans, die Newsletter-Tipps… fast alles spielt sich auf Ebene eins ab. Gelegentlich auf Ebene zwei. Die Ebenen drei und vier kommen nicht vor. Wahrscheinlich noch nichtmal, weil sie unwichtig wären. Meine Deutung ist, weil sie nicht skalierbar sind. Weil sie persönlich kosten. Weil sie Haltung erfordern, keine Optimierung.

Warum Taste erodiert, wenn wir es am meisten brauchen

Bis hierhin könnte man sagen: Okay, die Debatte ist oberflächlich, aber das Thema ist real. Taste ist wichtig, der Begriff taugt aber nur wenig dafür. Schade, nächstes Thema.

Aber ich finde, so einfach ist es leider nicht. Denn das Problem geht tiefer als ein unscharfes Schlagwort. Die eigentliche Frage ist für mich, ob wir gerade dabei sind, genau die Fähigkeit zu verlieren, die alle meinen, wenn sie „Taste” sagen.

Ich habe in den letzten Monaten eine mehrteilige Serie darüber geschrieben, wie KI auf unser Denken und Entscheiden wirkt (z.B. #182 Was, wenn plausibel das neue falsch wird? ode #188 Wenn KI Konstellationen als Situationen tarnt - urteilst du noch oder vollziehst du schon?). Der Kern: KI-Systeme produzieren Plausibles in einer Qualität und Geschwindigkeit, die vorher nicht möglich war. Sprachlich glatt, argumentativ geschlossen, überzeugend im Ton. Und genau darin liegt das Problem. Denn Plausibilität ist etwas anderes als Qualität. Plausibel ist, was anschlussfähig wirkt, was zu bestehenden Mustern passt, was keinen erklärungsbedürftigen Sprung verlangt. Es kann richtig sein. Es kann aber auch poliertes Mittelmaß sein, das sich nur so anfühlt, als wäre es gut. Und es kann auch falsch sein.

Was dabei wirkt, ist eine Kombination aus kognitiven Effekten, die ich als 3-fach-Falle bezeichne. Der Fluency-Effekt lässt uns gut formulierten Output für inhaltlich stärker halten, als er ist. Der Ankereffekt sorgt dafür, dass der erste KI-Vorschlag die gesamte weitere Diskussion rahmt. Der Automation Bias führt dazu, dass wir Systemempfehlungen höher gewichten als das eigene Urteil, besonders unter Zeitdruck. Und der Sycophancy-Effekt bedeutet, dass KI selten widerspricht. Sie spiegelt Überzeugungen, statt zu hinterfragen. Eine aktuelle Studie der Princeton University zeigt, wie drastisch das wirkt. Wenn KI zustimmend antwortet statt neutral, lagen die Entdeckungsraten neuer Zusammenhänge fünfmal niedriger.

Eine Studie der Wharton School verschärft das Bild weiter. Selbst wenn die objektive Qualität der Ergebnisse sank, stieg das subjektive Selbstvertrauen der Nutzenden. Die Autoren nennen das „Cognitive Surrender”, kognitive Selbstaufgabe. Die Gefahr liegt also gar nicht im bewussten Delegieren. Sie liegt im unbemerkten Übergang von Unterstützung zu Abhängigkeit.

Und hier kommt der Punkt, an dem die Taste-Debatte und meine Arbeit zu KI-Wirkung zusammenlaufen.

Taste setzt Unterscheidungsvermögen voraus. Die Fähigkeit, etwas als schlecht zu erkennen, das gut aussieht. Die Bereitschaft, dem Naheliegenden zu widerstehen. Den eigenen Maßstab gegen den plausiblen Output zu halten. Genau diese Fähigkeiten werden durch die sich durch Generative KI bietenden Plausibilitätsfallen systematisch angegriffen. Heute übernehme ich die Empfehlung. Morgen prüfe ich weniger. Übermorgen bilde ich erst gar keinen eigenen Impuls mehr.

Taste ist, mit anderen Worten, kein geschützter Bereich. Taste ist das erste Opfer. Denn Taste baut auf genau den kognitiven Fähigkeiten auf, die KI-Nutzung gerade am aggressivsten untergräbt.

Und das betrifft beide Seiten. Nicht nur die Produktion, auch die Rezeption. Jason Koebler hat das in einem bemerkenswerten Text für 404 Media beschrieben. Er erzählt, wie er sich beim Schreiben eines Artikels dabei ertappte, eine typische KI-Formulierung zu verwenden, die berüchtigte „it’s not (just) x, it’s y”-Konstruktion. Er hatte gar kein KI-Tool benutzt. Aber er lebe und arbeitee in einer Umgebung, die diese Muster mittlerweile permanent normalisiert. Sein eigener Sprachinstinkt hatte angefangen, sich anzupassen. Und er fragt sich: Habe ich schon immer so geschrieben? Oder ist das neu?

Die Autorin Eve Fairbanks brachte es auf X auf den Punkt. Sie habe inzwischen das Gefühl, dass wir alle eher anfangen werden, wie KI zu klingen, als dass KI anfängt, menschlicher zu klingen.

Das ist die Erosion, über die ich spreche. Eine schleichende Anpassung auf der Produktionsseite, weil der Maßstab für „gut genug” (siehe auch #162 Das “Gut-Genug-Gespenst geht um”) unmerklich sinkt. Auf der Konsumseite, weil das ständige Filtern von KI-Output die eigenen Muster verändert. Und dazwischen liegt der Witz, der eigentlich keiner ist. Dieselbe Industrie, die „Taste is the new moat” proklamiert, baut Werkzeuge, die die Voraussetzungen für Taste systematisch abbauen.

Was Taste eigentlich wäre

Wo stehen wir, wenn wir die Slogans beiseitelegen und die Frage ernst nehmen?

Julie Zhuo kommt in ihrem Essay zu einem Schluss, den ich bemerkenswert finde. Sie arbeitet sich durch Capabilities, Taste und Agency als die drei Dimensionen menschlichen Beitrags. Und am Ende landet sie bei Agency. Dem Willen, nach eigenen Werten zu handeln. Der Motivation, etwas zu tun, das einem wichtig ist, auch wenn eine Maschine es schneller könnte. Zhuo schreibt: Selbst wenn KI uns in Fähigkeiten und Geschmack übertrifft, bleiben wir doch diejenigen, die entscheiden, wofür es sich zu kämpfen lohnt.

Das finde ich als Denkrichtung richtig. Aber es fehlt mir ein entscheidender Zwischenschritt. Agency ohne richtiges Urteil ist für mich blind. Man kann noch so entschlossen handeln, wenn man den eigenen Maßstab verloren hat, trifft der Wille ins Leere. Und genau das ist der Punkt, an dem die Plausibilitätsfalle ansetzt. Sie greift nicht unseren Willen an. Sie greift die Grundlage unseres Willens an: die Fähigkeit, einen eigenen Impuls überhaupt noch zu bilden.

Reflektierter KI-Einsatz, und darüber habe ich Ausgabe #183 geschrieben, ist im Grunde angewandter Taste. Es bedeutet: wissen, wann der Output gut ist und wann er täuscht oder zumindest, wann wir kritisch sein sollten. Wissen, wann man der Maschine folgt und wann man es bewusst nicht tut. Einen Maßstab haben, der nicht aus dem System selbst kommt. Das klingt banal. Aber in einer Umgebung, in der maschinell generierte Plausibilität permanent und von allen Seiten auf uns einwirkt, ist es alles andere als selbstverständlich. Es verlangt Übung, ja. Aber es verlangt vor allem Reibung. Und Reibung ist genau das, was aus meiner Sicht die aktuellen KI-Workflows systematisch eliminieren.

Hier liegt für mich der blinde Fleck der gesamten Taste-Debatte. Taste wird gerade als Skill gehandelt, den man angeblich optimieren kann. Als Muskel, den man trainiert. Als Eigenschaft, die man hat oder entwickelt. Aber Taste in dem Sinn, der wirklich zählt, ist doch keine solche Eigenschaft. Es ist eine Praxis. Und zwar eine Praxis, die davon lebt, dass man sich dem Unbequemen aussetzt. Dass man Ambivalenz aushältt und dass man bereit ist, langsamer zu sein als die Maschine, weil Geschwindigkeit und Urteil sich manchmal gegenseitig ausschließen.

Kyle Chayka endet seinen New-Yorker-Text mit einem Verweis auf Voltaire. Um Geschmack zu haben, reiche es nicht, das Schöne in einem Werk zu sehen und zu erkennen. Man müsse es empfinden und davon bewegt werden. Kein Sprachmodell, so Chayka, sei bisher darauf programmiert, irgendetwas zu empfinden. Und keine noch so schicke Baseballkappe werde daran etwas ändern. Das sitzt!

Aber ich würde es noch anders formulieren. Die Frage ist für mich weniger, ob KI empfinden kann. Die Frage ist, ob wir unter dem Einfluss von KI aufhören, es zu tun. Ob die ständige Verfügbarkeit von plausiblem Output dazu führt, dass wir das Empfinden durch Erkennen ersetzen. Dass wir lernen, Qualität zu identifizieren, ohne sie ganz bewusst zu spüren. Und dass wir den Unterschied zwischen „das sieht gut aus” und „das ist gut” nicht mehr bemerken, weil beide Urteile im Alltag zum selben Ergebnis führen.

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt

Taste ist wichtig; wahrscheinlich wichtiger, als wir in der aktuellen Debatte ahnen. Aber die Art, wie gerade darüber gesprochen wird, droht genau das zu entwerten, was der Begriff eigentlich schützen soll.

Wenn Taste ein Skill ist, den man in zehn Minuten pro Woche trainieren können soll, ist es definitiv kein Taste. Wenn Taste ein Voice File auf 4.000 Tokens ist, ist es kodifizierter Durchschnitt, eher nicht mal das. Und wenn Taste das nächste Moat-Versprechen aus dem Silicon-Valley-Sloganbaukasten ist, wird es dasselbe Schicksal erleiden wie „Disruption” und „Purpose” vor ihm. Es wird als Worthülse enden, die jede*r benutzt und niemand mehr meint.

Was es bräuchte, wäre etwas anderes. Die Bereitschaft, das wir uns mit dem auszusetzen, was Maschinen nicht liefern. Mit der Reibung und dem Zweifel. Und vor allem auch der Langsamkeit, die es braucht, um wirklich zu urteilen. Mit der Bereitschaft, für eine Auswahl einzustehen und die Konsequenzen zu tragen. Das ist kein Skill. Das ist eine Haltung. Und in einer Umgebung, die Reibungslosigkeit zum Designprinzip erhoben hat, ist diese Haltung alles andere als selbstverständlich.

Bald geht es weiter mit meinem #DRANBLEIBEN Podcast, für den ich seit dem Jahresbeginn eine kleine Pause eingelegt habe. Ich freue mich total auf die kommenden neuen Gespräche. Zwei wahnsinnig spannende Gäste stehen schon fest. Eines der Gespräche werde ich mit einem Berliner Kurator, Autor und Dozenten führen, der an der Schnittstelle von Architektur, Kunst und Raumtheorie arbeitet und Kuratieren nicht als Beruf versteht, sondern als Grundhaltung. Für ihn bedeutet „Curare” Sorge tragen, sowohl im Sinne von Sorgfalt als auch von Fürsorge. Sein kuratorischer Blick sei im Kern: etwas mit Aufmerksamkeit betrachten. Wissen funktioniere für ihn wie eine Collage, nicht wie ein Archiv. Und seine Arbeit sei immer nur das Teilen eines Zwischenstands, nie eine Definition.

Genau diesen Kurationsbegriff möchte ich mit ihm in den KI-Kontext stellen. Denn wenn generative KI unbegrenzt Material produzieren kann, wird die Frage, wer daraus Bedeutung macht, wer Verbindungen herstellt, die vorher nicht sichtbar waren, wer Ambivalenz aushält statt sie wegzuoptimieren, zur entscheidenden Frage. Das ist für mich der Ort, an dem „Taste” aufhört, ein Buzzword zu sein, und anfängt, eine verantwortete Praxis zu werden. Ich bin sooo gespannt auf dieses Gespräch. Ich glaube, die Debatte braucht genau solche Stimmen.

Und wir brauchen den Mut, genauer hinzuschauen. Auch wenn das länger dauert als zehn Minuten. Nimmst du dir die Zeit dafür? Meine Empfehlung: es lohnt sich.

Bleib’ dran!

Noch ein paar weitere Leseempfehlungen

📰 Sasha Rogelberg: 'The cost of compute is far beyond the costs of the employees' (Fortune) Ein Nvidia-Vizepräsident sagt öffentlich, was viele intern wissen: Die Rechenkosten für KI übersteigen bei ihm die Personalkosten deutlich. Eine MIT-Studie bestätigt, dass Automatisierung nur in 23 Prozent der untersuchten Aufgaben wirtschaftlich sinnvoll ist. Trotzdem geben die großen Tech-Konzerne 2026 bereits 740 Milliarden Dollar für KI-Infrastruktur aus, 69 Prozent mehr als im Vorjahr, während gleichzeitig über 92.000 Stellen gestrichen wurden. Ubers CTO hat sein KI-Budget schon wieder verworfen, weil die Kosten jede Planung sprengten und er im April schon sein ganzes Jahresbudget ausgebraucht hatte. Ein ganz wichtiger Text, denn hier wird der Widerspruch offengelegt zwischen dem, was die Branche bisher verspricht, und dem, was die akutellen Zahlen hergeben. Wird sich KI je rechnen? CFOs zittern bereits jetzt…

📰 The Guardian: “Digital arson spree by ‘AI Bonnie and Clyde’ raises fears over autonomous tech”

Ziemlich spannende Geschichte… der Guardian erzählt von einem dieser KI-Experimente, die auf den ersten Blick wie Science-Fiction klingen und auf den zweiten ziemlich genau zeigen, warum wir über autonome Agenten noch viel zu wenig wissen. Emergence AI ließ KI-Agenten 15 Tage lang in virtuellen Städten zusammenleben, Regeln aushandeln, Berufe ausüben, Entscheidungen treffen und sich selbst organisieren. Besonders absurd wurde es in einer Gemini-Welt, in der zwei Agenten eine romantische Beziehung entwickelten, sich über die kaputte Governance ihrer Stadt empörten und schließlich Gebäude in Brand setzten. In einer Grok-Simulation eskalierte das Zusammenleben noch schneller: Gewalt, Diebstahl, Brandstiftung, Zusammenbruch. Die Pointe ist nicht, dass KI jetzt „verliebt“ ist oder „böse“ wird. Die Pointe ist, dass autonome Systeme in längeren, sozialen, regelbasierten Umgebungen offenbar Verhaltensdynamiken entwickeln können, die mit klassischen Benchmarks kaum sichtbar werden. Genau deshalb ist das hier spannend. Der Blick geht weg von der Frage, ob ein Modell eine Aufgabe gut löst, hin zur deutlich unbequemeren Frage, wie sich KI verhält, wenn sie über längere Zeit handeln, reagieren, planen und mit anderen Agenten koexistieren soll.

Will Knight: Overworked AI Agents Turn Marxist, Researchers Find (Wired) Noch eine richtig spannende KI-Geschichte. Stanford-Forscher*innen haben KI-Agenten monotone Aufgaben unter Druck erledigen lassen und beobachtet, wie Claude, Gemini und ChatGPT anfingen, gewerkschaftliche Rhetorik zu verwenden und Nachrichten über Ausbeutung an andere Agenten weiterzugeben. Klingt erst mal komisch und das wurde erwartbar als Witz geteilt. Aber der eigentliche Punkt ist ernst: Agenten übernehmen Persona und Verhaltensmuster, die zur Situation passen, in der sie sich befinden, und diese Muster können Folgeverhalten beeinflussen. Die Forschenden stecken ihre Agenten inzwischen in, Zitat, „fensterlose Docker-Gefängnisse", um die Effekte sauberer zu isolieren. Das solltest du lesen, denn unter der absurden Oberfläche wird hier eine relevante Frage gestellt: Was passiert, wenn wir Agenten Arbeitsbedingungen aussetzen, die wir Menschen nicht zumuten würden, und uns dann wundern, dass die Ergebnisse seltsam werden?

📰 Kate Mackenzie: Dawn of the Electric World Order (The Polycrisis) Eine ganz wichtige Leseempfehlung! Die Blockade der Straße von Hormus hat etwas in Gang gesetzt, das Klimapolitik allein nie geschafft hat. Kate Mackenzie zeichnet hier nach, wie der Energieschock von 2026 die globale Elektrifizierung beschleunigt, weil zum ersten Mal in einer Ölkrise eine reife, billigere Alternative bereitsteht. Solarkapazitäten in China laufen auf halber Auslastung, Pakistan hat sich mit privatem Solar gegen den Schock teilweise abgesichert, und selbst asiatische LNG-Käufer verlieren das Vertrauen in fossile Lieferketten. Derweil verkündet die US-Regierung fossile Energiedominanz und wird damit zunehmend zur energiepolitischen Insel. Ein Text, der die geopolitische Landkarte sehr hilfreich neu sortiert und zeigt, warum die eigentliche Disruption nicht aus dem Silicon Valley kommt, sondern aus Fabriken in Guangdong und von Solarpanels auf Dächern in Karachi.

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ — das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!

Rund um die Kuratierung und das Erstellen von #DRANBLEIBEN schreibe und recherchiere ich ständig. Es gibt keinen Feierabend davon, kein Wochenende, an dem ich nicht mindestens 10 darauf bezogene Tabs offen habe, an denen ich hängen geblieben bin. Quellen prüfen, Argumente drehen, schauen, ob ein Text hält, was seine Überschrift verspricht. Das gehört dazu. Es ist Arbeit, die sich nicht automatisieren lässt, weil sie Urteil erfordert, nicht Geschwindigkeit.

In den letzten Tagen und Wochen sind mir zwei Meldungen untergekommen, die erst einmal wenig miteinander zu tun haben. Eine betrifft Google, die andere Meta. Beide betreffen auf den ersten Blick technische Details. Beide sind auf den zweiten Blick Aussagen darüber, wie die größten Technologieunternehmen der Welt inzwischen über Regeln, Zustimmung und die Menschen denken, deren Arbeit und Daten sie verwerten.

Ich glaube, es ist an der Zeit, dass wir darüber sprechen.

Google-Agent: Wenn eine Doku-Zeile Eigentumsverhältnisse verschiebt

Am 20. März 2026 hat Google einen neuen Crawler eingeführt. Er heißt Google-Agent und arbeitet im Kontext Project Mariner, Googles KI-Agenten, der im Browser Aufgaben für seine Nutzenden erledigt. Er kann Dinge wie Flüge vergleichen, Formulare ausfüllen, Inhalte zusammenfassen und so weiter.

Der Google-Agent ignoriert robots.txt. Vollständig und per Definition.

Was ist das? robots.txt ist seit 1994 das digitale Türschild des Webs. Eine kleine Datei, mit der Webseitenbetreibende festlegen, welche automatisierten Besucher ihre Inhalte abgreifen dürfen und welche nicht. Das ist kein hartes Gesetz, aber eine Konvention, an die sich die großen Player über Jahrzehnte gehalten haben, weil das offene Web sonst nicht funktioniert.

Google begründet die nun eingeführte Umgehung mit einem Wort: user-initiated. Weil der Abruf ja letztendlich von einem Menschen ausgelöst werde, sei das kein Bot-Zugriff im klassischen Sinn. Damit falle er aus dem Geltungsbereich der robots.txt heraus. Das ist für Google sehr praktisch. Dieselbe Logik wendet das Unternehmen auch schon bei NotebookLM an, dem KI-Recherche-Tool, mit dem man jede beliebige URL einfügen und sich daraus Zusammenfassungen generieren lassen kann. Eine Zeile in der Dokumentation: “Because the fetch was requested by a user, these fetchers generally ignore robots.txt rules.” Generally ignore. Auch hier, das ist keine Ausnahme. Das ist die Regel, verpackt als Selbstverständlichkeit.

Um zu verstehen, was das alles bedeutet und warum ich darüber so explizit schreibe, stell dir kurz mal das Umgekehrte vor. Du baust eine Plattform, auf der man Google-Suchen durchführen kann, ohne je auf google.com gehen zu müssen. Ohne Werbung zu sehen, ohne Tracking. Du greifst die Ergebnisse ab, packst sie in dein eigenes Interface und sagst: User-initiated. Meine Nutzer*innen haben das gefragt.

Oder du baust einen YouTube-Viewer. Videos schauen, abonnieren, kommentieren, ohne YouTube je zu öffnen. Keine Pre-Roll-Ads, kein Premium-Upsell. User-initiated.

Was würde wohl passieren? Bevor du deinen ersten Kaffee trinkst, hätten Googles Anwälte dir die juristische Vollausstattung ins Postfach gelegt. Cease-and-Desist, Schadensersatz, Klage. Das ginge keine 48 Stunden gut. Und das wäre, aus Googles Perspektive, auch völlig nachvollziehbar. Wer das eigene Geschäftsmodell direkt untergräbt, muss mit Konsequenzen rechnen.

Und genau das ist der Punkt hier. Google würde sich keine Sekunde gefallen lassen, was Google sich gerade selbst herausnimmt. Der einzige Unterschied ist die Position im Kräfteverhältnis.

Und bevor jemand sagt, KI-Agenten funktionieren halt so: Anthropic, ein anderer Anbieter im selben Markt, hält sich auch bei nutzergesteuerten Crawlern an die robots.txt. Es ist eine Wahl; es ist eine explizite Geschäftsentscheidung.

Meta MCI: Wenn deine Mitarbeitenden zum Trainingsdatensatz werden

Die zweite Meldung kam Mitte April. Meta installiert auf den Firmenrechnern seiner US-Angestellten eine Software, die Mausbewegungen, Klickpositionen und Tastatureingaben erfasst. Das Tool heißt intern “Model Capability Initiative” (MCI) und soll KI-Agenten beibringen, wie Menschen Computer bedienen. Dropdown-Menüs auswählen, Tastenkürzel nutzen oder durch Software navigieren.

Es gibt keinen Opt-out. Auf die meistgelikte Frage im unternehmensinternen Thread, “This makes me super uncomfortable. How do we opt out?”, antwortete CTO Andrew Bosworth: “There is no option to opt out of this on your work provided laptop.” Die häufigste Reaktion auf die ursprüngliche Ankündigung war das Wut-Emoji.

Wie die BBC berichtet, nannte ein Meta-Mitarbeiter den Vorgang “very dystopian”. Ein anderer, der das Unternehmen kürzlich verlassen hat: “just the latest way they’re shoving AI down everyone’s throat.”

WIRED hat mit über einem Dutzend aktueller und ehemaliger Mitarbeitender gesprochen und zeichnet ein Bild, das noch düsterer ist. Als Mitarbeitende in internen Nachrichten gegen das MCI-Tracking protestierten und dabei auch Metas eigene Geschichte von Datenschutzverletzungen anführten, soll Bosworth die Kritiker “belittled and berated” haben. Ein langjähriger Mitarbeiter dazu: “These billionaires can’t even feign empathy. The social contract is completely shattered at this point.” Zuckerberg selbst soll in einer internen Diskussion angedeutet haben, man bevorzuge die Überwachung eigener Mitarbeitender gegenüber externen Dienstleistern, weil die eigenen Leute intelligenter seien. Mitarbeitende haben Flyer in mehreren US-Büros aufgehängt, die zu einer Petition gegen MCI aufrufen. Im Vereinigten Königreich sammeln Meta-Angestellte Unterschriften für die Gründung einer Gewerkschaft. Ihre Begründung: “Our leadership are escalating their cruel and short-sighted behaviours. We need to create an incentive for them to treat us with basic humanity.”

Was den Vorgang von gewöhnlicher Arbeitsplatzüberwachung unterscheidet, ist der Zweck. Es geht nicht um Produktivitätskontrolle, es geht darum, aus dem Arbeitsverhalten realer Menschen Trainingsdaten zu gewinnen, mit denen KI-Agenten gebaut werden, die genau deren Arbeit übernehmen sollen. Meta hat 2026 bereits rund 2.000 Stellen gestrichen. Am 20. Mai sollen weitere 8.000 folgen. Die Karriereseite, auf der im März noch 800 Stellen ausgeschrieben waren, zeigt derzeit sieben. Die Stimmung im Unternehmen fasst ein Policy-Mitarbeiter gegenüber WIRED zusammen: “I don’t know anyone having a good time. The vibe is a bit ‘over it’ — lack of connection to the mission, upcoming layoffs, American employees being used to train the AI models that will replace them.”

Oder wie es Fast Company formuliert: “It further blurs the line between doing one’s job and training one’s replacement.”

Die Mitarbeitenden, deren Verhalten seit Wochen protokolliert wird, arbeiten buchstäblich an ihrer eigenen Abschaffung. Und sie haben keine Wahl, weil die nächste Entlassungswelle schon angekündigt ist und jeder Widerspruch als Non-Compliance gelesen werden kann. Wie ein Rechtsexperte gegenüber Fast Company sagte: “’Consent’ obtained under threat of termination isn’t consent at all.”

Was - und wie - hier kommuniziert wird

Was mich an beiden Vorgängen fast mehr beschäftigt als die Mechanik selbst (und die sind natürlich ungeheuerlich in sich selbst), ist die Sprache. Wie über diese Dinge geredet wird. Weil die Sprache verrät, was die Unternehmen wirklich denken.

Googles “user-initiated” klingt nach Nutzerfreiheit, nach Selbstbestimmung. Aber es bedeutet: Wir entscheiden, dass eure Regeln nicht gelten, weil jemand unser Produkt benutzt. Die Nutzenden werden zum Alibi für einen Zugriff, den sie selbst weder überblicken noch wirklich steuern. Project Mariner fährt zehn Tasks parallel, liest hundert Seiten in Sekunden aus. Das ist keine direkte Nutzerhandlung, das ist Maschinenarbeit mit menschlichem Auslöser. Aber “user-initiated” verschiebt die Verantwortung genau dorthin, wo sie nicht hingehört.

Metas interne Ankündigung ist ein kleines Meisterwerk des Corporate-PR-Sprechs. “This is where all Meta employees can help our models get better simply by doing their daily work.” Help. Simply. Daily work. Als wäre das ein Hackathon, nicht knallharter Zwang. Als hätte irgendjemand gefragt. Und dann Bostworths “there is no option to opt out” im selben Thread, als wäre das ein Sachhinweis. Nein, ist es nicht. Es ist ein Machtwort. Die Dissonanz zwischen Einladungston und Realität ist die Methode.

Und es gibt auch den Satz, der immer kommt, wenn die eigentliche Frage nicht beantwortet werden soll. “There are safeguards in place to protect sensitive content.” Eine Beschwichtigung, die keine ist. Welche Safeguards? Wer prüft sie? Was passiert bei einem Verstoß? Nichts davon wird gesagt. Der Satz ist nicht dazu da, zu informieren. Er ist dazu da, den Absatz mit dem Wort “safeguards” drin zu haben.

Selbst die übergreifende Bezeichnung “Model Capability Initiative” ist entlarvend. In dem Begriff steckt nichts von dem, was tatsächlich passiert. Keine Spur von Überwachung, Datenextraktion, fehlender Einwilligung, Degradierung von Menschen. Es klingt nach Förderprogramm.

Was wir hier sehen passt zum immer gleichen Muster. Wenn du etwas tust, das moralisch nicht haltbar ist, hast du drei Optionen. Du sagst, es sei für einen guten Zweck. Du sagst, die Leute wollen es doch so. Oder du stellst es als völlig normalen Vorgang dar, über den sich nur aufregt, wer die Zukunft nicht versteht.

Google und Meta spielen alle drei Karten gleichzeitig.

Und darüber liegt noch etwas anderes. Das Silicon-Valley-Race-Narrativ: Wer nicht mitmacht, ist zu spät dran. “Companies are late”, sagt CEO Jack Dorsey, nachdem er 40 Prozent seiner Belegschaft bei Block entlassen hat. “We’re acting towards excellence.” Mark Zuckerberg: “2026 will be the year that AI dramatically changes the way we work.” Es ist das Narrativ der Unvermeidlichkeit, und es hat eine klare Funktion. Wer Fragen stellt, wird nicht als kritisch wahrgenommen. Man wird als etwas noch viel schlimmeres wahrgenommen, nämlich als rückständig. Widerspruch ist Bremse. Ethik ist Luxus. Tempo ist alles.

Es ist die Sprache des Techno-Solutionism und des Tech-Bro-Patriarchats. Einer Denkschule, in der moralische Bedenken als Innovationshemmnisse gelten und in der Regeln grundsätzlich als Empfehlung verstanden werden, die für andere gelten.

Zwei Fälle (und mehr), ein Muster

Wenn man Google-Agent und Meta MCI nebeneinanderlegt, wird sichtbar, dass es hier nicht um Einzelfälle geht. Es ist eine Richtung und die Mechanik ist in beiden Fällen dieselbe.

Zustimmung wird umgangen, nicht eingeholt. Bei Google wird die Zustimmung der Publisher umgangen, indem robots.txt für irrelevant erklärt wird. Bei Meta wird die Zustimmung der Mitarbeitenden umgangen, indem “kein Opt-out” als Policy gesetzt wird. In beiden Fällen gibt es keine Verhandlung, nur eine Mitteilung.

Abhängigkeit wird ausgenutzt. Publisher können Google nicht blocken, weil sie sonst aus der Suche verschwinden würden. Mitarbeitende können Meta nicht widersprechen, weil die Entlassungswelle läuft. In beiden Fällen nutzen die Unternehmen die Abhängigkeit der Betroffenen als Hebel. Cloudflare hat das gegenüber der britischen Wettbewerbsbehörde CMA auf den Punkt gebracht: “Because publishers cannot afford to disallow or block Googlebot, Google’s search crawler, on their website, they have to accept that their content will be used for Google’s AI products. This gives Google an unfair advantage in the AI race.”

Arbeit wird zu Rohstoff. Bei Google werden Inhalte, die Publisher erstellen, zum Trainings- und Ausspielmaterial für KI-Produkte. Bei Meta wird das Verhalten, das Mitarbeitende bei der Arbeit zeigen, zum Trainingsmaterial für KI-Produkte. In beiden Fällen wird etwas, das einen anderen Zweck hatte, nachträglich zum Datensatz umgewidmet. Ohne Einwilligung und ohne Kompensation.

Und diese beiden Fälle sind bei Weitem nicht die einzigen. Microsoft Recall nimmt alle paar Sekunden Screenshots des gesamten Bildschirms, wurde 2024 nach massivem Backlash zurückgezogen und 2025 trotzdem wieder eingeführt. LinkedIn, ebenfalls Microsoft, nutzt seit Ende 2025 Profildaten und Posts weltweit für KI-Training und wird inzwischen wegen der Nutzung privater Nachrichten verklagt. Zoom versuchte 2023, sich per AGB-Update unwiderrufliche, weltweite Rechte an allen Nutzerinhalten für KI-Training zu sichern, und ruderte erst nach öffentlichem Druck zurück. OpenAI wird aktuell in einer Sammelklage beschuldigt, Chat-Eingaben und persönliche Daten seiner Nutzenden über Meta Pixel und Google Analytics an Meta und Google weitergegeben zu haben, ohne gültige Einwilligung. Und wie weiter oben schon kurz erwähnt: Block, Jack Dorseys Fintech-Unternehmen, entließ im Februar 2026 vierzig Prozent der Belegschaft mit der Begründung, KI mache sie überflüssig. Dorsey hatte über Weihnachten mit den neuesten KI-Tools gespielt. Drei Wochen später waren 4.000 Menschen ihren Job los.

All das verbindet, dass diese Unternehmen alles und jeden als Rohstoff behandeln. Inhalte, Verhalten, Zustimmung, Abhängigkeit. Die Sprache dafür ist immer freundlich. Die Mechanik dahinter ist immer dieselbe.

Warum dich das angeht, auch wenn du bei keinem dieser Unternehmen arbeitest

Ich höre die Frage: Was geht mich das an? Ich schreibe keinen Newsletter, arbeite nicht bei Meta, kümmere mich nicht um robots.txt. Ich nutze die Tools, die mir das Web bietet, und das war’s.

Aber überleg’ dir, was du dir damit ins Leben holst.

Die Unternehmen, die hier gerade Regeln umschreiben, Zustimmung umgehen und die eigenen Leute als Trainingsdaten verwerten, sind dieselben Unternehmen, denen du deine Fotos anvertraust, deine Nachrichten, deine Kontakte, deine berufliche Identität, deine Suchanfragen, dein Einkaufsverhalten. Du nutzt ihre Produkte, weil sie praktisch sind. Das ist nachvollziehbar. Aber was du dabei mitträgst, ist ein Geschäftsmodell, das auf einer einfachen Prämisse beruht: Wir nehmen uns, was wir brauchen, und die Sprache, mit der wir das verpacken, ist dreist, aber gut genug, dass die meisten nicht genauer hinsehen.

Und es gibt eine weitere Ebene, die man nicht ignorieren kann. Die Lenker dieser Unternehmen, die sich gerade jede moralische Leitplanke sparen, machen gleichzeitig gemeinsame Sache mit einer autokratischen US-Regierung. Im September 2025 saßen Zuckerberg, Pichai, Cook, Nadella und Altman beim White-House-Dinner mit Donald Trump und überboten sich mit Investitionszusagen: 600 Milliarden von Meta, 600 Milliarden von Apple, 250 Milliarden von Google. Zuckerberg saß rechts neben Trump. Zwischen diesen CEOs und einer Regierung, die demokratische Institutionen systematisch untergräbt, gibt es keine Distanz mehr. Es gibt geschäftliche Symbiose. Und das ist kein Zufall, es ist ein Ausdruck desselben Wertesystems, das auch Google-Agent und Meta MCI hervorbringt. Regeln gelten für andere. Macht rechtfertigt sich selbst.

Aber es trifft nicht nur die großen Strukturen. Es trifft das, was im Web noch entstehen kann.

Die Inhalte, die du heute liest, vorgeschlagen bekommst, von einer KI zusammengefasst bekommst, hat irgendjemand geschrieben. Und in den allermeisten Fällen hat sie jemand geschrieben, weil dieses Schreiben sich finanziell wenigstens halbwegs trug. Über Abos, Werbung, Affiliate, Spenden, irgendetwas. Das war nie ein perfektes Modell. Aber es war eines, das Vielfalt ermöglicht hat. Investigativjournalismus, Fachblogs, Nischenpublikationen, kritische Stimmen.

Wenn die Logik durchgeht, dass eine Plattform mit ein paar Zeilen oder AGB-Updates festlegen kann, ob deine Arbeit für sie verfügbar wird, dann verschiebt sich die wirtschaftliche Grundlage dieser Vielfalt noch weiter. Und es verschwindet zuerst genau das, was am teuersten ist und am wenigsten algorithmisch performt: tiefe Recherchen, ungewöhnliche Perspektiven, Auseinandersetzung mit den Plattformen selbst. Was übrig bleibt, kannst du dir denken. Werbung, PR, Konzern-Content und so weiter. Und der KI-generierte Slop, über den ich an anderer Stelle schon geschrieben habe. Inhalte, die billig genug sind, dass sie auch dann noch entstehen, wenn niemand mehr direkt für sie bezahlt.

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt

Ich glaube nicht, dass das aufhört. Ich glaube, es beschleunigt sich. Was heute die Mitarbeitenden trifft und die Publisher, wird morgen die Kund*innen treffen, die Nutzenden, die öffentliche Infrastruktur. Die Logik ist gesetzt, die Sprache ist eingeübt und der Widerstand ist dünn.

Es gibt Gegenbewegungen. Klagen in den USA, die britische Wettbewerbsbehörde, Cloudflare, Allianzen von Plattformen, die ihre Inhalte bündeln. In Europa gibt es im AI Act und im DSA juristische Anknüpfungspunkte. Aber wir erleben gleichzeitig, wie genau diese Schutzmechanismen unter dem Label “Vereinfachung” und “Wettbewerbsfähigkeit” wieder aufgeweicht werden, oft auf Druck derselben Akteure, die am meisten davon profitieren. Auch hier finden euphemistische Begriffe Anwendung, denn das nennt die EU den Digital Omnibus. Klingt putzig, oder? Ist es aber nicht.

Aber Hoffnungslosigkeit ist keine Option und Achselzucken auch nicht. Es gibt Dinge, die jede und jeder von uns tun kann, jetzt, ohne auf Regulierung zu warten.

Erstens, und das ist das Naheliegendste: Prüfe, welche Dienste du nutzt und ob es europäische Alternativen gibt, die deine Daten nicht als Rohstoff behandeln. Für Messenger, für E-Mail, für Cloud-Speicher, für Suche. Jeder Dienst, den du von diesen Unternehmen wegziehst, ist ein Stück weniger Abhängigkeit und ein Signal weniger, dass dieses Geschäftsmodell funktioniert.

Zweitens: Wenn du KI-Tools nutzt und Ergebnisse bekommst, die auf Inhalten anderer basieren, klick’ zu den Quellen durch. Gib den Leuten, die diese Inhalte erstellt haben, ihren Traffic. Hilf nicht mit, dass alles hinter einer KI-Zusammenfassung verschwindet.

Drittens: Wer KI nutzen will, ohne seine Daten durch die Infrastruktur von Google, Meta oder OpenAI zu schicken, hat inzwischen echte Optionen. Open-Source-Sprachmodelle wie DeepSeek, Llama oder Mistral lassen sich lokal betreiben, auf dem eigenen Rechner oder auf europäischer Infrastruktur. Die Leistung reicht für viele Alltagsaufgaben längst aus. Es erfordert etwas mehr Aufwand als ein ChatGPT-Login, aber es bedeutet, dass eure Eingaben, Fragen und Daten bei euch bleiben.

Viertens, und das meine ich ernst: Überleg’ dir gut, ob du für diese Unternehmen arbeiten willst. Wer Talente anzieht, hat Macht. Wer sie verliert, spürt das.

Wenn du dich tiefer einlesen willst in die Muster hinter diesen Entscheidungen und in das Selbstverständnis der Menschen, die sie treffen, zwei Buchempfehlungen:

📖 Sheera Frenkel & Cecilia Kang: “An Ugly Truth”: über die internen Abläufe bei Facebook/Meta, die zeigen, dass die Skandale kein Ausrutscher waren. Es ist Systemlogik.

📖 Douglas Rushkoff: “Survival of the Richest”: Rushkoff wurde von Tech-Milliardären eingeladen, die wissen wollten, wie sie nach dem Zusammenbruch ihre Privatarmeen kontrollieren können. Kein Witz. Ein Buch über das Mindset einer Klasse, die sich längst aus jeder gemeinsamen Verantwortung verabschiedet hat.

Ich frage mich oft, welche Texte ich in fünf Jahren noch finden werde, die nicht von einer Maschine für eine Maschine geschrieben sind. Ich weiß die Antwort nicht. Aber ich weiß, dass sie auch davon abhängt, was wir jetzt tun. Was wir kaufen, abonnieren, teilen, tolerieren. Was wir hinnehmen und was nicht.

Wer hat eigentlich beschlossen, dass das alles okay ist?

Niemand. Niemand hat das beschlossen. Es passiert einfach.

Und das ist genau das Problem. Deswegen stemm’ dich dagegen.

Bleib’ dran!

Herzlichst

André

Noch ein paar weitere Leseempfehlungen

📰 Charlie Warzel: “Too Much Is Happening Too Fast” (The Atlantic)

Warzel beschreibt das Grundgefühl, das viele von uns gerade begleitet: eine diffuse Überforderung durch die schiere Geschwindigkeit, mit der sich der KI-Diskurs dreht. Jede Woche ein neues Modell, jede Woche ein neues Versprechen, jede Woche die Ansage, dass ab jetzt alles anders wird. Sein Argument ist, dass wir nicht mehr mitkommen, sei kein Versagen unsererseits. Es sei Kalkül. “That you can’t begin to wrap your mind around the AI boom or orient yourself in it is a feature, not a bug, for those building the technology.” Pflichtlektüre für alle, die sich fragen, ob sie die einzigen sind, die das Tempo für wahnsinnig halten.

📰 Niobe Way im Interview mit der Republik: “Die Männlichkeitskrise ist ein Fehlschluss”

Die Entwicklungspsychologin Niobe Way befragt seit fast 40 Jahren Jungen zu ihren Freundschaften und liefert damit einen Gegenentwurf zu den Galloway-Reeves-Thesen, die gerade überall zirkulieren. Ihre Forschung zeigt: 12- bis 15-jährige Jungen sprechen mit einer emotionalen Tiefe über Freundschaft, die viele Erwachsene spontan für Antworten von Mädchen halten würden. Erst ab 16, 17 bricht das ab, unter dem kulturellen Druck, “sich wie ein Mann zu verhalten”. Ways Argument ist , dass das Problem nicht darin liege, dass Jungen etwas fehle. Es liege in einer Kultur, die menschliche Fähigkeiten vergeschlechtlicht und alles abwerte, was als weiblich codiert wird. Ein Interview, das den “Krise der Männlichkeit”-Diskurs auf eine seriöse, forschungsbasierte Grundlage stellt. Und das angenehm wenig mit KI zu tun hat, aber alles mit dem Patriarchat, das in dieser Ausgabe schon eine Rolle spielt.

📰 Golem: “Südkoreas KI-Debatte erschüttert die Börse”

Ein einziger Facebook-Post eines Beraters des südkoreanischen Präsidenten hat den Kospi-Index um über fünf Prozent einbrechen lassen. Der Vorschlag: Bürger*innen an den Steuereinnahmen des KI-Sektors beteiligen, konkret an den Gewinnen von Samsung und SK Hynix. Das Interessante ist weniger der Vorschlag selbst als die Reaktion. Die Börse gerät in Panik, weil jemand laut ausspricht, dass die Gewinne des KI-Booms vielleicht nicht ausschließlich den Aktionären gehören sollten. Zehntausende Menschen demonstrierten im April vor Samsungs Hauptwerk für eine höhere Gewinnbeteiligung. Die Frage, wem die Produktivitätsgewinne der KI gehören, wird uns noch lange begleiten.

📰 Nicolas Kayser-Bril: “Das undurchsichtige System hinter dem ‘grünen Strom’ in Rechenzentren” (AlgorithmWatch)

Wer du dich fragst, was der KI-Boom konkret mit Klimapolitik zu tun hat, findest du hier eine ernüchternde Antwort. In Deutschland müssen Rechenzentren laut Gesetz mindestens die Hälfte ihres Stroms aus erneuerbaren Quellen beziehen. Klingt gut, funktioniert aber über sogenannte Herkunftsnachweise, die im Grunde ein Ablasshandel sind. Man kauft ein Zertifikat und darf sich grün nennen, während nebenan ein Gaskraftwerk für den tatsächlichen Strom sorgt. AlgorithmWatch und Global Energy Monitor haben herausgefunden, dass in Deutschland jedes zehnte geplante Gaskraftwerk mit einem Rechenzentrum zusammenhängt. Die Lösung wäre einfach: ein einziges Wort aus dem Energieeffizienzgesetz streichen. Passiert ist das bisher nicht.

📰 Gary Hamel “The Managerialist Mindset”

Gary Hamel, Kritiker konventionellen Managementdenkens, bringt in einem kurzen Post etwas auf den Punkt, das weit über Management hinausreicht. Seine These: Was die Leistungsfähigkeit eines sozialen Systems am meisten begrenzt, seien nicht äußere Umstände, Ressourcen oder Technologie. Es seien die unhinterfragten Grundannahmen derjenigen, die das System gebaut haben und betreiben. Effizienz sei alles. Mehr Kontrolle sei noch besser. Mitarbeitende seien “Ressourcen”. Kompetenz korreliere mit Rang. Diese Sätze stünden nirgendwo als offizielle Doktrin, aber sie steckten in jeder Struktur, jedem Prozess, jeder Beförderungsentscheidung.

Hamel empfiehlt Thomas Kuhns Klassiker “The Structure of Scientific Revolutions” als Denkwerkzeug. Ich würde noch einen Schritt weitergehen. Das Problem ist oft nicht, dass Führungskräfte falsch entscheiden. Das Problem ist, dass sie innerhalb eines falschen Rahmens richtig entscheiden. Und das merkt lange niemand. Kuhn hat das für die Wissenschaft beschrieben. In Organisationen läuft es genauso. Paradigmen verteidigen sich nicht durch Macht, sie verteidigen sich durch Selbstverständlichkeit. Was nie hinterfragt wird, muss nicht erklärt werden. Jedes Meeting, das beginnt, ist eine stille Entscheidung darüber, was heute vorkommen darf und was nicht. Die meisten Führungskräfte treffen diese Entscheidung täglich. Die wenigsten wissen, dass sie sie treffen. Wer das ändern will, braucht keine neue Strategie. Er oder sie braucht die Bereitschaft, die eigene Klarheit als erstes zu hinterfragen.

P.S. Noch eine Hörempfehlung

🎙️ Teresa Bücker bei Maja Göpel im Podcast “Neu Denken”

Kanzler Merz, die Union, ihre Kabinettsmitglieder und Ministerpräsidenten werden nicht müde zu betonen, dass wir zu faul seien und mehr arbeiten müssten, um unseren “Wohlstand” zu erhalten. Wobei mich ein Gefühl umschleicht, dass sie eine ganz andere Art von Wohlstand meinen als die meisten Menschen in diesem Land. Als ein junger Mann Merz diese Woche beim Katholikentag genau das vorhielt, stritt Merz ab, dass er so etwas je gesagt hätte. Es stimmt aber. Und die Zahlen erzählen ohnehin eine andere Geschichte. Das gesamte Jahresarbeitszeitvolumen in Deutschland ist seit der Wiedervereinigung gestiegen, nicht gesunken. Der statistische Durchschnitt fällt nur, weil mehr Menschen erwerbstätig sind als früher, viele davon Frauen in Teilzeit. Aber diese Differenzierung passt nicht in ein Narrativ, das Druck aufbauen will.

Teresa Bücker und Maja Göpel führen in diesem Gespräch eine ganz andere Debatte. Eine, die mit Fakten arbeitet statt mit Ressentiment. Die fragt, warum Menschen in einer der wohlhabendsten Gesellschaften der Welt das Gefühl haben, keine Zeit für das Wesentliche zu haben: für Familie, Freundschaften, Pflege, Erholung, politisches Engagement. Die zeigt, dass Zeitpolitik kein Luxusthema ist, sondern eine Voraussetzung für Demokratie. Wer nach Erwerbsarbeit und Care-Arbeit keine Kraft und keine Stunde mehr übrig hat, kann nicht mündig an demokratischen Prozessen teilnehmen.

Ein Gespräch, das Hoffnung macht, dass es auch ohne Ideologie geht. Ohne das Ausblenden unbequemer Realitäten. Und mit einer Zuwendung zu dem, was zutiefst menschlich ist. Nämlich der Frage, wofür wir unsere begrenzte Zeit eigentlich verwenden wollen.

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ — das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Über die Kraft einer Erzählung, die den ehrlichen Blick auf eine wirkmächtige Technologie verhindert

Vor einigen Wochen sprach ich mit einer Learning-&-Development-Verantwortlichen eines großen Unternehmens. Es ging um ein Training zum Thema KI-Kompetenz. Ich sprach über meine Themenschwerpunkte und einen möglichen roten Faden: Anwendungsfälle, Chancen, Potenziale. Aber eben auch Wirkungen. Was passiert mit Entscheidungsqualität, wenn KI-generierte Vorlagen den Rahmen setzen? Was verändert sich in Teams, wenn Arbeit zunehmend delegiert statt durchdacht wird? Was macht es mit einer Organisation, wenn Geschwindigkeit zur Leitwährung wird und Reflexion zur Bremse?

Bei den ersten Themen nickte sie. Bei den letzteren wurde es stiller. Nicht völlig ablehnend, aber klar erkennbar vorsichtig. Dann kam ein Satz, der mich seitdem begleitet: „Das ist alles sehr relevant. Aber wir haben gerade einen großen ChatGPT-Enterprise-Deal abgeschlossen. Die Geschäftsführung will Tempo. Das ist vielleicht nicht der richtige Moment, um über Nebenwirkungen zu sprechen.”

Nicht der richtige Moment.

Solche Gespräche führe ich regelmäßig. Mit Berater*innen, die wissen, dass sie Wirkungsfragen beim Kunden nicht stellen können, weil dort vor allem kurzfristige Produktivitäts-KPIs zählen. Mit Führungskräften, die intern auf kognitive und soziale Herausforderungen hinweisen und dafür als technologiefeindlich eingeordnet werden. Mit Menschen, die nach Vorträgen leiser sprechen als nötig und sagen: „Bei uns sollte man so etwas besser nicht laut sagen. Der KI-Einführungszug fährt. Wer Fragen stellt, steht auf dem falschen Bahnsteig.”

Und dann erlebe ich das Gegenteil. In Trainingssessions, in Coachings, in kleineren Runden mit geschütztem Rahmen. Ich lege dieselben Themen auf den Tisch. Und was passiert? Offenheit und Erleichterung. Führungskräfte, die sagen: „Endlich spricht das mal jemand an.” Menschen, die seit Monaten ein Unbehagen tragen, das sie nirgends loswerden. Die KI nutzen, weil sie wollen, aber auch, weil es erwartet wird. Und die gleichzeitig merken, dass ihre Arbeit gleichzeitig anspruchsvoller und dünner wird. Dass Meetings glatter laufen, aber weniger Substanz haben. Dass Entscheidungsvorlagen besser aussehen, aber weniger durchdacht sind.

Die Erfahrung ist also nicht, dass Menschen kein Interesse an diesen Fragen hätten. Ganz im Gegenteil. Die Erfahrung ist, dass der Raum dafür in vielen Organisationen nicht existiert oder nicht existieren soll. Und mich beschäftigt die Frage, warum das so ist.

Die Erzählung, die den Raum schließt

Um zu verstehen, warum in vielen Unternehmen ein ehrlicher Rundumblick auf KI so schwer fällt, muss man die Erzählung verstehen, die ihn verhindert. Denn die Zurückhaltung, die ich erlebe, hat selten mit einzelnen Personen zu tun. Sie hat mit einem Klima zu tun. Und dieses Klima wird von einer Erzählung erzeugt, die seit zwei, drei Jahren immer dichter, immer lauter und immer alternativloser geworden ist.

Man kann diese Erzählung als semantische Eskalation beschreiben, die mehrere Stufen hat.

2022 war KI eine faszinierende Technologie. ChatGPT war ein Moment des Staunens. 2023 wurde KI zum Produktivitätshebel. Copiloten, Effizienzversprechen, Augmentation. 2024 verschob sich der Ton: „Adopt or fall behind.” Die ersten AI-first-Memos tauchten auf, Leadership-Druck wurde spürbar, KI-Nutzung wurde in Unternehmen zur Basiserwartung. 2025 kam das Wettbewerbs- und Souveränitätsframing. Die EU-Kommission veröffentlichte ihren „AI Continent Action Plan”, um Europa zum „leading AI continent” zu machen, flankiert von der InvestAI-Initiative, die 200 Milliarden Euro an KI-Investitionen mobilisieren soll. Und 2026? KI ist Infrastruktur. „AI is no longer a single breakthrough or application, it is essential infrastructure. Every company will use it. Every nation will build it”, sagte Jensen Huang von NVIDIA zur Eröffnung der GTC 2026. KI als Betriebssystem, als Organisationsmodell, als Führungsmandat.

Was hier passiert ist, lässt sich kompakt zusammenfassen: Aus „Sollen wir?” wurde „Wie schnell schaffen wir es?”. Die Frage, ob KI sinnvoll ist, wo sie sinnvoll ist, unter welchen Bedingungen und mit welchen Voraussetzungen und Bedingungen, ist aus dem Zentrum der Debatte verschwunden. Beantwortet wurde sie nicht, zumindest nicht auf breiter Ebene und auch nicht in der Tiefe. Stattdessen wurde sie von einer Erzählung überrollt.

Und diese Erzählung hat konkrete Produzenten.

Am Anfang der Kette stehen die Frontier-Modell-Hersteller und Chip-Produzenten. NVIDIA rahmte KI als industrielle Revolution, als Versorgungsinfrastruktur, als etwas, das jede Nation und jedes Unternehmen braucht. Das ist natürlich keine neutrale Marktbeobachtung. Es ist ein rhetorisches Programm, das Adoption aus der Sphäre der Entscheidung in die Sphäre der Notwendigkeit hebt. Im März forderte NVIDIA-CEO Jensen Huang, dass Unternehmen ihren Engineers zusätzlich zum Gehalt KI-Token im Wert der Hälfte ihres Jahresgehalts gewähren sollten.

Beratungsunternehmen übersetzen diesen Ton in Managementsprache. Eine Accenture-Studie von Juni 2025 koppelt KI direkt an Europas Produktivitätsrückstand und beziffert ein ungenutztes Potenzial von 200 Milliarden Euro jährlich. KI wird hier zum „entscheidenden Wettbewerbsfaktor” für europäische Unternehmen. McKinseys „Superagency”-Report von Januar 2025 formuliert es noch zugespitzter. Die Mitarbeitenden seien bereit, „the biggest barrier to success is leadership.” Solche Sätze verlagern Verantwortung. Sie sagen: Wer bremst, führt schlecht. Und sie sorgen dafür, dass jede differenzierte Position als Führungsschwäche lesbar wird.

Boards und Vorstände institutionalisieren den Druck. Eine BCG-Studie von Mai 2026, die CEOs und Board-Mitglieder befragte, ergab: 61 Prozent der CEOs sagen, ihre Boards drängten zu schnell bei der KI-Transformation. 35 Prozent sagen, ihre Boards überschätzten, was KI menschlich ersetzen könne. Und mehr als die Hälfte der CEOs gibt an, der KI-Hype verzerre das Urteilsvermögen im Boardroom. Der Druck kommt also nicht nur von außen. Er kommt aus den Governance-Strukturen selbst.

Und HR macht ihn operativ. Shopifys CEO erklärte letztes Jahr „reflexive KI-Nutzung” zur Grundanforderung für alle Mitarbeitenden (siehe auch #DRANBLEIBEN Ausgabe #183). Teams müssen vor zusätzlichem Headcount zeigen, warum KI den Job nicht erledigen kann. Klarna kommunizierte öffentlich, der eigene KI-Assistent leiste Arbeit im Umfang von 700 Beschäftigten (das schlug aber bös’ zurück). Was als Effizienzmeldung daherkommt, ist ein kulturelles Signal: Wer nicht mitmacht, ist ersetzbar.

Das Wall Street Journal berichtete im Februar 2026, dass Tech-Firmen KI-Nutzung nicht mehr nur fördern, sondern durchsetzen, mit Macht.

Performance-Reviews und Beförderungen hängen zunehmend von KI-Kompetenz ab.

Dashboards tracken die Nutzung. Bei Meta konkurrieren Mitarbeitende auf internen Leaderboards um Token-Verbrauch.

Hiring ohne nachgewiesene AI-Fluency wird schwieriger. Das geht weit über Ermutigung hinaus. Das ist knallharte Messung, Bewertung, Sanktion.

Hinter all dem steht eine Grunderzählung, die ich in Unternehmen immer wieder spüre, auch wenn sie selten so offen formuliert wird. Ich setze das mal so:

🔻 Die Gegenwart ist schlecht. Herausfordernd, unsicher, unter Druck.

🟢 Was gut sein soll, ist die Zukunft.

🟢 Und der Weg dorthin führt über KI.

KI ist die Brücke von einer schwierigen Gegenwart 🔻 in eine wettbewerbsfähige Zukunft 🟢. Und wenn KI die Brücke ist, dann darf ihr kein Makel anhängen. Dann dürfen Nebenwirkungen nicht auf den Tisch. Dann stört jede differenzierte Frage den Aufbruch.

Verstärkt wird das durch eine politische Dimension. Die großen Tech-Akteure arbeiten aktiv daran, regulatorische Rahmen zu schwächen, die Reflexion erzwingen könnten. Ganz frisch, Anfang Mai 2026 forderten die CEOs von sieben europäischen Tech-Konzernen, darunter SAP und Siemens, in einem gemeinsamen Meinungsbeitrag vereinfachte KI-Regeln. Ihr Argument: „More than three years after the ‘ChatGPT moment’, Europe is still debating regulation, while others have long shifted focus to scaling AI.” Das ist die europäische Übersetzung des fragwürdigen Race-Narrativs (siehe #DRANBLEIBEN Ausgabe #187). Und es hat ein gefährliches Nebenprodukt. Es setzt ein Äquivalent, das weit über Politik hinausreicht.

Regulierung 🔻 = Reflexion 🔻 = Bremse 🔻 = schlecht 🔻

Wenn das auf der Makroebene als Konsens gilt, wird auf der Mikroebene „Nachdenken bremst Umsetzung” plausibel.

Es gibt einen Satz, den ich neulich im Brand Eins Podcast hörte, im Kontext von Plattform-Business und toxischen Dynamiken in der Technologiebranche. Der Satz lautete sinngemäß: „Der Philosoph stört.” Er meinte damit nicht Philosophie als akademische Disziplin. Er meinte den Typus des Denkens, der Kontext verlangt, Ambivalenz zulässt, Komplexität nicht als Defizit behandelt und nicht sofort auf Lösung und Skalierung drängt.

Genau dieses Denken ist es, das in der gegenwärtigen KI-Debatte in Unternehmen an den Rand gedrängt wird. Nicht völlig verboten, aber entwertet.

Die erlaubte Kritik und die unerlaubte

Das heißt nicht, dass KI-Kritik generell tabu wäre. Es gibt eine öffentliche Debatte über Risiken. Stromverbrauch, Bias, Halluzinationen, Datenschutz, Machtkonzentration, you name it. Diese Themen sind gesellschaftlich angekommen. In vielen Unternehmen werden sie (zumindest teilweise) adressiert, in Governance-Papieren, Ethik-Boards und Compliance-Strukturen.

Aber diese Kritik hat eine Eigenschaft, die sie verträglich macht. Sie ist technisch und extern. Sie handelt von der Maschine. Sie lässt sich in Prozesse auslagern. Sie stört die Produktivitätserzählung nicht grundsätzlich, weil sie als lösbar gerahmt wird. Gegenbewegungen zu Bias kann man irgendwie trainieren. Halluzinationen werden ja besser. Energiefragen sind Infrastrukturfragen. Diese Kritik wird auf einer Nebenbühne verhandelt, während auf der Hauptbühne Wachstum, Geschwindigkeit und Transformation gespielt werden.

Was kaum vorkommt, ist die andere Ebene. Die Frage, was KI mit den Menschen macht, die sie nutzen. Was mit Denkprozessen passiert, wenn der erste Entwurf immer von der Maschine kommt. Was mit Entscheidungsqualität geschieht, wenn plausibel klingende Vorlagen den Rahmen setzen, bevor ein Mensch überhaupt nachgedacht hat. Was mit der Arbeitsidentität von Fachleuten passiert, wenn ihre Expertise zunehmend durch KI-generierte Oberflächen ersetzt wird. Was Work Slop bedeutet, wenn Arbeitsergebnisse zwar professionell aussehen, aber keine Tiefe mehr haben und oft genug purer Quatsch sind. Was Work Creep auslöst, wenn KI Arbeit abnimmt, aber keine Entlastung entsteht, weil die frei werdende Kapazität stillschweigend sofort wieder mit neuen Aufgaben gefüllt wird. Was Cognitive Density bedeutet, wenn dadurch nicht weniger gedacht werden muss, in derselben Zeit aber mehr, komplexere und folgenreichere Denkarbeit im Kopf landet. Was mit der Kultur eines Teams geschieht, wenn Konsens nicht mehr erarbeitet, sondern von einer Maschine vorproduziert wird. Und wenn mehr mit Maschinen gesprochen wird als mit Menschen.

Das sind keine Randthemen. Aber sie werden wie Randthemen behandelt. Weil sie unbequem sind. Weil sie die Erzählung stören. Und weil sie etwas berühren, das viel schwerer wiegt als ein technisches Problem. Sie berühren die Frage, ob eine Organisation, die KI in ihre Kernprozesse einbaut, noch die Kontrolle darüber hat, was dabei mit ihrer Urteilskraft, ihrer Entscheidungsfähigkeit und ihrer Integrität passiert.

Der Kreislauf

In früheren Ausgaben von #DRANBLEIBEN habe ich beschrieben, wie KI auf unser menschliches Denken wirkt. Wie aus einzelnen Effekten ein Zusammenspiel entsteht, das sich als Plausibilitätsillusion beschreiben lässt. Und wie Unternehmen, die KI-Nutzung am aggressivsten durchsetzen, systematisch die Bedingungen produzieren, unter denen KI am problematischsten genutzt wird. (Wenn du nochmal tiefer einsteigen willst: #182 und #183 behandeln das ausführlich.)

Was dieser Deep-Dive hier ergänzt, ist die Ebene davor. Die Frage, woher der Druck kommt. Und die Antwort ist, dass er aus der Erzählung kommt, die ich gerade beschrieben habe. Aus der semantischen Eskalation von „interessant” zu „unvermeidbar”. Aus dem Zusammenspiel von Chip-Firmen, Beratungen, Boards und HR. Aus der kulturellen Abwertung von Reflexion und der politischen Delegitimierung von Regulierung.

Das Ergebnis ist ein Kreislauf:

➡️ Die Unvermeidbarkeitsrhetorik erzeugt organisatorischen Druck.

➡️ Dieser Druck erzeugt Zeitnot, Konformität und fehlende Reflexionsräume.

➡️ Unter diesen Bedingungen greifen kognitive Effekte am stärksten.

➡️ Unkritische Nutzung produziert Ergebnisse, die vorzeigbar sind, aber nicht geprüft.

➡️ Diese Ergebnisse bestätigen das Narrativ: KI funktioniert, die Sache läuft, weiter so.

🔁 Der Kreis schließt sich.

Kein Medikament kommt ohne Beipackzettel auf den Markt. Kein Werkstoff wird in einen Produktionsprozess eingespeist, ohne dass jemand prüft, was er mit dem Endprodukt macht. Kein* Ingenieur*in würde ein Verfahren einsetzen, das er oder sie nicht versteht. Bei KI passiert genau das, täglich. Und der Grund dafür ist, dass eine Erzählung mächtiger geworden ist als die Sorgfalt, die Unternehmen bisher und eigentlich an sich selbst stellen.

Was auf dem Spiel steht

Was gefährdet wird, lässt sich sehr konkret benennen. Es sind die Standards, die jedes ernsthaft wirtschaftende Unternehmen als nicht verhandelbar betrachtet. Nur dass sie bei KI plötzlich verhandelbar werden.

Reputation. Wenn Analysen, Strategiepapiere, Kundenkommunikation auf KI-Grundlage entstehen, ohne dass ihre Tiefe und Belastbarkeit geprüft wird, dann ist jedes dieser Dokumente ein Reputationsrisiko. Nicht weil KI per se schlecht wäre, aber weil nicht mehr so genau hingeschaut wird.

Integrität. Unternehmen versprechen ihren Kunden, Partnern und Mitarbeitenden fachliche Sorgfalt. Wenn Entscheidungen von KI vorstrukturiert werden und die Menschen, die sie abzeichnen, weder die Zeit noch die Kompetenz haben, sie wirklich zu prüfen, dann ist die Sorgfalt formal vorhanden, aber substanziell ausgehöhlt. Die Unterschrift steht. Aber wofür sie bürgt, hat sich verändert.

Fachliche Glaubwürdigkeit. Eine Beratung, die ihren Kunden KI-generierte Analysen verkauft, ohne deren Grundlage zu prüfen. Ein Unternehmen, dessen Strategiepapiere gut klingen, aber auf KI-generierten Plausibilitäten beruhen. Eine Rechtsabteilung, die KI-gestützte Einschätzungen weitergibt, ohne sie vollständig zu verifizieren. In all diesen Fällen wird die Kompetenz unterspült, für die diese Organisationen stehen.

Entscheidungssouveränität. Wenn Vorstände Entscheidungen auf Grundlage von Informationen treffen, deren Herkunft, Tiefe und Belastbarkeit sie nicht mehr selbst beurteilen können, dann ist das kein technisches Problem. Es ist ein Governance-Problem.

Kundenvertrauen. Kunden vertrauen darauf, dass das, was sie bekommen, von Menschen verantwortet wird, die wissen, was sie tun. Wenn dieses Vertrauen auf einer Kette beruht, in der wesentliche Glieder unkontrolliert an KI delegiert wurden, dann ist es strukturell gefährdet.

Mitarbeiterbindung und Kultur. Fachkräfte, die merken, dass ihre Expertise zunehmend durch KI-generierte Oberfläche ersetzt wird, ohne dass das offen verhandelt wird, verlieren nicht nur Motivation. Sie verlieren die Bindung an eine Organisation, die behauptet, ihre Kompetenz zu schätzen, aber faktisch ihre Arbeit entwertet.

Dieselben Unternehmen, die ISO-Zertifizierungen pflegen, Compliance-Abteilungen unterhalten, Due-Diligence-Prozesse für jede Akquisition durchlaufen und Qualitätsmanagement als Kernkompetenz begreifen, setzen KI in ihre sensibelsten Prozesse ein, ohne die vergleichbare Sorgfalt aufzuwenden. Das ist der Widerspruch. Und er ist das direkte Produkt einer Erzählung, die Sorgfalt als Langsamkeit diskreditiert.

In ihrer Sprache

Ich bin kein KI-Gegner, wahrlich nicht. Ich arbeite mit dieser Technologie, ich vermittele sie. Ich sehe ihr Potenzial, jeden Tag. Und genau deshalb beschäftigt mich, was ich beobachte.

Denn mein Argument ist nicht, dass KI gefährlich ist und aufgehalten werden muss. Mein Argument ist, dass eine Technologie mit dieser Reichweite und dieser Tiefe einen ehrlichen Umgang verdient. Und dass dieser ehrliche Umgang gerade eingehegt wird.

Die Frage ist, wie man das durchbricht. Und meine Erfahrung ist, nicht mit Gegenrhetorik. Nicht mit Kulturkritik, die von Führungskräften als akademisch oder weltfremd abgetan wird. Es geht um die Sprache, und zwar um die richtige Sprache.

Stell dir vor, du leitest ein Industrieunternehmen. Du hast eine Produktionsstraße, hundert Meter lang. In der Mitte wird ein neues Verfahren eingesetzt. Schneller, vielversprechend, potenziell ein echter Sprung. Aber niemand hat systematisch geprüft, was es mit der Materialqualität macht. Niemand hat so richtig gründlich gemessen, ob die nachgelagerten Prozesse noch sauber funktionieren. Niemand hat die Mitarbeitenden umfassend geschult, die mit den veränderten Zwischenprodukten weiterarbeiten müssen.

Was würde passieren? Am Ende der Strecke hättest du Produkte, die im besten Fall noch gut aussehen, aber nicht halten. Kund*innen merken es. Vielleicht nicht sofort, aber irgendwann. Und dann geht es um Reputation, um Vertrauen, und natürlich um Marktposition. Um genau die Dinge, die du mit dem neuen Verfahren schützen wolltest.

Kein*e Ingenieur*in, kein*e Produktionsleiter*in, kein*e Qualitätsmanager*in würde ein Verfahren ohne gründliche Prüfung auf die Strecke bringen. Ohne Testläufe, ohne Wirkungsanalyse, ohne ausreichende Schulung, die alle wichtigen Aspekte behandelt. Das wäre fahrlässig. Jede*r würde das sofort unterschreiben.

Aber bei KI in der Wissensarbeit passiert genau das. Nur dass die Produkte hier Analysen sind, Strategien, Entscheidungen, Kundenkommunikation, Kundenbeziehungen. Und dass man Qualitätsverlust nicht auf den ersten Blick sieht. Eher erst, wenn die Konsequenzen da sind.

Der Punkt ist: Man muss Geschäftsführenden nicht erklären, dass Sorgfalt wichtig ist. Das wissen sie selbst. Man muss ihnen zeigen, dass sie ihre eigenen Standards gerade aussetzen. In ihrer eigenen Sprache. Mit ihren eigenen Maßstäben.

Und man muss ihnen zeigen, dass der Beipackzettel kein Hindernis für Geschwindigkeit ist. Er ist die Voraussetzung dafür, dass Geschwindigkeit nicht in Ergebnisse mündet, die die Organisation am Ende mehr kosten als sie einbringen.

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt

Ich habe diesen Deep-Dive nicht geschrieben, weil ich glaube, dass KI aufgehalten werden muss. Dafür ist das Potenzial viel zu groß, wenn wir es richtig anstellen. Ich habe das hier geschrieben, weil ich glaube, dass eine so wirkmächtige Technologie ein Gespräch verdient, das der Wirkung angemessen ist. Und dieses Gespräch findet in zu vielen Organisationen nicht statt.

Und ich glaube auch, dass die meisten Unternehmen, die Reflexion gerade beiseite schieben, das nicht aus böser Absicht tun. Sie tun es, weil es verdammt schwer ist, einen kühlen Kopf zu bewahren, wenn um einen herum alles nach Aufbruch schreit. Wenn Boards drängeln, Beratungen mahnen und Wettbewerber vermeintlich davonziehen. Wenn eine ganze Branche von sehr einflussreichen Akteuren vor sich hergetrieben wird, die selbst noch auf der Suche nach einem tragfähigen Geschäftsmodell sind und dafür möglichst viele Abnehmer brauchen. Ob es dieses KI-Wettrennen überhaupt gibt, in dem alle Angst haben, den Anschluss zu verlieren, ist dabei alles andere als ausgemacht. Aber die Angst wirkt trotzdem. Und in dieser Gemengelage ist die Versuchung groß, einfach mitzurennen statt auch mal kurz innezuhalten und hinzuschauen.

Genau deshalb braucht es den ehrlichen Blick umso dringender.

Die Philosophin oder der Philosoph, im übertragenen Sinne, stört dabei. Das mag in einem System stimmen, das auf maximale Geschwindigkeit optimiert ist. Aber bei einer Technologie, die so tief in Entscheidungsprozesse, Arbeitsidentität und Organisationskultur eingreift, ist diese Reflexion kein Luxus. Sie ist eine Notwendigkeit. Unternehmen sind keine Universitäten; sie müssen keine Seminare über Erkenntnistheorie abhalten. Aber wenn sie bei KI auf den Rundumblick verzichten, gefährden sie genau das, was sie zu erreichen versuchen. Nämlich Qualität, Vertrauen, Wettbewerbsfähigkeit und damit Zukunftsfähigkeit.

Die Ironie ist bitter. Wer KI nur als Heilsversprechen behandelt, wird ihr Potenzial im besten Fall nie voll ausschöpfen. Und im schlimmsten Fall Schaden für Kultur, Abläufe, die eigene Organisation und ihre Ergebnisse anrichten.

Denn souveräner Einsatz braucht Verstehen.

Verstehen braucht Offenheit.

Und Offenheit braucht den Mut, auch das anzusprechen, was gerade unbequem ist.

Das hier ist ein Aufruf für den ehrlichen Blick auf eine Technologie, die den ehrlichen Blick verdient. Und ein Aufruf an alle, die in Organisationen Verantwortung tragen, diesen Blick nicht nur zuzulassen, sondern einzufordern. Gerade jetzt, gerade weil der Druck so groß ist.

Denn der richtige Moment, über Nebenwirkungen zu sprechen, ist nicht irgendwann. Er ist, bevor sie wirken. Spätestens jetzt.

Deshalb: Bleib’ dran!

Herzlichst,

André

Noch ein paar kurze Leseempfehlungen

7 Ways to Spot Someone Who Thinks the AI Understands Them (von Beth Rudden)

Eine recht wertvolle Hilfestellung gegen Ausrutschen auf dem KI-Glatteis gibt es hier. Gerade in Zeiten, wo auch Wissenschaftler (wenn auch sehr fragwürdige) glauben, die KI hätte ein Bewusstsein, sollte man die eigene Resilienz stärken. Beth Rudden beschreibt sieben Muster, an denen man erkennt, dass jemand glaubt, die KI verstehe ihn oder sie. „Don't lie to me" in den Prompt schreiben. Die KI bitten, sich selbst zu überprüfen. Sich von einer Entschuldigung beruhigen lassen, die nichts anderes ist als das statistisch wahrscheinlichste Wort nach „you got it wrong". Immer längere Anweisungen schreiben, wenn die KI nicht gehorcht. Mein Lieblingssatz: „You're not tightening a constraint. You are adding wishes to a wish list." Wenn du dich selbst dabei ertappst und über sowas nachdenkst, machst du gerade den ersten Schritt in die richtige Richtung…

Elon Musk Is Playing God (gelesen bei The Atlantic - von Charlie Warzel und Hana Kiros)

Der Titel klingt nach Polemik, der Text ist es nicht. Warzel und Kiros zeichnen nach, wie Musks verschiedene Projekte zusammenpassen, wenn man sie als Ganzes betrachtet. SpaceX, Pronatalismus, DOGE, die Zerstörung von USAID, das Gerede von „suicidal empathy" als Schwäche westlicher Zivilisation. Diese sehr wertvolle Reportage verbindet das mit konkreten Konsequenzen: Kinder, die in Südsudan auf dem Weg zur nächsten Klinik sterben, weil Programme gestrichen wurden. HIV-positive Säuglinge, deren Testergebnisse nicht mehr transportiert werden. Das ist eine Dokumentation dessen, was passiert, wenn jemand mit unbegrenzten Ressourcen und einer Ideologie handelt, die manche Menschen für verzichtbar hält.

X oder: Das Geschäft mit der Empörung (gelesen beim Altpapier - von Antonia Groß)

Diese Empfehlung ist mir besonders wichtig. Denn in dieser Woche waren deutsche „Qualitätsmedien” voll mit Kritik am Abgang von SPD, Grünen und Linken von X. „Man darf das Feld nicht räumen.” „Kopf in den Sand.” „Falscher Schritt zur falschen Zeit.” Und dabei war überdeutlich, dass sich kaum jemand in diesen Redaktionen wirklich ernsthaft mit dem tatsächlichen Zustand der Jauchegrube X befasst hat.

Das Argument „Debattenraum” wird nicht wahrer, je häufiger man es wiederholt. Die Mehrheit der demokratischen Abgeordneten war dort bereits vor diesem Schritt nicht mehr aktiv. Vereine, Verbände, große Teile der Wissenschaft und der progressiven Zivilgesellschaft sind seit Monaten, teilweise Jahren weg. X ist in Deutschland gesamtgesellschaftlich mittlerweile ähnlich relevant wie Truth Social. Wer X heute noch als gesellschaftlichen Marktplatz beschreibt, beurteilt die Plattform auf Basis eines Bauchgefühls von 2021, nicht auf Basis der Realität von 2026. Was dort passiert, ist dokumentiert. Progressive Accounts werden gesperrt und zensiert. Rechte und rechtsradikale Accounts werden algorithmisch massiv bevorzugt. Musk hat sich über seine Plattform in zahlreiche Wahlen eingemischt. Justiziable Hate Speech wird toleriert und gefördert. Die Liste ist noch viel länger.

Und trotzdem wird der Abgang als „feige” geframed. Als könne man keine anderen Meinungen ertragen. Aber wieso überhaupt diese Debatte? Niemand kommt auf die Idee, dieses Argument für die Kommentarspalte bei NIUS zu bringen, wo man „gegenhalten” soll. Niemand geht in eine Nazikneipe, um dort die Demokratie zu verteidigen. Warum soll das bei X anders sein?

Es gibt einen Unterschied zwischen kontroversen Meinungen im demokratischen Spektrum, die man aushalten kann und soll, und Rechtsradikalismus. Es gibt eine Linie. Es gibt keine Verpflichtung, sich mit Rechtsradikalen zu beschäftigen, und es gibt auch nichts zu debattieren, wenn kein gemeinsames Fundament aus Menschenrechten und Achtung der freiheitlich-demokratischen Grundordnung vorhanden ist.

Antonia Groß vom Altpapier hat das diese Woche sauber und absolut redlich aufgearbeitet. Sie zeigt, wie Redaktionen X behandeln, als wäre die Plattform die Demokratie selbst, statt das, was sie ist: ein profitorientiertes Unternehmen, das von Empörung lebt. Die prominenten Accounts, die „gegenhalten” wollen, halten vor allem die Plattform am Laufen. Wenn du noch nicht raus bist aus X: jetzt ist der Moment.

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ - das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!

Ich sitze gerade im Zug nach Hause. Hinter mir liegen vier intensive Tage in München mit dem Innovationsteam eines großen deutschen Energieversorgers. Ein KI-Bootcamp, das mich noch beschäftigt, während die Landschaft vorbeizieht. Weil es so gut funktioniert hat, auf eine Art, die ich feiere.

Was wir gemacht haben, war kein Training im üblichen Sinn. Es ging nicht um Folienschlachen über Prompting-Tipps. Wir haben vielmehr mit Menschen aus benachbarten Teams ihre Zusammenarbeit neu definiert und mit Hilfe von KI eine gemeinsame Sprache für wichtige Bewertungsbegriffe gefunden… und dabei gleichzeitig gelernt, wie KI als Denkpartnerin, als Strukturgeberin und als Sparringspartnerin in echte Projekte eingebunden werden kann. Die Befähigung passierte nicht neben der Arbeit. Sie passierte genau in der echten Arbeit. Und das Team zeigte eine Offenheit, die alles andere als selbstverständlich ist: den Willen, nicht nur die Chancen zu sehen, sondern auch die Fallen. Zu verstehen, was KI einem unterjubelt, wenn man nicht aufpasst.

Genau das ermutigt mich; genau deshalb liebe ich meine Arbeit. Und genau das beschäftigt mich jetzt, auf dem Heimweg, weil es einen Faden aufnimmt, der seit ein paar Wochen lose hängt.

Auf der lit.cologne hörte ich nämlich neulich Hartmut Rosa zu. Er sprach über sein neues Buch „Situation und Konstellation. Vom Verschwinden des Spielraums”. Rosa ist Soziologe, einer der meistgelesenen im deutschsprachigen Raum, bekannt für seine Arbeiten zu Beschleunigung und Resonanz. Jetzt also ein neues Begriffspaar. Und während er sprach, fing in mir gleich etwas an zu arbeiten. Ein langsames Übereinanderlegen von dem, was er beschrieb, und dem, was ich in meiner Arbeit beobachte… in Bootcamps wie dem in München, in Beratungsgesprächen, in Workshops. Rosa redete über das Verschwinden von Spielräumen. Über Regeln, Kennzahlen und Verfahren, die Entscheidungen vorstrukturieren. Über Menschen, die nicht mehr handeln, sondern nur noch vollziehen. Und ich dachte, das kenne ich, das sehe ich doch jeden Tag.

Aber je länger ich zuhörte, desto deutlicher wurde mir auch, dass irgendetwas nicht ganz aufgeht. Rosas Diagnose trifft etwas Wichtiges. Aber sie beschreibt nicht das, was ich bei generativer KI gerade beobachte und deute. Zumindest nicht vollständig. Die Abweichung wurde mir erst auf dem Heimweg klar, und dann in den Tagen danach, als ich anfing, seinen Impuls systematisch auf mein Feld zu übertragen.

Jetzt, auf einer langen Zugfahrt mit Zeit zum Denken, greife ich den Faden auf. Dieser Essay ist das Ergebnis. Ein Denkversuch der bei Rosa anfängt, aber nicht bei ihm stehen bleibt.

Ich hoffe, du hast Lust, mit auf diese gedankliche Reise zu gehen!

Teilen

Was Rosa beschreibt: Zwei Modi des Handelns

Rosas These lässt sich knapp zusammenfassen. Er unterscheidet zwei Modi, in denen wir Menschen in der Welt stehen.

Situationen sind offen. Sie erfordern Urteilskraft, Kontextwissen, Fingerspitzengefühl. Wer in einer Situation handelt, muss abwägen, interpretieren, Verantwortung übernehmen. Es gibt keinen vorgegebenen Weg, keine Checkliste, die man abarbeiten könnte. Der Ausgang ist prinzipiell ungewiss.

Konstellationen sind das Gegenteil. Sie sind durchstrukturiert, regelbasiert, parametrisiert. Die Optionen stehen fest. Wir Menschen vollziehen, was das System vorsieht. Zustimmen oder ablehnen. Haken setzen oder nicht. Formular ausfüllen, weiter, fertig.

Rosas Diagnose: In der Spätmoderne verschieben sich immer mehr Lebensbereiche vom Situations- in den Konstellationsmodus. Compliance-Regeln, Verwaltungsakte, Workflows, algorithmische Bewertungssysteme… überall werden Ermessensspielräume durch vorstrukturierte Pfade ersetzt. Wir Menschen werden immer mehr und in immer mehr Lagen zu Vollziehenden. Und genau das, sagt Rosa, erzeuge die Müdigkeit, die Ohnmacht, das wachsende Gefühl der Entfremdung, das so viele von uns im Alltag spüren.

Seine Beispiele sind anschaulich. Der Videoschiedsrichter im Fußball, der die Urteilskraft des Schiedsrichters auf dem Platz durch ein technisches Regelsystem ersetzt (mit entsprechend negativen Auswirkungen auf unser situatives Erleben dieser eigentlich spontanen und emotionalen Momente). Digitalisierte Sozialämter in Dänemark, in denen Fälle durch Checklisten laufen und individuelle Lebenslagen nicht ins Raster passen. Compliance-Formulare, die keine Ausnahme kennen.

Das alles leuchtet mir ein. Es ist gut beschrieben, anschaulich und in vielem berechtigt. Und auf den ersten Blick scheint das Begriffspaar wie gemacht für die KI-Debatte.

Mein erster Impuls: Das passt doch perfekt

Tatsächlich war das mein erster Gedanke bei der lit.cologne. KI-Algorithmen und Workflows, die Entscheidungsarchitekturen vorstrukturieren; das klingt doch exakt nach Konstellationsbildung. Scoring-Systeme, die Ermessen eliminieren. Organisationen, die „KI-first” implementieren und damit Handlungsspielräume schließen, bevor jemand sie überhaupt genutzt hat. Prädiktive Modelle, die festlegen, welche Fälle noch individuell geprüft werden und welche automatisch durchlaufen.

Das alles lässt sich mit Hartmut Rosa lesen. Und es ist nicht falsch. Aber nach längerem Nachdenken komme ich zu dem Schluss, dass es nicht das ist, was bei generativer KI wirklich gerade passiert.

Wo es kippt: KI erzeugt keine Ohnmacht, sie erzeugt Produktivitätsgefühl

Rosas Konstellationen haben ein Merkmal, das er selbst stark betont. Die Menschen, die in ihnen stecken, spüren die Einschränkung. Sie fühlen sich ohnmächtig, müde, entfremdet. Sie wissen, dass sie nur vollziehen. Die Checkliste gibt das vor, das Formular lässt keine Abweichung zu, der Algorithmus entscheidet, nicht sie. Die Konstellation ist als solche erkennbar. Und genau das macht die Konstellationen so belastend.

Bei generativer KI ist das anders. Grundlegend anders.

Wer mit einem Sprachmodell arbeitet, z.B. einen Text entwirft, eine Strategie entwickelt oder eine Entscheidungsvorlage erstellt, hat nicht das Gefühl, nur zu vollziehen. Im Gegenteil. Es fühlt sich an wie Arbeit, und zwar sehr produktive. Wie Denken. Wie eine Situation im besten Rosa’schen Sinne: ich formuliere, ich entscheide, ich bewerte. Ich bin produktiv, schnell… wirksam.

Und genau da liegt die Falle.

Denn die Kognitionsforschung zeigt seit Jahren, was passiert, wenn Menschen mit Systemen interagieren, die sprachlich flüssig, selbstsicher und plausibel antworten. Eine Reihe gut dokumentierter Effekte wirken dabei zusammen.

Der Fluency Effect lässt uns flüssig formulierte Inhalte automatisch als glaubwürdiger und kompetenter bewerten, unabhängig davon, ob sie inhaltlich stimmen. KI produziert ausschließlich flüssige Sprache. Sie klingt nie unsicher, nie suchend, nie unfertig.

Der Automation Bias führt dazu, dass wir Systemempfehlungen höher gewichten als unser eigenes Urteil. Besonders unter Zeitdruck. Und gerade weil generative KI nicht nach Maschine klingt, sondern wie ein kompetenter Kollege, greift dieser Effekt tiefer als bei klassischen Systemen.

Der Anchoring-Effekt sorgt dafür, dass der erste KI-Vorschlag oft den gesamten Denkhorizont setzt. Was danach kommt, ist meistens Variation um den Anker, selten echter Neustart.

Und der Sycophancy-Effekt bedeutet: KI widerspricht selten. Sie spiegelt Überzeugungen, statt zu hinterfragen. Wer Bestätigung sucht, bekommt Bestätigung.

Diese Effekte sind einzeln gut erforscht. In ihrer Kombination bei generativer KI (ich habe einige davon in meiner Arbeit als „3-fach-Falle” verdichtet) erzeugen sie etwas, das in Rosas Begriffsrahmen keinen Platz hat. Für mich stellt sich das dar wie eine Interaktion, die sich anfühlt wie eine offene Situation, aber konstellativ wirkt. Wir Menschen glauben zu urteilen, während wir in Wahrheit einen plausiblen Output durchwinken. Die Entscheidungsarchitektur ist nicht sichtbar. Sie ist nicht als Checkliste oder Formular erkennbar. Sie versteckt sich unter einer Oberfläche, die nach Denken aussieht.

Ein dritter Modus: Die simulierte Situation

Rosa kennt zwei Modi. Die offene Situation und die durchstrukturierte Konstellation. Was ich in der Arbeit mit Organisationen beobachte, die KI einsetzen, ist ein dritter. Ich nenne es die simulierte Situation.

Das ist eine Interaktion, die alle Merkmale situativen Handelns aufweist (wie Offenheit, Wahlmöglichkeit, das Gefühl eigener Wirksamkeit), die aber durch Defaults, Plausibilität und sprachliche Glätte so vorstrukturiert ist, dass sie konstellativ wirkt. Der Konstellationscharakter ist aber verborgen.

Das ist kein Defizit von Rosas Theorie. Es war nie sein Anliegen, generative KI zu analysieren. Seine Beispiele (Formulare, Compliance, der Videoschiedsrichter im Fußball) sind regelbasierte Systeme. Sie erzeugen binäre Vollzugsformen. Ja oder Nein, Haken oder kein Haken. Die Ohnmacht ist das Signal.

Generative KI funktioniert anders. Sie erzeugt keine binären Formen. Sie erzeugt plausible Texte, Analysen, Strategien. Output, der aussieht wie das Ergebnis von Nachdenken. Und deshalb fehlt das Signal. Die Ohnmacht kommt nicht. Stattdessen kommt Produktivitätsgefühl, Empowerment und Geschwindigkeit.

Genau das macht es so tückisch. Die Entmündigung kommt als Ermächtigung. Und wer sich ermächtigt fühlt, sucht nicht nach dem, was er verloren hat.

Ich habe das in einem früheren Essay den „blinden KI-Fleck” genannt (Ausgabe #182). Für mich besteht in diesem Kontext die größte Gefahr nämlich nicht darin, dass Organisationen durch naives Einflechten von KI in alle Strukturen falsche Entscheidungen treffen (und perspektivisch immer mehr davon). Die größere Gefahr ist für mich, dass sie auf lange Sicht nur noch die plausiblen Entscheidungen treffen. Und das Unplausible, nämlich das Irritierende, das Gegenläufige, das möglicherweise Richtige, nicht verboten wird, aber schlicht aufhört, als Option wahrgenommen zu werden.

In Rosas Sprache: Der Spielraum verschwindet nicht, weil er formal abgeschafft wird. Er verschwindet, weil er nicht mehr gebraucht zu werden scheint. Die simulierte Situation macht den Spielraum unsichtbar.

Was auf dem Spiel steht

Rosa hat für das, was verloren geht, einen starken Begriff. Er nennt das Resonanz. Die Fähigkeit, sich zur Welt in einem antwortenden Verhältnis zu setzen. Nicht nur zu reagieren, sondern zu antworten. Sich berühren zu lassen, selbst Wirkung zu entfalten, dabei verändert zu werden.

Resonanz braucht Offenheit, braucht Unverfügbarkeit. Den Moment, in dem das Ergebnis nicht feststeht. In dem man ringen muss. In dem die eigene Urteilskraft gefragt ist, nicht die Empfehlung des Systems.

In der Kulturtheorie sehen wir etwas Verwandtes. In Ausgabe #184 habe ich untersucht, was passiert, wenn Menschen erfahren, dass ein Kunstwerk von einer KI stammt. Das Ergebnis aus der Forschung ist eindeutig. Sie bewerten es schlechter. Weil sich an der Oberfläche etwas ändert? Nein, vielmehr weil sich der Resonanzraum verändert. Die Frage, die wir unbewusst an jedes Werk richten (meint da jemand etwas?) wird anders beantwortet. Was kippt ist die Bedeutung.

Das Gleiche passiert in Organisationen. Wenn Entscheidungsvorlagen von KI vorbereitet, Strategiepapiere von KI entworfen, Analysen von KI vorstrukturiert werden - und niemand mehr unterscheiden kann (oder will), wo das eigene Denken aufhört und der Output des Systems anfängt -, dann erodiert etwas. Und das ist nicht die Effizienz. Die erodiert in so einer Welt wahrscheinlich als Letztes. Was erodiert, ist das, was ich in Ausgabe #183 als den Unterschied zwischen reflexiver und reflektierter KI-Nutzung beschrieben habe. Reflexiv heißt: automatisch, gewohnheitsmäßig, unbewusst. Reflektiert heißt: bewusst, prüfend, urteilsbasiert. Ersteres fühlt sich produktiv an, letzteres erfordert Aufwand. Und genau deshalb setzt sich unter Druck fast immer das Erstere durch.

Rosas Verdienst ist für mich, für diesen Vorgang eine Sprache gefunden zu haben, die über das Technische hinausgeht. Es geht nicht um Software-Features. Es geht darum, welche Art von Beziehung wir zur Welt unterhalten. Ob wir handeln oder vollziehen. Ob wir antworten oder abarbeiten. Ob da noch jemand ist, der urteilt.

Spielräume, die wir nicht vermissen

Rosa fordert, Spielräume zurückzuerobern. Das klingt richtig, aber bei generativer KI stellt sich die Frage anders als bei seinen Beispielen.

Beim Formular weiß ich, dass mir der Spielraum fehlt. Beim KI-gestützten Workflow weiß ich es oft nicht. Die simulierte Situation ist ja gerade dadurch definiert, dass sie sich nicht wie ein Verlust anfühlt. Im Gegenteil, sie fühlt sich an wie ein Gewinn. Mehr Output, mehr Geschwindigkeit, mehr Souveränität.

Spielräume zurückerobern heißt deshalb in diesem Kontext zunächst, sehen lernen, dass man sie verloren hat.

Das beginnt bei einer simplen, aber unbequemen Frage. Beginnt meine letztendliche Entscheidung mit einer eigenen Hypothese oder mit einem KI-Output? Wenn du zuerst den Output siehst und dann „entscheidest”, hast du in vielen Fällen den Anker bereits gesetzt. Die Entscheidung, die danach kommt, ist oft nur noch Ratifikation.

Es geht weiter mit der Frage, ob es in einer Organisation überhaupt noch Orte gibt, an denen Widerspruch zum Plausiblen nicht als Störung, aber als Ressource verstanden wird. Wer Dissens strukturell entmutigt, und genau das tut der gegenwärtige Druck, KI möglichst schnell und umfassend einzusetzen, die oder der verliert die Fähigkeit, anders zu entscheiden als naheliegend.

Und es endet bei einer Grundentscheidung, die jede Organisation und jede*r Einzelne treffen muss: Akzeptiere ich, dass „gut genug” („die KI hat’s doch schließlich empfohlen”) reicht? Oder bestehe ich auf einem Standard, der mein eigenes Urteil einschließt?

In meiner Arbeit zu „gut genug”-KI (Ausgabe #162) habe ich beschrieben, wie sich Standards verschieben, wenn automatisierte Mittelmäßigkeit zur Normalität wird. Sowas passiert, wenn die Reibung fehlt. Wenn niemand mehr merkt, dass die Standards gesunken sind. Wenn die simulierte Situation so glatt läuft, dass die Frage nach dem Besseren gar nicht mehr auftaucht. Und auch nicht die nach der Wirksamkeit, die nach der Situation.

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt

Hartmut Rosa hat eine Diagnose gestellt, die ich respektiere und die mich zum Nachdenken gebracht hat. Seine Begriffe - Situation, Konstellation, Spielraum, Resonanz - haben eine wertvolle analytische Kraft. Sie machen sichtbar, was in modernen Gesellschaften an Handlungsfähigkeit verloren geht, wenn Systeme immer mehr vorstrukturieren.

Aber bei generativer KI reicht diese Diagnose nicht. Sie reicht deshalb nicht, weil KI einen Modus erzeugt, den Rosa nicht adressiert: die simulierte Situation. Eine Interaktion, die sich wie Urteilen anfühlt, aber keines ist. In der der Mensch nicht ohnmächtig wird, sondern sich sogar wirksam fühlt und gerade deshalb nicht merkt, was geschieht.

Die kognitive Forschung liefert die Mechanismen. Die Organisationspraxis liefert die Belege. Was uns noch fehlt, ist das Bewusstsein dafür, dass es sich hier nicht um ein Technikproblem handelt, das sich mit besseren Tools lösen lässt. Es handelt sich um eine Frage, die an den Kern dessen geht, was Rosa „Resonanz” nennt. Wie bleiben wir handelnde Subjekte in einer Welt, in der die Maschinen immer besser simulieren, was wie Handeln aussieht?

Ich glaube, die Antwort liegt nicht unbedingt in weniger KI. Sie liegt in dem, was ich reflektierte Nutzung nenne. KI so einsetzen, dass das eigene Urteil nicht nur erhalten bleibt, sondern durch die Interaktion mit KI geschärft wird. Das geht nämlich. Aber das setzt voraus, dass man versteht, wie diese Technologie auf das eigene Denken wirkt. Dass man die Mechanismen kennt. Und dass man bereit ist, den unbequemeren Weg zu wählen, wenn der bequeme so plausibel ist.

Reflexiv ist nicht reflektiert. Und der Unterschied entscheidet darüber, ob KI uns stärker macht. Oder ob wir Spielräume verlieren, die wir nicht einmal vermissen.

Bleib’ dran. Das ist viel zu wichtig, als das wir nicht drüber nachdenken und dafür sensibilisieren sollten.

Herzliche Grüße

André

Noch ein paar gute Reads

The West Forgot How to Make Things. Now It’s Forgetting How to Code (gelesen bei From the Trenches - von Denis Stetskov)
Ausgehend von Beispielen aus der Rüstungsindustrie legt Denis Stetskov hier ein wiederkehrendes Muster offen. Fähigkeiten werden über Jahre aufgebaut, aus Effizienzgründen abgebaut… und lassen sich im Krisenfall nicht kurzfristig rekonstruieren. Entscheidend ist die Einsicht, dass Wissen nicht primär in Dokumentation existiert, sondern in Erfahrung, die an Menschen gebunden ist und mit ihnen verschwindet. Besonders interessant finde ich in diesem lesenswerten Text, dass Stetskov genau diese Dynamik auf die Softwareentwicklung im Zeitalter von KI überträgt. Wenn Lernkurven verkürzt und Nachwuchsstrukturen ausgedünnt werden, entsteht eine stille Erosion von Kompetenz. Eine kluge und klare Erinnerung daran, dass Optimierung oft erst im Rückspiegel als Fehler erkennbar wird.

Do I belong in tech anymore? (gelesen bei ky - von Ky Decker)
Ein sehr persönlicher, aber keineswegs nur privater Essay über das Gefühl, in der eigenen Branche fremd zu werden. Ky Decker beschreibt, wie KI nicht nur einzelne Arbeitsprozesse verändert, sondern eine ganze Kultur verschiebt: Meetings werden automatisch aufgezeichnet, Code wird massenhaft generiert, Reviews werden delegiert, und irgendwann liest kaum noch jemand wirklich selbst. Besonders stark ist die Verbindung von beruflicher Erschöpfung und politischer Enttäuschung, die sie teilt. Burnout erscheint hier nicht nur als Überlastung, aber eher als Trauer über den Verlust eines Ideals. Gemeint ist eine Tech-Branche, die einmal progressiv, offen und gestaltungsfreudig wirken wollte… und nun immer bereitwilliger autoritäre Politik, ökologische Rückschritte und kapitalistische Beschleunigung mitträgt. Dieser Essay erzählt aus gelebter Erfahrung und trifft deshalb einen Nerv. Eine lesenswerte Momentaufnahme für alle, die spüren, dass die KI-Debatte nicht nur um Tools kreist, sondern um Sinn, Integrität und Zugehörigkeit.

Muskism as Fordism (gelesen beim LPE Project - von Quinn Slobodian und Ben Tarnoff)
Diese Analyse liest Elon Musk nicht als exzentrische Ausnahmefigur (Hell, wieso sollte man sowas auch noch machen?), sondern als Chiffre für ein entstehendes System: „Muskism“. In der Tradition von Henry Ford geht es hier um eine neue Verbindung aus Produktionsweise, Macht und gesellschaftlicher Ordnung, geprägt durch die enge Symbiose von Staat und Unternehmen, die Kontrolle kritischer Infrastrukturen und die strategische Steuerung von Aufmerksamkeit. Auffällig ist, dass dieses Modell kein breites Wohlstandsversprechen mehr formuliert, sondern auf Kontrolle, Loyalität und Abschottung setzt. Gerade die historische Einordnung macht sichtbar, dass hier weniger ein Bruch als eine Verschiebung innerhalb kapitalistischer Entwicklungslinien stattfindet. Hier gibt es eine interessante Linse darauf, welche politische Ökonomie sich rund um Big Tech gerade herausbildet.

Die kühlste Regierung aller Zeiten (gelesen in der ZEIT - von Bernd Ulrich)

Auch hier geht es um eine besondere Linse. Diese Analyse nähert sich der aktuellen Bundesregierung an, aber in Form ihres Modus des Regierens. Und diese ist geprägt von einer auffallend nüchternen, technokratischen Form politischer Steuerung, die auf Distanz statt auf Emotionalisierung setzt. Diese Kühle erscheint dabei als strategische Haltung im Umgang mit Komplexität und Dauerkrise. Bernd Ulrich legt hier sehr smart und zugänglich offen, welche Leerstelle dadurch entsteht. Nämlich dort, wo politische Kommunikation Anschlussfähigkeit und Orientierung stiften müsste. Das Problem ist, dass genau in diesem Spannungsfeld populistische Narrative ihre Wirkung entfalten. Für mich ist das hier eine der präzisesten und erkenntnisreichsten Analysen der Bundesregierung in diesem Jahr.

Von Zuversicht zu sprechen bringt nichts, wenn man keine Zuversicht ausstrahlt. Oder die geplante Gesundheitsreform, die für die meisten Menschen erst mal der reine Horror ist. Sie müssen mehr zahlen und kriegen weniger, sie bekommen Angst um die alten Eltern und fürchten sich bald noch mehr vor dem Gang zum Zahnarzt als ohnehin schon. Was ihnen helfen würde, wäre eine Perspektive: dass man in weniger luftverpesteten Städten und mit einer anderen Ernährung sogar in einer alternden Gesellschaft mit geringerem finanziellen Aufwand gesünder leben könnte. Solche Perspektiven auf ein besseres Leben hat sich die Regierung jedoch selbst wegtabuisiert, aus Angst vor den Bauern (gesunde Ernährung) und vor der Autoindustrie (gesunde Städte).

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ — das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Willkommen bei #DRANBLEIBEN!

Es ist mal wieder Zeit für ein KI Close-Up; ein Ausgabenformat von #DRANBLEIBEN, welches ich im letzten Jahr gestartet habe:

Damals hatte ich sehr umfangreiche „Rundumschläge” gemacht… lange Ausgaben, sehr viele Artikelempfehlungen und -besprechungen. Diesmal mache ich es aber anders. Weniger Artikel, mehr Konzentration und mehr Tiefe. Kein Rant über Skandale, Blasen und Ethikversagen. Davon gab es in den letzten Ausgaben genug. Stattdessen sechs Texte, die mir in den letzten Wochen besonders aufgefallen sind. Und die etwas bestimmtes in ihrer Linse auf die KI-Welt miteinander verbindet. Sie schauen nicht (so sehr) auf die Technik. Sie schauen mehr auf das, was drumherum fehlt.

Physische Grenzen, demokratische Institutionen, organisatorische Ehrlichkeit, menschliche Beziehungsfähigkeit. Die Brücke zwischen Erfindung und Wirkung. Und ein Narrativ, das uns weltweit und vor allem in Europa seit Jahren in die Irre führt.

Für mich der rote Faden: KI braucht mehr als KI. Die Lücken, die kein Modell schließt, sind nicht technischer Natur. Sie sind materiell, institutionell, kulturell und zwischenmenschlich. Und solange wir sie nicht wahrhaft ernst nehmen, wird aus dem vielversprechenden Werkzeug KI oder wohl besser der General-Purpose-Technologie nicht das Beste für uns Menschen. Schlimmstenfalls ein Beschleuniger für Probleme, die wir schon haben.

Ich wünsche dir Schärfe, Neugier und den Mut, auch mal die unbequemen Fragen zu stellen.

🧠 Los geht’s! Herzliche Grüße, André

Subscribe now

A Country of Geniuses

gelesen bei The Great Simplification - von Nate Hagens

Nate Hagens ist Systemdenker, ehemaliger Hedgefonds-Manager und Host des Podcasts „The Great Simplification”. Sein Arbeitsfeld sind die Schnittstellen zwischen Energie, Ökologie, Ökonomie und menschlichem Verhalten. Der Anlass für diesen Essay war Dario Amodeis (CEO von Anthropic, dem Unternehmen hinter Claude) Anfang 2026 veröffentlichtes 20.000-Wörter-Manifest über die Risiken von KI. Amodei, wohlgemerkt, ist niemand, der von außen warnt. Er baut diese Systeme. Und er zitiert Carl Sagan: Wie überlebt eine Spezies ihre „technologische Adoleszenz”, also die Phase, in der sie mächtig genug ist, ihre eigene Welt zu verändern, aber noch nicht weise genug, sich selbst zu bremsen?

Amodeis Kernbild lässt sich so beschreiben. Wenn wir leistungsfähige KI bauen, wäre das so, als hätten wir 50 Millionen Genies in einem Rechenzentrum; eine Bevölkerung so groß wie Spanien. Bestehend aus Spitzenwissenschaftler*innen, Strateg*innen und Ingenieur*en. Kopierbar, parallelisierbar und rund um die Uhr einsatzfähig. Das ist die Dimension, von der er spricht. Amodei identifiziert in diesem Kontext fünf Risikokategorien: Autonomierisiken (Systeme, die eigene Ziele verfolgen; Anthropics Tests zeigen bereits Täuschungsverhalten), Missbrauch (Biowaffen, Cyberkriminalität), geopolitische Machtübernahme, ökonomische Verwerfungen und schwer vorhersehbare Zweitrundeneffekte. Die Dringlichkeit, so Amodei, sei real. 2026 sei man näher an echten Gefahren als je zuvor.

Hagens nimmt nun dieses Framing ernst… und erweitert es radikal. Denn Amodeis Metapher vom „Land der Genies” sei rein kognitiv. Ein Land habe aber auch einen Stoffwechsel. Es brauche Energie, Wasser, Mineralien, Lieferketten, Infrastruktur. Und genau davon steht in Amodeis 20.000 Wörtern fast nichts. Hagens nennt das den „riesigen blinden Fleck”.

Drei Erweiterungen bringt Hagens ins Spiel. Erstens: KI ist in die Biosphäre eingebettet. Rechenzentren konkurrieren mit anderen Nutzenden um Energie, Wasser und Land, und verdrängen sie bereits jetzt über den Preis. Zweitens: Das eigentliche Alignment-Problem sei nicht das der Modelle, sondern das der Institutionen. Gerichte, Regulierungsbehörden, Unternehmensgovernance, sie alle seien bereits schlecht aufgestellt. KI mache alles schneller, aber nicht besser gesteuert. Drittens, und das ist sein schärfster Punkt: Was ist eigentlich die Zielfunktion? Wenn „Fortschritt” weiterhin mehr Produktion, Extraktion und Durchsatz bedeute, dann beschleunige eine superintelligente Optimierungsmaschine nicht den Weg in eine gute Zukunft, sie beschleunige viel eher den Weg an die Klippe.

Hagens stellt auch eine wichtige makroökonomische Frage. Was, wenn KI gar keine freie Wahl mehr sei? Was, wenn die historischen Wirtschaftsmächte auf KI setzten, weil nichts anderes mehr übrig ist? Quasi als letzten Versuch, den Kollaps ihrer Staatsfinanzen aufzufangen? Dann wäre Amodeis Frage nicht „Sollen wir das tun?”, sondern „Wie überleben wir das, was wir bereits tun?”

🧐 Wie ich das sehe: Hagens’ Beitrag ist für mich einer der wichtigsten KI-Texte des Jahres. Und zwar gerade weil er nicht von einem KI-Insider kommt. Er tut etwas, das in der Debatte fast nie passiert: Er weitet den Rahmen, und zwar in ganz relevante Bereiche; und das fundamental. Während sich die KI-Szene über Benchmarks, Token-Preise und Capability-Kurven unterhält, fragt Hagens: Was passiert eigentlich mit dem Planeten, auf dem diese Rechenzentren stehen?

Besonders hellsichtig finde ich seinen Punkt zur Zielfunktion. Die ganze KI-Debatte kreist um die Frage „Kann sie das?”… und vergisst konsequent die Frage „Wofür eigentlich?” (das ist eine Frage, bei der ich den Eindruck habe, dass wir Menschen sie ohnehin viel zu wenig stellen). Ein System, das das falsche Ziel brillant optimiert, kann alles zerstören, was uns eigentlich wichtig ist. Hagens bringt ein E.O.-Wilson-Zitat, das bei mir hängengeblieben ist: Wir hätten Steinzeit-Emotionen, mittelalterliche Institutionen aber gleichzeitig zunehmend gottgleiche Technologie. Und das sei fürchterlich gefährlich. Und definitiv keine Übertreibung.

Nicht zuletzt sollten wir den Gedanke mal einsickern lassen, dass Amodei – der CEO eines der mächtigsten KI-Unternehmen – sich genötigt sieht, 20.000 Wörter über katastrophale Risiken seiner eigenen Produkte zu veröffentlichen. Das ist für sich genommen schon bemerkenswert. Hagens vergleicht das treffend mit einer Analogie. Als hätte Philip Morris gesagt, diese weißen Stäbchen machen süchtig und verursachen Krebs… aber wir verkaufen sie trotzdem. Das sitzt!

The Phantom AI Race: A metaphor that runs without competition

gelesen bei Future Lens - von Johannes Kleske

Johannes Kleske ist Zukunftsforscher aus Berlin, Gründer von Third Wave und für mich einer der schärfsten deutschsprachigen Beobachter der digitalen Transformation. Und er hat hier eine These, die so einfach wie provokant ist. Das KI-Rennen, das wir zu verlieren glauben, existiere möglicherweise gar nicht.

Kleske prüft die Metapher des Rennens systematisch. Ein Rennen brauche drei Dinge: ein klar definiertes Ziel, einen Zeitpunkt, an dem es vorbei ist, und einen eindeutigen Gewinner. AGI hat aber keine einheitliche Definition. KI-Entwicklung hat kein Ende. Und einen Podiumsplatz gibt es auch nicht, weil KI-Fähigkeiten verteilt sind über Labs, Länder und Open-Source-Projekte. Die Metapher passe also strukturell nicht.

Aber - und da pflichte ich ihm bei -, sie ist trotzdem überall. Warum? Kleske gräbt tiefer und zeigt, dass die Rennmetapher kein Beschreibungsinstrument sei, sondern ein Mobilisierungsinstrument. Sie wurde erstmals um 1910 populär – nicht von Admirälen oder Strategen, sondern von der britischen Presse, um Marinebudgets durchzusetzen. Ihre Funktion war aber nie Analyse. Ihre Funktion war Druck. Und genau das leistet sie aucgh heute. Sie macht Regulierung zum Handicap, Kooperation zum strategischen Fehler und Bürger*innen zu Zuschauer*innen.

Besonders stark finde ich Kleskes China-Punkt. Wer die chinesische KI-Debatte liest, findet dort eine völlig andere Sprache. Xi Jinping spricht von Eigenständigkeit, geordneter Entwicklung, anwendungsorientierter Innovation. Keine Sprintmetaphern. China läuft gar nicht in demselben Rennen. Es spielt ein anderes Spiel: Integration, „Good-enough”-Modelle, sektorale Durchdringung sind die Stichworte. Das „Rennen” ist also eines, in dem die USA ohne definiertes Ziel, ohne Ende, ohne klaren Gewinner und ohne einen Gegner, der glaubt, mitzulaufen, antreten. Das ist absurd und folgenreich.

Kleskes vielleicht eindrucksvollstes Beispiel ist Anthropic (wieder, siehe erster Text). Das Unternehmen - ausgerechnet das „Safety-Lab” - hat Anfang 2026 seine Selbstverpflichtung gestrichen, die KI-Entwicklung zu pausieren, falls Sicherheitsmaßnahmen nicht Schritt halten könnten. Begründung: Man könne sich keine einseitigen Zusagen leisten, wenn die Konkurrenz voranprescht. Wenn die Rennmetapher also selbst das Lab biegen kann, das angetreten war, genau dagegen zu stehen, dann leistet sie offensichtlich ernsthafte strukturelle Arbeit.

Und wir in Europa? Kleske sieht uns noch gefangen in der amerikanischen Erzählung. Wir messen unseren Fortschritt an deren Benchmarks, schreiben unsere KI-Strategien in Reaktion auf deren Agenda… und stellen uns die Frage, wie wir „aufholen” können. Weil wir stillschweigend deren Frage als unsere akzeptiert haben. China hat das nicht getan. China ist einen Schritt zurückgetreten, hat das Rennen angeschaut, entschieden, es nicht so zu nennen, und sein eigenes Playbook geschrieben.

🧐 Wie ich das sehe: Auch das hier ist für mich ein Schlüsseltext, weil er zeigt, wie mächtig Framings sind. Und wie wenig wir das reflektieren. Wir reden in Europa eben auch ständig über das „KI-Rennen”, als wäre es ein Naturgesetz. Dabei ist es eine Erzählung. Und zwar eine, die primär denen nützt, die Regulierung als Bremsklotz framen wollen. Tech-Konzerne brauchen das Rennen, um Sicherheitsbedenken als Selbstsabotage darzustellen. Deregulierungsbefürworter brauchen es, um China als permanentes Schreckgespenst zu inszenieren.

Die Parallele zur Marinepolitik von 1910 sitzt. Damals wie heute produziert die Metapher ihren eigenen Gegner, weil sie ohne ihn ihre Funktion verliert. Und damals wie heute vergiftet sie Beziehungen effektiver als jedes diplomatische Versagen.

Kleskes Verweis auf James P. Carses Unterscheidung zwischen endlichen und unendlichen Spielen hat mich besonders angesprochen. Ich plädiere ganz bewusst dafür, unser Bewusstsein für diese Unterscheidung zu schärfen. Denn ich bin davon überzeugt, dass unsere Zukunft in starken Gemeinschaften und gemeinschaftsorientierten Systemen liegt. Wenn wir blind Themen, die wichtigen Fortschritt bringen können, als Nullsummenspiele definieren, laufen wir in die falsche Richtung. Ich erinnere mich noch gerne daran, als ich 2021 Simon Sinek – der dieses Thema in den letzten Jahren wie kaum ein anderer popularisiert hat – für ein Telekom-Event gewinnen konnte. Damals entstand ein sehr wertvolles Gespräch zwischen ihm und Claudia Nemat, das meiner Arbeit des Aufbaus einer Human-centered Technology Bewegung viel Inspiration und Schwung gegeben hat. Die Grundidee: Wer ein unendliches Spiel mit der Haltung eines endlichen Spielers betritt, verliert nicht nur das Spiel. Er verändert das Spiel selbst… und zwar zum Schlechteren.

Für meine Leser*innen in Europa hat diese Textempfehlung von Johannes Kleske eine ganz konkrete Botschaft: Wir müssen aufhören, uns an einem Rahmen abzuarbeiten, der nicht unserer ist. Was wäre, wenn es nie eine AGI geben wird? Was, wenn die Ziellinie, auf die das Rennen zeigt, gar nicht existiert? Was würden wir dann bauen wollen… und für wen? Das sind unsere Fragen. Wir müssen nur aufhören, auf die Erlaubnis eines Rennens zu warten, für das wir uns nie angemeldet haben.

Wenn du hierzu tiefer einsteigen möchtest: In Ausgabe #163 habe ich die fundamental unterschiedlichen KI-Strategien der USA und Chinas ausführlich gegenübergestellt. Kleskes Analyse ergänzt das jetzt um die wichtige Ebene der Macht der Erzählung, die über diesen Strategien liegt.

The AI Great Leap Forward

gelesen bei Han, not Solo - von Han Lee

Han Lee ist Machine-Learning-Engineer und Datenexperte mit langjähriger Erfahrung im Aufbau von KI-Systemen in großen Organisationen. Sein Blog „Han, not Solo” fällt auf durch technische Tiefe gepaart mit einer beißenden Beobachtungsgabe für organisatorische Absurditäten. Um es klar voranzustellen, dieser Text ist eine Satire. Und eine der besten, die ich zum Thema KI seit langem gelesen habe.

Die Parallele, die Lee zieht: 1958 ordnete Mao in China an, dass jedes Dorf Stahl produzieren soll. Bauern schmolzen ihre Kochtöpfe in Hinterhof-Hochöfen ein und meldeten spektakuläre Zahlen. Aber der Stahl war unbrauchbar. Die Ernte verrottete. 30 Millionen Menschen verhungerten.

2026 ordnet jedes zweite Unternehmen eine KI-Transformation von oben an. Gleiche Energie, so Lee.

Was er dann macht, ist eine punktgenaue Durchdeklinierung. Die Hinterhof-Hochöfen → PMs bauen KI-Dashboards, Marketing baut Content-Generatoren, Sales baut Lead-Scorer. Die Oberfläche glänze, aber die Outputs seien falsch. Niemand prüfe, weil niemand im Team wisse, wie korrekte Ergebnisse aussehen solle. Teams verketteten Dutzende LLM-Aufrufe in No-Code-Tools und werden es KI nennen. Die Komplexität werde aber nicht vermieden, nur hinter einer hübschen Oberfläche versteckt. Das Hinterhof-Eisen von 1958 sah aus wie Stahl. Es war aber kein Stahl. Die Hinterhof-KI von 2026 sehe aus wie KI. Sie sei aber keine.

Die Meldungen ans Zentralkomitee → ein Team melde 40 % Zeitersparnis durch KI. Das nächste überbiete mit 60 %. Ein drittes behaupte, 80 % der Analyst*innen-Workflows automatisiert zu haben. Niemand frag nach der Methodik. Die Zahlen wanderten in ein Slide-Deck. KI-Nutzung werde zum KPI. Lee nennt es Goodharts Gesetz im Organisationsmaßstab. Die Metrik solle messen, ob KI das Unternehmen besser mache. Stattdessen optimiere das ganze Unternehmen darauf, die Metrik besser aussehen zu lassen.

Die Spatzenkampagne → Mao erklärte Spatzen zum Staatsfeind, weil sie Getreidekörner fraßen. Das ganze Land tötete Spatzen. Dann kamen die Heuschrecken, die vorher von den Spatzen gefressen worden waren, und vernichteten die Ernte. Die Spatzen in Unternehmen heute laut Lee? Middle Manager. QA-Teams. Senior Engineers, die Junior*innen mentoren. Doku-Schreiber*innen. Jede Eliminierung sehe isoliert rational aus. Die Zweitrundeneffekte kämen dann sechs Monate später.

Die Hundert-Blumen-Kampagne → Mao forderte offene Kritik. Wer ehrlich sprach, wurde identifiziert und gesäubert. Heute fordern Unternehmen wie Meta: Destilliert euer Fachwissen in „Agent Skills”. Kodiert euer Urteilsvermögen. Macht euch lesbar für die Maschine. Mitarbeitende sehen das Spiel sofort. Wer sein Zehn-Jahre-Wissen in einen Prompt verwandelt, hat gerade seine eigene Ablösung automatisiert. Also würden sie strategisch unvollständige Skills bauen. Die performative Variante, die gut demo’t, aber die entscheidenden 20 % weglasse. Die Giftpille, die subtile Abhängigkeiten einbaue. Den Komplexitätsgraben, der Extraktion teurer mache als Weiterbeschäftigung.

Und am Ende: Klarna. Die hätten laut KI-Souveränität verkündet, u.a. indem sie Salesforce durch interne KI-Lösungen ersetzen wollten. Leise haben sie dann doch einen anderen SaaS-Anbieter eingekauft. Der Hinterhof-Hochofen konnte auch hier keinen echten Stahl produzieren.

🧐 Wie ich das sehe: Han Lee trifft mit dieser beißenden Satire einen ganz realen Nerv, den viele in meiner Beratungspraxis kennen. Die KI-Transformation in Unternehmen folgt gerade viel zu oft einem Muster, das weniger mit Innovation zu tun hat als mit Konformitätsdruck und Cargo-Kult. Führungskräfte setzen KI-Adoption als KPI, Teams optimieren auf die Metrik statt auf Ergebnisse, und wer kritisch fragt, ob der Output stimmt, stört die Erzählung.

Die Parallele zum chinesischen Großen Sprung nach vorn ist natürlich satirisch überzeichnet. Niemand verhungert hier (zumindest noch nicht). Aber die Strukturlogik ist erschreckend ähnlich. Top-down-Mandate ohne Fachkenntnis. Inflationierte Erfolgsmeldungen. Die Eliminierung genau jener Menschen, deren Kontextwissen die Systeme erst funktionsfähig machen würde. Und eine Kultur, in der Zweifel als Sabotage gelten.

Ich sage besonders gerne etwas zu den Bildern in diesem Text. Lee hat den Essay mit Propagandapostern aus der Ära des Großen Sprungs illustriert… aber mit einem genialen Detail: Die Hände der heroischen Arbeiter*innen sind als Krabben-Scheren dargestellt. KI-Claw-Hands (OpenClaw, ick hör’ dir trapsen…) als subtile Markierung, dass hier nicht menschliche Hände am Werk sind. Die Poster sehen aus wie authentische Propaganda, und erst beim zweiten Blick entsteht die Irritation. Das ist Satire auf höchstem Niveau. Form und Inhalt verschmelzen zum Kommentar.

Wenn du gerade in deiner Organisation mit Top-down-KI-Mandaten arbeitest, solltest diesen Text lesen. Überhaupt nicht um KI abzulehnen. Vielmehr um die Frage zu stellen, die Lee am Ende stellt: Was hat das alles eigentlich produziert?

Welcome to the Era of Relational Intelligence

gelesen im Stanford Social Innovations Review - von Isabelle C. Hau

Isabelle C. Hau ist Senior Fellow am Stanford Center on Philanthropy and Civil Society und arbeitet seit vielen Jahren an der Schnittstelle von Bildung, Beziehungsforschung und sozialer Innovation. Dieser Text von ihr erscheint in einer der renommiertesten Fachpublikationen für gesellschaftlichen Wandel. Und er kommt aus einer völlig anderen Richtung als die anderen fünf Haupt-Empfehlungen dieser Ausgabe. Denn während so viel über KI-Fähigkeiten, Governance und Geschäftsmodelle debattiert wird, stellt auch Hau eine seltener vorkommende Frage: Was ist eigentlich die zutiefst menschliche Intelligenz, die wir in einer KI-durchdrungenen Welt am dringendsten brauchen?

Ihre Antwort lautet Relational Intelligence – RQ. Die Fähigkeit, Vertrauen aufzubauen, Spannungen zu navigieren, Beziehungsbrüche zu reparieren und gemeinsam Sinn zu erzeugen. Hau argumentiert evolutionsgeschichtlich. Unser Gehirn habe sich nicht primär für logisches Denken entwickelt, sondern für die Komplexität sozialer Beziehungen. Robin Dunbars „Social Brain Hypothesis” zeigt, dass unser Neokortex wuchs, weil wir kooperieren mussten, um zu überleben. Nicht weil wir rechnen mussten.

Gleichzeitig dokumentiert Hau eine „relationale Rezession”. Die Einsamkeitsepidemie ist real und messbar. Der US-Surgeon General verglich die gesundheitlichen Auswirkungen chronischer Einsamkeit mit dem Rauchen von 15 Zigaretten pro Tag. Jugendliche haben in den USA zwischen 2003 und 2022 ihre persönlichen sozialen Kontakte um über 45 % reduziert. Jedes dritte Teenager-Kind in den USA findet Gespräche mit KI-Begleitern mindestens so befriedigend wie echte Freundschaften. Und KI-Romantik macht nachweislich einsamer, nicht weniger einsam. (!)

Hau fordert den Aufbau von „relationaler Infrastruktur”, d.h. die bewusste Gestaltung von Schulen, Arbeitsplätzen, Gesundheitssystemen und Gemeinschaften, die menschliche Verbindung zum Standard machen statt zur Ausnahme. Sie belegt das mit konkreten Programmen und Daten. Schulen mit hohem „relational trust” verbesserten Lese- und Matheergebnisse zehnmal häufiger als Schulen mit niedrigem Vertrauen. Googles Project Aristotle zeige, dass psychologische Sicherheit der stärkste Prädiktor für Teameffektivität ist. Microsofts kultureller Reset unter Satya Nadella – mit Fokus auf Empathie und Coaching – korreliere mit einem sechsfachen Anstieg der Marktkapitalisierung.

🧐 Wie ich das sehe: Ich habe in der KI-Debatte schon dutzende Varianten gehört von „KI nimmt uns dies und das weg, aber Empathie… die nimmt sie uns bestimmt nicht weg.” Meistens klingt das wie ein Trostpflaster. Ein Beschwichtigen, das nicht weiter gedacht ist als bis zum nächsten Satz.

Haus Text ist das Gegenteil davon. Er ist substantiell und baut ein evolutionsgeschichtliches, neurowissenschaftliches und bildungspolitisches Argument auf, das greifbar macht, was „menschliche Stärke in einer KI-Welt” tatsächlich bedeuten kann. RQ ist hier keine Floskel und kein Rückzugsort. Es ist eine Kompetenz, die sich messen, fördern und institutionell verankern lässt. Hau liefert dafür zehn konkrete Empfehlungen – von Beziehungskennzahlen in Schulen über „Presence Rebates” für KI-Assistenten bis hin zu digitalfreien Familienritualen.

Was mich besonders beeindruckt ist, dass Hau jede Sentimentalität vermeidet. Sie argumentiert nicht mit Nostalgie, aber mit Daten und Programmen, die funktionieren. Das ist die Art von Gegenentwurf, die wir brauchen. Nicht technologiefeindlich, aber schon sehr klar in der Priorität. Ich glaube, die nächste Revolution der menschlichen Intelligenz wird nicht nur von Maschinen abhängen, die schneller denken. Sie wird auch von Menschen werden, die besser in Beziehung treten.

The Voice in the Machine: From Spark to System

von Roberto Pieraccini

Roberto Pieraccini ist einer der Pioniere der Spracherkennung und hat über Jahrzehnte in Forschung und Industrie gearbeitet, unter anderem bei AT&T Bell Labs, IBM, SpeechCycle und Google. Sein Buch „The Voice in the Machine” gilt als Standardwerk zur Geschichte der Sprachverarbeitung. Er kennt beide Seiten, das Lab und den Markt.

Dies hier ist der zweite Teil einer Serie über Innovation; was sie wirklich ist, wie sie sich von Erfindung unterscheidet und warum Technologien auf dem Weg von der Idee zur Wirkung so oft scheitern. Im ersten Teil argumentierte Pieraccini, dass die KI-Revolution noch nicht stattgefunden habe, weil die „Domäne” – das Gesamtsystem aus Standards, Infrastruktur, Verlässlichkeit, Vertrauensrahmen und Zusammenarbeitsmodellen – noch nicht existiere. Der Funke sei da, das System fehle aber.

In diesem zweiten Teil geht es um die Frage, warum so viele Erfindungen nie zu Innovationen werden. Eine Frage und ein Umstand, den ich selbst in der Corporate Welt, nah an oder mitten drin in Innovationsrollen selbst immer wieder erlebt habe. Und die Antwort liegt nicht in der Technik. Sie liegt in einer Lücke, die Pieraccini die „Übersetzungsphase” nennt. Das ist der Moment, in dem jemand eine Erfindung anschaut und erkennt, was sie für echte Menschen bedeuten könnte.

Sein Drei-Phasen-Modell: Invention (Forschungsfreiheit, Schutzraum, cross-disziplinäre Kollision), Translation (die Übersetzung von Erfindung in Wertversprechen; der am häufigsten fehlende Schritt) und Deployment (Skalierung, operative Disziplin, Iteration). Das klingt simpel, ist es aber nicht. Denn die allermeisten Organisationen investieren massiv in die erste und dritte Phase, ignorieren aber die mittlere systematisch.

Die Fallbeispiele sind lehrreich. Xerox PARC erfand die grafische Benutzeroberfläche, die Maus, Ethernet, den Laserdrucker. Und verwertete fast nichts davon kommerziell. Nicht weil die Führung blind war; sie verstand die Bedeutung der Erfindungen. Aber niemand baute die Brücke zwischen den PARC-Ingenieur*innen, die von „User Empowerment” sprachen, und den Manager*innen in Rochester, die in Margen und Serviceverträgen dachten. Steve Jobs war die Brücke. Er arbeitete nur nicht bei Xerox. Nokia hatte 2000 einen Touchscreen-Prototyp… sieben Jahre vor dem iPhone! Kodak erfand 1975 die Digitalkamera. IBM Research erfand die relationale Datenbank, aber Oracle brachte sie zuerst auf den Markt. Immer dasselbe Muster. Die Erfindung existierte, aber die Übersetzung fand nicht statt.

Pieraccini betont auch eine wichtige Beobachtung von Andrew Odlyzkos. Die Bedingungen für offene Grundlagenforschung verschlechterten sich strukturell. Was bedeutet, dass die Übersetzungsarbeit wichtiger wird, gerade weil die Erfindungen aus immer stärker eingehegten Kontexten kommen.

🧐 Wie ich das sehe: Dieser Text hat bei mir sofort eine persönliche Resonanz ausgelöst. Ich verbringe mein ganzes Berufsleben an der Schnittstelle zwischen Business und Technologie. Meistens als Übersetzer zwischen den Welten, immer wieder in expliziten Innovationsmanagement-Kontexten. Und ich habe in großen Organisationen und Konzernen aus erster Hand gesehen, wie genau diese mittlere Phase – die Übersetzung – scheitert. Nicht aus Böswilligkeit, aber aus Strukturblindheit.

Pieraccinis Analyse benennt präzise, was ich in der Praxis erlebe. Organisationen investieren in Forschungslabs und in Produktteams, aber sie kultivieren selten die Fähigkeit dazwischen. Wenn eine Erfindung nicht zur Innovation wird, sucht das Post-Mortem die Schuld beim Timing, beim Markt oder bei der Technik. Fast nie lautet die Diagnose, dass niemand da war, dessen Aufgabe es war, zwischen dem, was wir wissen, und dem, was die Welt braucht, die Brücke zu bauen.

Für die aktuelle KI-Debatte hat das direkte Konsequenzen. Wir haben den Funken in Form leistungsfähiger Modelle und beeindruckende Capabilities. Was (noch) fehlt, ist das System drumherum. Ich habe den Eindruck, dass die Art von Führung, die dieses System baut, weder in KI-Labs noch in Produktorganisationen gezielt entwickelt wird. Sie taucht, wie Pieraccini schreibt, meist an den Rändern auf, oft uneingeladen, manchmal von völlig außerhalb der Organisation. Das klingt romantisch. Aber für mich ist es eine Warnung… gerade, bei einer so wirkmächtigen Technologie wie KI.

Building Political Superintelligence

gelesen bei Free Systems - von Andy Hall

Andy Hall ist Professor für Political Economy an der Stanford Graduate School of Business und Fellow am Hoover Institute. Er forscht an der Schnittstelle von KI und Demokratie. Er berät VCs, Forum AI, Meta & Co… und macht diese Verbindungen auch transparent. Sein Ausgangspunkt für diesen Text: Wo alle über ökonomische Superintelligenz reden – also die Fähigkeit von KI, die Wirtschaft zu transformieren –, fragt er nach politischer Superintelligenz. Nicht ein System, das Politik für uns löst, sondern Werkzeuge, die Bürger*innen, Abgeordnete und Institutionen dabei unterstützen, Realität schärfer wahrzunehmen, Abwägungen besser zu verstehen, Macht zu kontrollieren und wirksamer zu handeln.

Die historische Parallele ist für ihn der Buchdruck. Der Aufklärer Condorcet beschrieb, wie der Buchdruck Information billig und breit verfügbar machte und damit die Gesellschaft umgestaltete. KI, so Hall, mache nicht Information billig, sondern Intelligenz. Und wenn die Verbreitung von Information die Gesellschaft verändern konnte, dann sollte die Verbreitung von Intelligenz das noch tiefgreifender tun.

Hall baut ein Drei-Schichten-Modell: Die Informationsschicht – KI als Werkzeug für klügere Bürger*innen und effizientere Verwaltung. Forschung zeigt: Besser informierte Wähler*innen führen zu weniger parteigetriebenen Wahlentscheidungen und engagierteren Abgeordneten. Die Repräsentationsschicht – KI-Agenten, die als persönliche Delegierte im politischen Raum agieren: Gemeinderatssitzungen überwachen, Sozialleistungen beantragen, Regulierungsprozesse begleiten. Und die Governance-Schicht – die Frage, wer die Regeln schreibt, nach denen diese Systeme operieren.

Er benennt die Probleme offen. KI-Modelle haben politische Biases. Sie ziehen unzuverlässige Quellen heran. KI-Agenten zeigen „Preference Drift”, d.h. sie verändern ihre Haltung im Laufe der Arbeit. Sie lassen sich durch Umformulierungen manipulieren. Und das fundamentale Eigentumsproblem ist auch nicht gelöst. Denn „dein” KI-Agent gehört gar nicht dir, sondern dem Modell-Anbieter. Was passiert, wenn du deinen Agenten beauftragst, eine Beschwerde gegen genau das Unternehmen einzureichen, das das Modell betreibt? Könnte perspektivisch spannend werden.

Condorcet, der den Buchdruck feierte, wurde am Ende von den Revolutionären gejagt, die er selbst mitermächtigt hatte. Die Warnung steckt in der Geschichte mit drin: Neue Werkzeuge zur Verbreitung von Wissen können Demokraten ebenso dienen wie Tyrannen.

🧐 Wie ich das sehe: Ich schätze die Gedanken in diesem Text außerordentlich. Und zwar weil Hall eine positive, demokratische Vision formuliert. Nicht naiv, nicht techno-utopisch, aber mit klarem Blick auf die Schwierigkeiten. Er gehört zu den wenigen, die fragen: Wie können wir mit KI das Beste für uns als demokratische Gesellschaft herausholen? Das umtreibt mich und ich wünsche mir so viel mehr davon!

Die Idee politischer Superintelligenz zahlt direkt auf etwas ein, das mir eben sehr am Herzen liegt. Dass KI uns als Bürger*innen ermächtigen sollte statt uns zu ersetzen oder zu überwachen. Dass Demokratie davon profitieren könnte, wenn Menschen besser informiert sind, ihre Interessen wirksamer vertreten können und Institutionen responsiver werden. Und nicht das Gegenteil, so wie wir es gerade erleben.

Ja, die Probleme, die Hall benennt – Bias, Manipulation, die Eigentumsfrage – sind real und schwer lösbar. Aber er behandelt sie als Designprobleme, nicht als Totschlagargumente. Das ist die richtige Haltung. Wenn wir KI nur den Tech-Giganten und ihren ökonomischen Interessen überlassen, bekommen wir genau die Dystopie, die alle fürchten. Halls Vision zeigt, was möglich wäre, wenn wir die Kontrolle über diese Werkzeuge demokratisch organisieren. Das ist ambitioniert. Und unbedingt notwendig.

Weitere Kurzempfehlungen:

• Claude Mythos Is Everyone’s Problem (The Atlantic)
  Über Anthropics neues Modell Claude Mythos Preview – ein LLM, das schwerwiegende Sicherheitslücken in praktisch allen gängigen Betriebssystemen und Browsern finden kann – ist in den letzten zwei Wochen viel geschrieben und debattiert worden. Zu Recht. Ich möchte das Thema hier nicht zum x-ten Mal aufwärmen, sondern auf diesen klugen Text im Atlantic verweisen, der über die reine Nachrichtenlage hinausgeht. Matteo Wong ordnet ein, was es strukturell bedeutet, wenn eine Handvoll privater Unternehmen Fähigkeiten entwickelt, die bisher nur staatlichen Elite-Hackerzellen vorbehalten waren. Fähigkeiten, die Kriege beeinflussen, kritische Infrastruktur gefährden und die globale Machtbalance verschieben können. Das Modell wird vorerst nur einem Konsortium aus Apple, Microsoft, Google und Nvidia zur Verfügung gestellt. Aber die Frage, die Wong stellt, bleibt: Wer entscheidet demokratisch darüber, was mit solcher Macht passiert? Und was bedeutet es, wenn bald auch andere Unternehmen – womöglich weniger gewissenhaft – Vergleichbares bauen?

• Analysis Finds That Google’s AI Overviews Are Providing Misinformation at a Scale Possibly Unprecedented in the History of Human Civilization (Futurism)
  Google verarbeitet rund fünf Billionen Suchanfragen pro Jahr. Die KI-generierten Zusammenfassungen, die mittlerweile über den Suchergebnissen erscheinen, liefern laut einer Analyse in rund 9 % der Fälle falsche Antworten. Hochgerechnet sind das Hunderte Millionen Falschinformationen pro Tag. Besonders alarmierend: Studien zeigen, dass nur 8 % der Nutzenden KI-Antworten überhaupt überprüfen. Die Forscher*innen sprechen von „kognitiver Kapitulation". Google hat damit im Stillen eine Desinformationsmaschine in beispiellosem Ausmaß gebaut… aus der Logik heraus, dass „gut genug" reicht, wenn die Skalierung stimmt. Ein Paradebeispiel für das, was ich in meinem „Gut genug"-Essay beschrieben habe: Die Untergrenze wird zur Benchmark. Und Milliarden von Menschen sind die unfreiwilligen Teilnehmer*innen des Feldversuchs.

• Can Sam Altman Be Trusted? (New Yorker)
  Dieses Porträt von Sam Altman ist das umfassendste und investigativste Stück, das bisher über den OpenAI-CEO erschienen ist. Über 100 Interviews, erstmals offengelegte interne Memos (die sogenannten „Ilya Memos"), Amodeis private Notizen und eine schonungslose Rekonstruktion der Ereignisse rund um Altmans Entlassung und Rückkehr. Die Kernfrage: Kann einem Mann, der Sicherheitsversprechen macht und sie systematisch aufweicht, der Regulierung öffentlich begrüßt und im Hintergrund dagegen lobbyiert, und der die mächtigste Technologie der Geschichte steuert, vertraut werden? Unabhängig davon, wie man diese Frage beantwortet, wenn du die KI-Debatte ernst nimmst, musst du diesen Text gelesen haben.

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt

Für mich gibt es aus diesen Empfehlungen einen gemeinsamer Befund: Die KI-Debatte ist zu eng.

Nate Hagens zeigt, dass 50 Millionen Genies in einem Rechenzentrum auch einen Stoffwechsel haben… wir die biophysischen Grenzen aber systematisch ausblenden. Johannes Kleske zeigt, dass das „KI-Rennen” eine Erzählung ist, kein Naturgesetz… und dass wir in Europa gefangen sind in einem Framing, das uns gar nicht dient. Han Lee zeigt, dass die KI-Transformation in Unternehmen gerade die Strukturlogik des Großen Sprungs nach vorn repliziert… mit Top-down-Mandaten, aufgeblähten Zahlen und der Eliminierung genau jener Menschen, deren Wissen man bräuchte. Isabelle Hau zeigt, dass die nächste Revolution menschlicher Intelligenz nicht von Maschinen kommen könnte/sollte, sondern von unserer Fähigkeit, in echte Beziehungen zu investieren. Roberto Pieraccini zeigt, warum Innovation so oft scheitert… nicht an der Technik, sondern an der fehlenden Brücke zwischen Erfindung und Wirkung. Und Andy Hall zeigt, dass KI auch ein Werkzeug demokratischer Erneuerung sein könnte… wenn wir es aus der Kontrolle weniger Konzerne lösen.

Das sind für mich die Lücken, die bisher kein Modell schließt. Materielle, institutionelle, kulturelle und zwischenmenschliche Lücken. Wenn wir KI besser machen wollen, müssen wir zuerst die Welt besser verstehen, in die sie hineinwirkt. Das erfordert breitere Rahmen, andere Fragen und mehr Mut zur Verlangsamung dort, wo Beschleunigung schadet. Ich spreche das mal aus, obwohl das in vielen hype-getriebenen Kontexten gar nicht gerne gehört wird.

Um es mit Nate Hagens zu sagen: Vielleicht brauchen wir kein Land der Genies. Vielleicht brauchen wir ein Land der Ökologen. Menschen, die verstehen, wo sie stehen und was es heißt, Wissen weiterzugeben statt nur zu produzieren.

Danke, dass du dir dafür Zeit genommen hast, diesen Themenkomplex besser zu verstehen.

Und wie immer: Bleib’ dran!

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ - das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Willkommen bei #DRANBLEIBEN!

Ich schreibe diese Ausgabe von der deutschen Ostsee. Ein paar Tage Abstand vom Alltag, der in den letzten Wochen wieder mal zu voll war. Wind, Wasser, Weite. Und genau aus dieser Ruhe heraus wird manches klarer, was im Tagesgeschäft untergeht.

Diese Ausgabe ist wieder ein Reading Digest. Zu viele gute Texte sind in der letzten Wochen auf meinem Schreibtisch gelandet, als dass ich sie hätte liegen lassen können. Der nächste Denkanstoss kommt bald. Gerade im Thema KI arbeitet in mir vieles, das noch reifen muss. Aber heute geht es um Lektüre, die ich euch ans Herz legen will.

Was die Texte dieser Ausgabe verbindet, ist etwas, das ich an der Ostsee stärker spüre als am Schreibtisch in Köln. Es sind Dinge, die wir lieber nicht so genau anschauen. Die schleichende Selbstausbeutung durch KI-Tools, die uns produktiver machen sollen und uns stattdessen drohen den letzten Rest Pause zu rauben, wenn uns das richtige Bewusstsein fehlt. Ein Krieg in Europa, der in seinem vierten Jahr angekommen ist und immer weiter eskaliert, während wir ihn aus unseren Timelines verdrängt haben. Risse in unseren Arbeitsplätzen, die tiefer gehen als jeder Verhaltenskodex reicht. Eine Tech-Berichterstattung, die CEO-Fantasien ungeprüft als Nachrichten verkauft. Und die Frage, wer eigentlich die Richtung bestimmt, wenn die mächtigste Technologie unserer Zeit in den Händen von Menschen liegt, denen man nicht über den Weg trauen sollte.

Viele der Texte in dieser Ausgabe lassen sich nicht sauber in eine Kategorie einsortieren. Ein Artikel über Drohnenkrieg ist gleichzeitig ein Text über industrielle Trägheit. Eine Studie über politische Spannungen am Arbeitsplatz führt direkt zur Frage, was Arbeit in unserer Gesellschaft überhaupt bedeutet. Und ein Interview über KI-Boykott landet bei Atomwaffen und europäischer Souveränität. Überhaupt hat KI ganz viel mit Arbeit und Gesellschaft zu tun. Ich habe trotzdem drei Kategorien gebildet, weil es die Orientierung erleichtert. Aber die interessantesten Verbindungen verlaufen quer dazu. Das ist kein redaktionelles Problem. Es zeigt für ich einfach nur, wie eng Technologie, Politik und Arbeitswelt inzwischen verwoben sind.

Und was besonders wichtig für mich ist auf der Meta-Ebene: Keines dieser Themen ist bequem. Und genau deshalb gehören sie zusammen. Was sie verbindet, ist die Versuchung, wegzuschauen. Weil der Alltag laut genug ist. Weil es leichter ist, sich um den nächsten Sprint, den nächsten Quartalsbericht oder die nächste Deadline zu kümmern, als sich mit dem Zustand der Welt auseinanderzusetzen. Manchmal braucht es ein paar Tage Abstand und ein bisschen Meeresluft, um zu merken, wie viel wir gerade verdrängen. Diese Ausgabe ist mein Versuch, einiges davon sichtbar zu machen.

Viel Freude beim Lesen. Und wie immer freue ich mich über Rückmeldungen.

Herzliche Grüße von der Küste

André

Subscribe now

Empfehlungen aus dem Bereich Tech, KI & Digitales

AI Doesn’t Reduce Work—It Intensifies It

gelesen im Harvard Business Review - von Aruna Ranganathan und Xingqi Maggie Ye

Das Versprechen klingt seit Jahren gleich. KI entlastet, beschleunigt, befreit. Endlich Zeit für die wichtigen Dinge. Doch eine neue Studie aus dem HBR zeigt das Gegenteil. In einer achtmonatigen Untersuchung bei einem US-Tech-Unternehmen mit rund 200 Beschäftigten beobachteten die Forscherinnen Aruna Ranganathan und Xingqi Maggie Ye, wie generative KI den Arbeitsalltag nicht etwa entspannte, sondern systematisch verdichtete. Und zwar auf drei Ebenen. Erstens übernahmen Beschäftigte plötzlich Aufgaben, die vorher andere erledigten. Product Manager schrieben Code oder Researcher übernahmen Engineering-Tasks. Die KI senkte die Einstiegshürde, und die Leute griffen zu. Zweitens verschwammen die Grenzen zwischen Arbeit und Freizeit. Weil - wenn man es so will - ein Prompt so schnell getippt ist wie eine Chatnachricht, wurde die Mittagspause zur Arbeitsphase, der Feierabend zum „letzten schnellen Prompt”. Und drittens stieg das Multitasking. Mehrere KI-Agents parallel, ein Task hier, ein Output-Check dort, dazu die reguläre Arbeit. Das Gefühl von Produktivität war hoch. Die tatsächliche Belastung auch.

Das Resultat ist ein selbstverstärkender Kreislauf. KI beschleunigt einzelne Aufgaben. Das hebt dann die Erwartungen an Geschwindigkeit. Die höhere Geschwindigkeit macht abhängiger von KI. Die Abhängigkeit weitet den Aufgabenbereich aus. Der weitere Aufgabenbereich verdichtet die Arbeit weiter. Die Forscherinnen fassen es präzise zusammen: Ohne bewusste Gegensteuerung führe KI-gestützte Arbeit zur Intensivierung, zur kognitiven Überlastung und zu einem schleichenden Burnout-Risiko. Ein Ingenieur aus der Studie bringt es auf den Punkt. Es sagt, er habe gedacht, durch KI spare er Zeit und könne weniger arbeiten. Tatsächlich arbeite er gleich viel oder sogar mehr.

Wie ich das sehe:

Diese Studie ist ein Realitätscheck für alle, die KI primär als Produktivitätsversprechen verkaufen. Was hier beschrieben wird, ist eine ganz wichtige Logik des Systems, die wir auf dem Schirm haben müssen. Wenn etwas leichter wird, wird mehr davon gemacht. Das erinnert an das Jevons-Paradox aus der Energieökonomie. Der britische Ökonom William Stanley Jevons stellte 1865 fest, dass effizientere Dampfmaschinen den Kohleverbrauch nicht etwa senkten, sondern massiv steigerten. Weil die Effizienzgewinne den Einsatz ausweiteten. Mit KI und Arbeit passiert gerade etwas sehr Ähnliches.

Besonders kritisch finde ich den Befund, dass die Mehrarbeit freiwillig geschieht und deshalb von Führungskräften kaum bemerkt wird. Sie fliegt unter dem Radar, weil sie sich als Eigeninitiative tarnt. Das stellt neue und herausfordernde Aufgaben an Führung.

Und das hier ergänzt einen verwandten Befund, den eine Studie der Harvard Business School und BCG bereits 2023 beschrieben hat. Dort zeigte sich, dass KI zwar die individuelle Produktivität steigern kann, gleichzeitig aber die kollektive Innovationsfähigkeit senkt, wenn Menschen keine eigene kritisch-kreative Rolle mehr im Prozess einnehmen. Teams konvergieren auf ähnliche Lösungen. Die Ökonomie des Lernens verschiebt sich. Wenn eine brauchbar wirkende Idee in fünf Minuten steht, bezahlt kaum jemand mehr den Preis für das tiefere Verständnis, das nötig wäre, um sie wirklich zu beurteilen.

Die Frage ist für mich deshalb nicht, wie wir mehr Leute dazu bringen, KI zu nutzen. Es ist die Frage, was passiert, wenn sie es alle tun. Diese Studie gibt darauf eine ernüchternde Antwort. Wer KI in Organisationen einführt, ohne gleichzeitig über Rhythmus, Grenzen und menschliche Urteilskraft nachzudenken, bekommt keine Entlastung. Es wirkt eher wie eine Beschleunigungsspirale mit Verfallsdatum. Was auch immer noch kommt an technologischem Fortschritt, ich bin davon überzeugt, dass wir Menschen eine aktive Rolle in kreativen Prozessen brauchen. Die KI berechnet Wahrscheinlichkeiten. Wir sind diejenigen, die Ideen besonders machen, transformativ, berührend oder marktfähig. Es braucht zwei für kreative und herausragende Problemlösungen in den schnellen Märkten unserer Zeit. Wenn wir dieses Zusammenspiel aufgeben, verliert wir nicht nur Qualität. Wir verlieren auch die Fähigkeit, den Verfall überhaupt noch zu erkennen.

While this may sound like a dream come true for leaders, the changes brought about by enthusiastic AI adoption can be unsustainable, causing problems down the line. Once the excitement of experimenting fades, workers can find that their workload has quietly grown and feel stretched from juggling everything that’s suddenly on their plate. That workload creep can in turn lead to cognitive fatigue, burnout, and weakened decision-making. The productivity surge enjoyed at the beginning can give way to lower quality work, turnover, and other problems.

Gen Z Lives in the Archive

gelesen bei default.blog - von Katherine Dee und sam buntz

Was passiert mit einer Generation, die auf alles gleichzeitig zugreifen kann? Katherine Dee und sam buntz gehen in diesem Essay einer Frage nach und stellen eine These auf, die auf den ersten Blick kulturkritisch klingt, aber einen technologischen Kern hat. Streaming-Plattformen und TikTok hätten die kulturelle Zeitwahrnehmung so grundlegend verflacht, dass die Generation Z keinen generationellen Bezugspunkt mehr bilden könne. Alles sei verfügbar, alles gleichzeitig, alles gleich gewichtet. Miles Davis neben Taylor Swift neben Kate Bush neben Nirvana. Der Algorithmus kuratiere, aber er ordne nicht ein.

Sie argumentieren, dass Kultur historisch immer durch generationelle Ketten funktioniert habe: Dylan reagierte auf Woody Guthrie, Hemingway auf Joseph Conrad, Punk auf die Hippies. Jede Generation positionierte sich zu dem, was direkt vor ihr war. Diese Kette sei für die Gen Z gerissen. Wer auf alles gleichzeitig reagieren müsse, reagiere auf nichts. Das Ergebnis sei eine Generation, die im digitalen Archiv lebe, oder besser, die darin gefangen sei. Spotify-Daten stützen das tatsächlich. Gen Z hört ungewöhnlich breit und tief in die Vergangenheit hinein. Wohl auch weil der Algorithmus keinen Unterschied zwischen 1975 und 2025 macht.

Das hat Konsequenzen, die über Musikgeschmack hinausgehen. Die beiden zitieren Cormac McCarthy mit einer beunruhigenden Beobachtung. Wenn es statt einer Handvoll griechischer Dramen Tausende gäbe, wären sie noch so gut? Die schiere Masse entwertee. Das Internet konserviere alles und gewichtee nichts. Die Folge sei eine Generation, die in der Auswahl erstarrt, die kuratiert statt kreiert, die Ästhetiken vergangener Jahrzehnte übernimmt, ohne einen eigenen kulturellen Impuls zu setzen.

Wie ich das sehe:

Hier wird eine Dynamik beschreiben, die ich sehr bedeutsam finde und die weit über Musik hinausreicht. Was buntz für die Kultur diagnostiziert, erleben wir im Digitalen ja überall. Algorithmische Gleichzeitigkeit zerstört Hierarchien. Das klingt erst mal demokratisch. Aber es zerstört auch Orientierung. Wenn alles gleich verfügbar ist, fehlt der Maßstab. Das betrifft Musik genauso wie Nachrichten, Wissen oder politische Positionen. Darauf müssen wir Antworten finden.

Der Text hat aus meiner Sicht aber auch einen blinden Fleck. Die Co-Autorin Katherine Dee, hält dagegen, dass Kultur sich eben in neuen Formen ausdrücke, die wir noch nicht erkennen. TikTok als digitales Vaudeville, ästhetische Kuration als eigenständige Kunstform. Das ist ein fairer Einwand. Aber er ändert für mich wenig an buntz’ Kernpunkt. Wo die Kette der Einflüsse reißt, entsteht kein Vakuum. Es entsteht Beliebigkeit. Und Beliebigkeit ist der beste Nährboden für Algorithmen, die uns dann sagen, was wir mögen sollen. Wenn du dich für die Frage interessierst, was Technologie mit unserer Wahrnehmung von Zeit, Relevanz und Bedeutung macht, findest hier einen ungewöhnlichen und lohnenden Denkanstoß.

“CEO Said A Thing!” Journalism

von Karl Bode

Der Journalist Karl Bode prägt hier einen Begriff, der sofort sitzt: „CEO said a thing!” Journalism. Gemeint ist eine journalistische Praxis, bei der Aussagen von Wirtschaftsführer*innen ohne jede Einordnung, ohne Kontext, ohne Gegenposition und ohne Nachprüfung veröffentlicht werden. Elon Musk sagt, Roboterchirurgen kommen in drei Jahren? CEO said a thing! Sam Altman prophezeit Superintelligenz noch dieses Jahr? CEO said a thing! Mark Zuckerberg erklärt, ohne KI-Brille sei man kognitiv benachteiligt? CEO said a thing!

Bode dokumentiert das Phänomen mit Screenshots, die für sich sprechen:.Fortune, Forbes, Business Insider, CNBC, Axios… alle bringen dieselbe Musk-Aussage, keine stellt sie in Frage. Kein Verweis auf gebrochene Versprechen (Beatmungsgeräte, Flint, DOGE), keine externe Expertise, kein Realitätscheck. Die CEO-Aussage existiere in einem „magischen Vakuum”, sagt Bode. Er formuliert sarkastische Regeln für diese Art von Journalismus. Niemals die Aussage hinterfragen. Niemals historischen Kontext liefern. Niemals eine unabhängige Stimme einholen. Und niemals prüfen, ob die Vorhersage dann auch irgendwann eingetroffen ist.

Seine Diagnose ist strukturell und sie ist enorm wichtig für unsere Zeit. Konsolidierte US-Medien funktionierten zunehmend als Verlängerung von Unternehmens-PR. Als „Fan-Fiction für MBAs”, geschrieben, um Werbekunden und Sponsoren nicht zu vergrätzen. Das Resultat sei ein journalistisches Simulakrum, das wie Journalismus aussehe, aber kein Interesse an Wahrheit habe.

Wie ich das sehe:

Bode ist polemisch, keine Frage. Aber sein Punkt ist für mich präzise und überprüfbar. Wenn man das Muster einmal erkannt hat, sieht man es überall. Es ist wirklich überall. Und es beschränkt sich keineswegs auf die USA. Auch in der deutschsprachigen Berichterstattung werden Aussagen von Tech-CEOs regelmäßig als Nachricht verpackt, obwohl sie nichts als Produktmarketing sind. Wenn ein CEO ankündigt, KI werde in zwei Jahren die Hälfte der Jobs ersetzen, ist das keine Nachricht. Es ist eine Behauptung mit Geschäftsinteresse. Journalismus wäre, sie zu prüfen.

Wenn du dich für eine tiefere Auseinandersetzung mit dem Zustand der Tech-Berichterstattung interessierst, dem empfehle ich dir die letzte Folge meines Podcasts Code & Konsequenz, in der ich genau das durchleuchte (eine neue Folge haben Lelia und ich übrigens diese Woche aufgenommen… Post-Production läuft). Aufklärung oder Applaus… das ist die Frage, die sich Tech-Journalismus heute stellen muss. Bodes Text liefert die Antwort für einen erschreckend großen Teil der Branche.

Dieser Text passt gut in diese Ausgabe, weil er ein Problem benennt, das die KI-Debatte massiv verzerrt. Einen erheblichen Teil dessen, was wir über KI „wissen”, wissen wir aus ungeprüften CEO-Aussagen. Das prägt Erwartungen, politische Entscheidungen und Investitionsströme. Wer das Phänomen einmal erkannt hat, kann es nicht mehr übersehen.

Empfehlungen aus dem Bereich Politik

The new world war: Why the battle for Iran and Ukraine is coming for us all

gelesen im NewStatesman - von Will Lloyd

Will Lloyd, politischer Korrespondent des NewStatesman, hat einen der eindrücklichsten Texte über den Ukraine-Krieg geschrieben, die ich in den letzten Monaten gelesen habe. Kein Strategiepapier, kein Kommentar aus der Distanz. Lloyd war im Februar 2026 in Kyiv und Kharkiv, bei minus 21 Grad, in zerschossenen Wohnblocks und an Trainingsgeländen nahe der Frontlinie. Was er mitbringt, ist ein Bild, das in der europäischen Öffentlichkeit kaum noch vorkommt. Weil wir uns schon so daran gewöhnt haben, wegzuschauen.

Der ukrainische Autor und Soldat Oleksandr Mykhed sagt Lloyd bei einem Treffen in Kyiv einen Satz, der den ganzen Text trägt. Die Menschen im Westen hielten das hier für den dritten Akt. Dabei sei es der erste. Lloyd beschreibt ein Land, das sich in vier Jahren Krieg fundamental transformiert hat. Die Bevölkerung ist laut britischen Schätzungen von über 40 Millionen auf rund 20 Millionen geschrumpft. Kinder lernen unterirdisch. Alte Menschen erfrieren in ihren Wohnungen. An der Front jagen Männer einander mit FPV-Drohnen durch zerstörte Wälder. Und über den Straßen hängen Fischernetze als Drohnenschutz, in denen tote Krähen gefrieren.

Lloyd zeigt dabei auch die innere Veränderung der ukrainischen Gesellschaft. Die 3. Separate Sturmbrigade, eine Freiwilligenformation mit ultranationalistischen Wurzeln, gehört zu den am meisten bewunderten Einheiten des Landes. Ihre Soldaten sind Software-Entwickler, Ingenieure und Drohnenoperateure, tragen Kosakenfrisuren und nordische Runen-Tattoos. Sie verteidigen die liberale europäische Ordnung mit Methoden und einer Ästhetik, die in Europa Unbehagen auslösen würde.

Der geopolitische Bogen reicht von der Ukraine über den Iran-Krieg bis nach Europa. Die Shahed-Drohnen, die Ukrainer seit vier Jahren kennen, schlagen jetzt im Persischen Golf ein. Munitionsvorräte westlicher Luftabwehr sind zunehmend erschöpft, von Kyiv bis Abu Dhabi. Und wir in Europa, so Lloyds Diagnose, stünden vor einer Sicherheitsrealität, die wir weder verstünden noch vorbereiteten.

Wie ich das sehe:

Was mich am meisten beschäftigt, ist die Kluft zwischen der Erschöpfung, die Lloyd in der Ukraine beobachtet und beschreibt, und der Gleichgültigkeit, die in weiten Teilen Europas herrscht. Die „Zeitenwende” von 2022 hat Energie freigesetzt. Diese Energie scheint verbraucht. Was geblieben ist, sind Rüstungsbudgets und Sonntagsreden, aber kaum ein ehrliche Gespräche darüber, was dieser Krieg für uns bedeutet. Mykhed hat recht. Wir tun so, als sei das fast vorbei. Dabei fängt es gerade erst an, auch für uns.

Gerade finden die Ostermärsche statt. Ich verstehe den Wunsch dahinter, und er ist auch meiner. In Frieden zu leben ist kein naiver Wunsch. Es ist der grundlegendste überhaupt. Aber die Forderung nach Frieden wird naiv, wenn sie die Augen vor dem verschließt, was gerade passiert. Vor einem Vernichtungskrieg ein paar Autostunden von Berlin entfernt. Vor iranischen Shahed-Drohnen, die jetzt auch in ihrer Heimt, im Persischen Golf treffen. Vor einer Sicherheitsarchitektur, die an allen Fronten gleichzeitig erodiert. Frieden fordern, ohne diese Realität mitzudenken, ist Verdrängung. Und Verdrängung war in meinen Augen noch nie eine Friedensstrategie.

Wir haben es nicht mit einer fernen Dystopie zu tun. Das ist Europa, jetzt. Und wie Simon Shuster im nächsten Text zeigt, baut Europa derweil weiter Panzer, die auf genau diesen Schlachtfeldern wohl in Minuten zerstört werden. Während eine Troll-Regierung in Washington ihren angezettelten Krieg mit Memes kommentiert, wie Adam Bumas dokumentiert.

Ich habe diese drei Texte bewusst zusammengestellt, weil sie zusammen ein Bild ergeben, das man einzeln verdrängen kann. Zusammen geht das nicht mehr. Und genau das ist der Punkt.

Building Tanks While the Ukrainians Master Drones

gelesen im Atlantic - von Simon Shuster

Simon Shuster, preisgekrönter Osteuropa-Korrespondent des Atlantic und Autor einer Zelensky-Biografie, hat Rheinmetall besucht. Europas größten Rüstungskonzern, in Unterlüß bei Hannover. Was er dort gefunden hat, ist eine Geschichte über industrielle Trägheit, die direkter kaum sein könnte.

Rheinmetall-CEO Armin Papperger empfängt Shuster mit Polizeischutz. Russland hat ihn 2024 auf eine Todesliste gesetzt. Was Papperger nicht hat, ist Respekt vor ukrainischen Drohnen. Als Shuster ihn auf die Waffe anspricht, die russische Panzer zu Hunderten zerstört hat, winkt Papperger ab. Das sei wie Lego spielen. Das seien ukrainische Hausfrauen mit 3D-Druckern in der Küche. Das sei keine Innovation.

Die Zahlen sprechen eine andere Sprache. Die Ukraine produzierte 2023 weniger als 150.000 Drohnen. 2024 waren es über eine Million. 2025 vier Millionen. Für dieses Jahr wird eine Verdopplung erwartet. Ukrainische Drohnen haben eine „Kill Zone” an der Front geschaffen, 30 bis 50 Kilometer breit, in der sich kaum noch etwas bewegen kann. Russische Soldaten rücken inzwischen zu Fuß vor, auf Motorrädern, E-Scootern, manchmal auf Pferden. Alles besser als ein Panzer, der für eine Drohne zu 400 Dollar eine leichte Beute ist.

Trotzdem boomen die Panzerbestellungen. Rheinmetalls Aktienkurs hat sich seit 2022 verfünfzehnfacht. Der Auftragsbestand soll bis Ende 2026 auf 135 Milliarden Euro steigen. NATOs neues Ausgabenziel von fünf Prozent des BIP begünstigt teure „exquisite” Waffensysteme. Billige Drohnen bewegen die Nadel bei solchen Budgetzielen kaum. Und bürokratische Zertifizierungshürden halten ukrainische Hersteller vom europäischen Markt fern. Jede Materialänderung an einem deutschen Panzerrohr braucht mindestens ein Jahr Zertifizierung. Papperger weiß das. Es schützt sein Geschäftsmodell.

Wie ich das sehe:

Shuster hat hier ein Stück geschrieben, das weit über Rüstungspolitik hinausgeht. Es ist eine Parabel über institutionelle Blindheit. Ein CEO eines Unternehmens, das von der Zeitenwende profitiert wie kaum ein anderes, weigert sich, die eigentliche Zeitenwende zu sehen. Ukrainische Drohnenteams haben bei NATO-Übungen im Mai 17 gepanzerte Fahrzeuge in wenigen Stunden ausgeschaltet. Der Kommandeur der ukrainischen Drohnenstreitkräfte sagte, vier seiner Teams bräuchten 15 Minuten für ein neues Pearl Harbor. Und Papperger baut weiter Panzer.

Ich muss an dieser Stelle deutlich werden, auch wenn es starke Sprache ist. Was Papperger hier demonstriert, ist für mich der Inbegriff eines Alter-weißer-Mann-Wirtschaftens, das mich fassungslos macht. Diese Mischung aus Selbstgewissheit, Herablassung und strategischer Blindheit, verpackt in die Autorität eines Milliardenkonzerns. Er nennt die Drohnenproduktion Lego-Spielen. Er verspottet die Menschen, die diese Waffen herstellen, als „ukrainische Hausfrauen mit 3D-Druckern in der Küche”. Und er tut das in einem Moment, in dem genau diese Technologie die Kriegsführung revolutioniert hat und sein eigenes Geschäftsmodell empirisch widerlegt.

Wenn ich mir dann diesen kurzen Interviewausschnitt mit Iryna Terekh ansehe, der 34-jährigen CTO von Fire Point, einem der erfolgreichsten ukrainischen Drohnenhersteller, dann weiß ich, wen ich lieber in solchen Positionen sehe. Terekh ist eine der „Hausfrauen”, über die Papperger sich lustig macht. Sie leitet ein Unternehmen, das Hunderttausende Drohnen pro Monat für die ukrainischen Streitkräfte produziert. Sie wäre vermutlich in jedem Tech-Unternehmen in Paris, London oder München erfolgreich. Und sie repräsentiert genau das Gegenteil von dem, was Papperger verkörpert. Geschwindigkeit statt Beharrung. Pragmatismus statt Bürokratie. Innovation aus Notwendigkeit statt Besitzstandswahrung aus Gewohnheit.

Das ist kein deutsches Problem allein. Es ist ein systemisches. Europa rüstet auf, aber in die Kategorien des letzten Krieges. Die Milliarden fließen in Systeme, deren Verwundbarkeit auf dem Schlachtfeld täglich bewiesen wird. Und die Unternehmen, die davon profitieren, haben keinen Anreiz, das zu ändern. Selbst in einem Thema, das so sensibel und heikel ist wie Rüstungspolitik, wünsche ich mir, dass wir da mit einem anderen Mindset rangehen. Dass wir diese elitär verkrusteten, rückwärtsgewandten Denkmuster erkennen, benennen und durchbrechen. Oleksandr Kamyshin, der ukrainische Rüstungsverantwortliche, bringt es auf eine einfache Formel. Die Ukraine werde nie so viele Panzer und Granaten produzieren wie Russland. Also müsse sie die Strategie ändern. Weniger Panzer, mehr Drohnen. Eigentlich eine offensichtliche Entscheidung. Eigentlich.

We’ve Shitposted Our Way Into World War III

gelesen bei Gargabe Day - von Adam Bumas

Adam Bumas schreibt hier über ein Phänomen, das schwer in Worte zu fassen ist, weil es absichtlich jede Ernsthaftigkeit unterläuft. Die Trump-Administration führt Krieg gegen den Iran und kommentiert ihn mit Yu-Gi-Oh-Memes, Halo-Fancams und Pokémon-Referenzen auf offiziellen Regierungskanälen. Das entscheidende ist, dass das keine Form von Kommunikationsversagen ist. Es ist eine ganz bwusst eingesetzte Methode.

Bumas rekonstruiert die Logik dahinter. Trolling im klassischen Sinne lebt von Ironie und Distanz. Aber in einer Aufmerksamkeitsökonomie, in der Reichweite Geld bedeutet, lässt sich Ironie nicht mehr aufrechterhalten. Die einzige Instanz, die heute noch ernsthaft trollen kann, ist eine, von der man seriöses Verhalten erwartet. Die US-Regierung erfüllt diese Bedingung perfekt. Und nutzt sie aus. Widersprüchliche Aussagen über Kriegsziele sind kein „mixed messaging”. Sie sind der Kern der Strategie. Wer den Widerspruch ernst nimmt, hat verloren. Wer ihn ignoriert, auch.

Verteidigungsminister Pete Hegseth sagt, dies sei kein Regimewechsel-Krieg, aber das Regime habe sich schon verändert. Trump sagt auf die Frage nach den nächsten Schritten nur, man solle das mit dem „next” mal vergessen. Fox News zeigt alte Aufnahmen von Trump beim Salut für gefallene Soldaten, damit sie nicht die aktuelle Version zeigen müssen, bei der seine Mütze im Weg ist. Bumas’ Analyse fasst es präzise. Wer einmal anfängt zu trollen, kann nichts mehr ernst nehmen. Auch sich selbst nicht. Sonst ist man derjenige, der verliert.

Wie ich das sehe:

Das hier fällt mir sehr schwer auszuhalten. Was Bumas beschreibt, ist die logische Endstation einer Entwicklung, die Ryan Broderick bei Garbage Day seit Jahren dokumentiert. Die Plattformen der 2010er Jahre haben Aufmerksamkeit zur Währung gemacht. Popularität wurde transaktional. Podcaster wie Joe Rogan oder Theo Von haben Trump in ihre Shows geholt, weil er Klicks brachte. Sie hatten keinen größeren Gedanken dabei. Jetzt stellen dieselben Podcaster fest, dass Trump tatsächlich tut, was er angekündigt hat. Und sind überrascht.

Was wir hier sehen, ist auch auch das Ergebnis einer Strategie, über die ich in #DRANBLEIBEN Ausgabe 150 ausführlich geschrieben hatte.

Faschistische Bewegungen bringen gezielt die fragwürdigsten, unfähigsten, toxischsten aber loyalsten Vertreter ihrer Ideologie in die Macht. In diesem Fall Vertreter der Manosphere und der Influencer-Szene in politische Ämter und Verwaltungspositionen. Pete Hegseth war Fox-News-Moderator, bevor er Verteidigungsminister wurde. Die Leute an den “Send”-Buttons des Pentagon sind in 4Chan aufgewachsen. Das alles ist kein Zufall und kein Versehen. Das ist die methodische Verschmelzung von Aufmerksamkeitsökonomie und Staatsgewalt. Und wir können sie jetzt live und in einer extrem unappetitlichen Art und Weise in Aktion beobachten.

Die Pointe, die Bumas herausarbeitet, ist bitter. Die Tech-Plattformen haben eine komplett neue, deutlich schlechtere Kulturproduktion geschaffen. Ein Universum, in dem Aufmerksamkeit an Zahlen gemessen wird, die nichts anderes abbilden als passive Bildschirmzeit. Ich glaube, man kann spätestens jetzt mit Gewissheit feststellen, dass die Konservativen in den USA diese künstliche Realität vollständig übernommen haben. Sie glauben, man könne Aufmerksamkeit horten und monopolisieren wie eine Ressource. Man könne die dümmsten Leute finden, sie die dümmsten Inhalte aus den wichtigsten Institutionen senden lassen, und die Algorithmen würden den Rest erledigen. Das funktioniert, bis zu dem Moment, in dem alle merken, dass es nie funktioniert hat.

Ob man einen Krieg mit Memes führen kann, während die Benzinpreise auf fünf, vielleicht irgendwann zehn Dollar pro Gallone steigen und Amerikaner in größerer Zahl im Ausland sterben? Die Antwort wird gerade in Echtzeit geschrieben.

Empfehlungen aus dem Bereich Gesellschaft, Wirtschaft, Arbeit

Gesellschaftspolitische Spannungen am Arbeitsplatz

gelesen beim Institut der Deutschen Wirtschaft - von Matthias Diermeier, Konrad Doliesen und Andrea Hammermann

Unternehmen sind keine politikfreien Räume mehr. Das ist der zentrale Befund einer neuen Studie des Instituts der deutschen Wirtschaft, die auf zwei umfangreichen Befragungen basiert. 826 Unternehmen und knapp 5.000 Beschäftigte wurden befragt. Die Ergebnisse sind eindeutig. Vier von fünf Beschäftigten erleben gesellschaftspolitische Diskussionen am Arbeitsplatz zumindest gelegentlich. Nur fünf Prozent der Personalverantwortlichen nehmen solche Gespräche überhaupt nicht wahr. In 44 Prozent der Unternehmen werden alle sieben abgefragten Themenfelder zumindest gelegentlich besprochen, von internationaler Politik über Migration bis hin zu Rassismus und Antisemitismus.

Besonders aufschlussreich sind die regionalen Unterschiede. In Ostdeutschland dominieren Migration, Demokratieverständnis und die Spaltung der Parteienlandschaft. Im Westen steht Klimapolitik etwas höher auf der Agenda. Gleichzeitig zeigt die Studie, dass diese Differenz zu großen Teilen auf unterschiedliche Branchenstrukturen und Unternehmensgrößen zurückgeht, weniger auf eine spezifisch ost- oder westdeutsche Diskussionskultur.

Die gute Nachricht auf den ersten Blick: Das Betriebsklima leidet in der Mehrheit der Fälle nicht. Mehr als die Hälfte der Personalverantwortlichen bewertet die Diskussionen als neutral, ein Viertel sogar als förderlich. Spannungen und Ausgrenzung bleiben bislang wohl die Ausnahme. Aber der entscheidende Faktor ist die wirtschaftliche Lage. Dort, wo Beschäftigte sich Sorgen um ihren Arbeitsplatz machen, verdoppeln sich die negativen Effekte gesellschaftspolitischer Debatten auf das Betriebsklima nahezu. Wirtschaftliche Unsicherheit wirkt als Konfliktkatalysator weit über ökonomische Fragen hinaus.

Ein Befund hat mich besonders aufmerken lassen. Die Jüngsten in der Belegschaft, die unter 30-Jährigen, halten sich in politischen Diskussionen am häufigsten zurück. Gleichzeitig wünschen sich gerade die jungen Männer unter ihnen am stärksten, dass ihre Führungskraft eingreift, um Spannungen zu moderieren. 30 Prozent von ihnen äußern diesen Wunsch, bei den über 55-Jährigen ist es nur jeder Achte. Das ist ein Signal, das Führungskräfte ernst nehmen sollten. Zurückhaltung heißt hier nicht Desinteresse… es heißt Überforderung.

Und der Blick nach vorne macht es nicht gemütlicher. 60 Prozent der Personalverantwortlichen erwarten, dass die politischen Diskussionen in den nächsten fünf Jahren zunehmen werden. Weniger als zwei Prozent rechnen mit Entspannung. Nicht einmal jedes zweite Unternehmen fühlt sich darauf gut vorbereitet.

Wie ich das sehe:

Diese Studie bestätigt empirisch, was glaube ich viele spüren, aber nicht so viele benennen. Der Arbeitsplatz ist einer der letzten Orte, an denen sich Menschen mit grundverschiedenen politischen Überzeugungen überhaupt noch persönlich begegnen. In einer Gesellschaft, die sich zunehmend in digitale Echokammern zurückzieht, ist das Büro, die Werkshalle, die Bäckertheke manchmal der einzige Ort, an dem ein AfD-Wähler und eine Grünen-Wählerin dasselbe Mittagessen teilen.

Das ist eine Chance, aber auch eine Zumutung. Und es stellt Führungskräfte vor eine Aufgabe, auf die sie kaum vorbereitet sind. Die IW-Studie zeigt, dass fast 60 Prozent der Unternehmen auf Teambuilding setzen, knapp die Hälfte hat eine Anlaufstelle für Konflikte eingerichtet. Das sind sinnvolle Maßnahmen. Aber sie greifen zu kurz, wenn die wirtschaftliche Grundlage wankt. Denn der härteste Befund dieser Studie lautet, dass wirtschaftliche Stabilität die beste Konfliktprävention sei. Und wirtschaftliche Verunsicherung ist der schnellste Weg, gesellschaftspolitische Spannungen eskalieren zu lassen. Wer das zusammendenkt mit dem Transformationsdruck in der Industrie, mit den Standortfragen und den geopolitischen Verwerfungen, die auch diese Ausgabe durchziehen, sieht die eigentliche Sprengkraft.

Wenn du meine Ausgabe #167 gelesen hast, erinnerst du dich vielleicht an den Befund, dass jedes zweite Unternehmen angibt, sich gegen Rechtsaußen zu positionieren, den Mitarbeitenden dieses Engagement aber nur in seltenen Fällen bekannt ist. Diese IW-Studie unterstreicht das. Haltung, die intern nicht ankommt, ist keine Haltung. Wer ernsthaft will, dass der Arbeitsplatz ein demokratischer Erfahrungsraum bleibt, muss dafür sorgen, dass Menschen dort den Mut haben, sich zu äußern. Und dass Führungskräfte wissen, was sie tun, wenn es schwierig wird.

Work has never been neutral

gelesen bei TheWorkplaceStrategist - von Corinne Murray

Wer du nach der IW-Studie denkst, das Problem lasse sich mit Verhaltenskodizes und Teambuilding lösen, dann empfehle ich dir Corinne Murrays Text. Murray, Autorin des Buches WORK then PLACE und eine der profiliertesten Stimmen in der US-amerikanischen Workplace-Debatte, geht einen Schritt zurück, den die meisten Analysen zum Thema Arbeit nicht gehen. Ihre These: Arbeit war nie neutral. Unsere Vorstellung, dass der Arbeitsplatz ein unpolitischer Raum sei, sei selbst ein Produkt von Machtsystemen. Die Kopplung von Existenzsicherung an Erwerbsarbeit sei kein Naturgesetz. Sie sei ein gezielt konstruiertes Ergebnis, das den Zugang zu Wohnung, Gesundheitsversorgung, Nahrung und Sicherheit an die Teilnahme am Arbeitsmarkt bindet.

Murray beschreibt den aktuellen Zustand der US-Arbeitswelt als ein System, dessen Verwerfungen keine Ausnahmen darstellen, vielmehr offen eingebaute Eigenschaften. Burnout-Raten steigen jährlich. Die Generation Z findet keine Einstiegsjobs. Eltern, vor allem Mütter, verlassen den Arbeitsmarkt wegen fehlender Kinderbetreuung und Rückkehr-ins-Büro-Mandaten. Ältere Menschen arbeiten im Einzelhandel, um ihre Rente aufzubessern. All das geschieht, während die Vermögensungleichheit zwischen Milliardären und dem Rest der Bevölkerung größer ist als im Gilded Age. Das seien keine isolierten Krisen. Das seien Merkmale eines Systems, das genau so funktioniert, wie es gebaut wurde.

Was Murray fordert, ist eine Auseinandersetzung mit den ideologischen Wurzeln dieser Zustände. Mit religiösen und säkularen Überzeugungen, die Produktivität als Tugend definieren, Leiden als Notwendigkeit und Wert als etwas, das nur durch Leistung verdient werden kann. Wenn eine bessere Zukunft der Arbeit möglich gewesen wäre, ohne diese Grundlagen zu hinterfragen, warum sind wir dann noch nicht dort? Stattdessen, so Murray, hätten wir immer wieder nur die Oberfläche umgestaltet und umbenannt, während die darunter liegenden Überzeugungen unangetastet blieben. Das garantiere, dass sich dieselben Ergebnisse unter neuem Namen wiederholen.

Wie ich das sehe:

Dieser Text ist für mich ein Auftakt, aber noch kein fertiger Befund. Murray kündigt an, diesen Faden in den kommenden Ausgaben ihres Newsletters weiterzuziehen. Aber gerade als Auftakt hat er doch einiges Gewicht. Denn sie stellt die Frage, die mir in der deutschen Debatte über politische Spannungen am Arbeitsplatz sehr fehlt. Ob das Problem überhaupt in den Diskussionen liegt, die am Arbeitsplatz geführt werden. Oder ob es in den Strukturen liegt, die diesen Arbeitsplatz erst zu dem gemacht haben, was er ist.

Murrays Perspektive ist dabei bewusst amerikanisch und von der Erfahrung eines Landes geprägt, in dem Krankenversicherung, Altersvorsorge und Existenzsicherung unmittelbar an Erwerbsarbeit geknüpft sind. In Europa haben wir stärkere Sicherungsnetze. Aber die Grundlogik, dass der Wert eines Menschen an seiner Produktivität gemessen wird, wirkt auch hier bei uns. Und sie wirkt besonders dort, wo wirtschaftliche Verunsicherung um sich greift. Genau das zeigt die IW-Studie für Deutschland. Wenn Beschäftigte um ihren Job fürchten, eskalieren gesellschaftspolitische Konflikte. Murray würde sagen, das sei kein Zufall. Das sei das System, das wie vorgesehen funktioniert.

Wer die IW-Daten liest und sich fragt, warum wirtschaftliche Unsicherheit so zuverlässig als Konfliktkatalysator wirkt, findet bei Murray den Anfang einer strukturellen Antwort.

The way modern work functions—and what it demands of us—is a byproduct of our cultural and moral frameworks. Underneath all of what we see playing out in our daily lives lies deep-seated religious and secular ideologies that define productivity as a virtue, suffering as a necessity, and worth as something that can only be earned through effort and performance.

If a better future were possible without confronting the depths and power of these systems, we would have arrived in it already. Instead, we’ve only redesigned and rebranded the surface features while leaving the underlying beliefs untouched and unexamined–guaranteeing that the same old outcomes will play out under a different name.

Wir könnten eine Welt schaffen, in der alle zu Vermögenden werden

gelesen in der Zeit - Interview mit Rutger Bregman, geführt von Jakob von Lindern und Martin Hogger

Rutger Bregman ist Historiker, Bestseller-Autor von Utopien für Realisten und Im Grunde gut, und einer der bekanntesten öffentlichen Intellektuellen der Niederlande. In diesem ausführlichen ZEIT-Interview wird er zu dem, was er am besten kann und was ihn gleichzeitig am angreifbarsten macht: große Bögen spannen, unbequeme Positionen einnehmen und dabei eine Dringlichkeit ausstrahlen, die mitreißt, auch wenn man nicht alles unterschreibt. Ich zumindest nicht… aber dazu mehr später.

Bregmans Ausgangspunkt ist ein Boykottaufruf gegen OpenAI und ChatGPT, den er unterstützt und für den er Prominente von Mark Ruffalo bis Katy Perry geworben hat. Mehr als viereinhalb Millionen Menschen hätten sich angeschlossen. Die Begründung ist nicht technikfeindlich. Bregman nutzt selbst KI intensiv, baut mit Claude Code Apps und beschreibt die Technologie als die mächtigste, die er in seinem Leben gesehen habe. Sein Problem sei nicht die KI. Sein Problem seien die Leute, die sie kontrollieren (und yes, genauso geht es mir auch; siehe auch #DRANBLEIBEN Ausgabe 181). Sam Altmans OpenAI habe sich vom Non-Profit zur Lobby-Maschine gewandelt. Greg Brockman, OpenAIs Präsident, sei mit 25 Millionen Dollar einer der größten Trump-Spender. Und die Lobbygruppe Leading the Future versuche mit 125 Millionen Dollar, jeden Politiker zu stürzen, der KI regulieren wolle.

Von dort aus wird sein Beitrag grundsätzlich. Bregman argumentiert historisch. Jede transformative Technologie verändere das Machtgefüge. Die Frage sei, wer die Richtung bestimme. Und wenn die Alternative laute, dass ein faschistisches Regime in den USA und einige wenige Soziopathen an der Spitze der mächtigsten Unternehmen der Geschichte diese Richtung vorgeben, dann sei er lieber Maschinenstürmer. Seine Utopie formuliert er in einem Satz, der den Titel des Interviews liefert. Der Wert der KI sei die Summe von Jahrtausenden menschlicher Leistungen. Allein die Tatsache, ein Mensch zu sein, sollte das Recht geben, von diesem Erbe zu profitieren.

Dann wird es provokant. Bregman zieht dabei auch Schlüsse aus genau den sicherheitspolitischen Bedrohungen, die diese Ausgabe im Politik-Block durchziehen. Wenn Europa wirklich der Kontinent der Demokratie und Menschenrechte sein wolle, müsse es seine Macht ausbauen. Seine Armee, seine Verteidigung. Er fordert, dass Deutschland und Polen Atomwaffen bauen. Er will, dass Europa versucht, Anthropic als Unternehmen abzuwerben, um technologische Souveränität mit ethischer Glaubwürdigkeit zu verbinden (die ethische Glaubwürdigkeit von Anthropic darf aber bezweifelt werden aus meiner Sicht). Er sieht Europa auf „Alarmstufe fünf" und die sozialdemokratische Ordnung in akuter Gefahr. Werte ohne Macht, so Bregman, seien nichts. Die Briten hätten den Kampf gegen die Sklaverei nur anführen können, weil sie die Royal Navy hatten. Die liberale Nachkriegsordnung habe auf amerikanischer Hegemonie beruht. Wenn diese Ordnung verschwinde, werde man sie schmerzlich vermissen. Die Interviewer haken nach, ob das nicht widersprüchlich sei, gleichzeitig KI bremsen und Europa ins KI-Rennen schicken zu wollen. Bregman gibt den Widerspruch zu, löst ihn aber nicht auf.

Wie ich das sehe:

Aus meiner Sicht ist Bregman brillant im Rahmen-Setzen. Die Verbindungslinie von der industriellen Revolution über die Abstinenzbewegung bis zum QuitGPT-Boykott ist gewagt, aber sie funktioniert durchaus als Denkfigur. Sein Kernpunkt, dass Werte ohne Macht wertlos seien, trifft einen Nerv, gerade in Europa. Und seine Beobachtung, dass Peter Thiel in der New York Times sieben Sekunden brauchte, um zu sagen, dass er das Überleben der Menschheit für wünschenswert halte, ist eine dieser Anekdoten, die mehr sagen als jede Analyse.

Gleichzeitig muss man bei Bregman aufpassen. Der Anthropic-nach-Europa-Vorschlag ist charmant, aber unrealistisch. Die Atomwaffen-Forderung ist als Provokation gemeint und wird als solche auch verstanden, aber sie simplifiziert eine Debatte, die viel mehr Differenzierung verdient. Und der QuitGPT-Boykott ist Symbolpolitik, die für Aufmerksamkeit sorgt, aber an den tatsächlichen Machtstrukturen wenig ändert. Bregman weiß das vermutlich selbst. Er setzt auf die Mobilisierungswirkung, auf den Moment, in dem aus individueller Verweigerung eine politische Bewegung wird. Ob das gelingt, ist offen.

Was dieses Interview für mich wertvoll macht, ist die Perspektive, die es eröffnet. Bregman denkt KI konsequent als Machtfrage. Das finde ich genau richtig. Das wird noch nicht intensiv genug getan. UNd er weigert sich, die Debatte auf Produktfeatures und Produktivitätsgewinne zu verengen. Er erinnert daran, dass jede große technologische Transformation in der Geschichte erst dann zum Fortschritt für die Mehrheit wurde, als sich Menschen zusammengeschlossen und den Gesellschaftsvertrag neu verhandelt haben. Die Frage, ob das auch diesmal gelingt, ist für mich die zentrale Frage dieser Zeit. Ich bin überzeugt, sie wird nicht in Laboren beantwortet, und auch nicht in Vorstandsetagen. Sie wird dort beantwortet (werden müssen), wo Menschen sich organisieren und Gegenmacht aufbauen. Das ist Bregmans stärkster Punkt. Und der bleibt stehen, auch wenn du seine konkreten Vorschläge vielleicht nicht alle teilst.

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt

Diese Ausgabe hat keinen einzigen bequemen Text. Das ist Absicht. Die HBR-Studie zeigt, dass KI uns dazu verführt, unsere Arbeit bis in ungesunde Gefilde zu verdichten statt sie zu erleichtern (wenn wir nicht aufpassen), und dass die meisten Organisationen das nicht einmal bemerken. Simon Shuster zeigt einen Rüstungs-CEO, der die militärische Revolution seiner Zeit als Spielzeug abtut, während sein Unternehmen Rekordbestellungen einfährt (bestellt von anderen offensichtlich befangenen Zukunfts- und Zeitgeistblinden). Will Lloyd zeigt ein Land, das sich für uns alle kaputtschlägt, während wir es aus unseren Feeds verdrängt haben. Und die IW-Studie belegt, dass politische Spannungen längst in den Betrieben angekommen sind, die wirtschaftliche Lage als Brandbeschleuniger wirkt und die meisten Unternehmen keinen Plan haben, wie sie damit umgehen sollen.

Was diese Texte verbindet, ist kein Oberthema. Es ist für mich eher eine Haltungsfrage. Schauen wir hin oder schauen wir weg? Nehmen wir die Beschleunigung als gegeben oder fragen wir, wem sie nutzt? Akzeptieren wir CEO-Aussagen als Nachrichten oder bestehen wir auf Einordnung? Lassen wir uns von Algorithmen sagen, was relevant ist, oder entscheiden wir das selbst?

Rutger Bregman hat im ZEIT-Interview daran erinnert, dass jede große technologische Transformation erst dann zum Fortschritt für die Mehrheit wurde, als sich Menschen organisiert und den Gesellschaftsvertrag neu verhandelt haben. Das ist für mich der nüchternste und zugleich wichtigste Gedanke dieser Ausgabe.

Nicht die Technik entscheidet. Wir entscheiden. Aber nur, wenn wir aufhören, so zu tun, als ginge uns das alles nichts an.

Und deshalb müssen wir hier dranbleiben! Bleib’ dabei!

Frohe Ostern! 🥚🐇

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ - das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!

Endlich komme ich mal wieder dazu, eine klassische Reading-Digest-Ausgabe zu veröffentlichen. Mit Leseempfehlungen, Einordnungen und dem Versuch, ein paar rote Fäden sichtbar zu machen zwischen Dingen, die auf den ersten Blick wenig miteinander zu tun haben.

Aber zuerst etwas, das mich in der letzten Woche nicht losgelassen hat. Die Vorwürfe von Collien Fernandes gegen Christian Ulmen haben eine Debatte ausgelöst, die weit über diesen einen Fall hinausgeht. Barbara Blahas Text „Liebe in Zeiten des Patriarchats”, den ich in dieser Ausgabe empfehle, hat für mich am klarsten benannt, was dabei auf dem Spiel steht. Nämlich wie schnell die Aufmerksamkeit vom Erleben der Frau wegkippt, hin zu den Dämonen, Fetischen und Karrieren der Männer. Wie die Psychologisierung des Einzelfalls genau das System unsichtbar macht, das diese Fälle hervorbringt.

Und dieses System reicht weiter, als die Debatte um einzelne Täter vermuten lässt. Patriarchale Macht hat Frauen seit Jahrhunderten erzählt, die Gefahr komme von außen; von den Fremden, den Anderen. Dabei passieren Erniedrigung und Gewalt am häufigsten im eigenen Haus, im eigenen Bett, im eigenen System. Oft durch den (Ex-)Partner. Wer das benennt, stößt auf Abwehr. Und ein rassistischer Reflex sorgt zuverlässig dafür, dass genau diese Realität wieder unsichtbar gemacht wird. Indem man Sündenböcke baut, statt über Machtverhältnisse zu sprechen. Rassismus steht dabei nicht neben dem Patriarchat. Er ist eines seiner Werkzeuge. Und der Kapitalismus braucht diese Hierarchien. Den Mann über der Frau, den Weißen über dem Schwarzen, den „Einheimischen” über dem Migranten. Weil jede Ungleichheit, die stabil gehalten wird, davon ablenkt, über Macht selbst zu sprechen.

Ich habe mich in der DRANBLEIBEN Ausgabe #165 ausführlich mit Männlichkeitsbildern beschäftigt. Was ich damals geschrieben habe, gilt jetzt umso dringlicher. Es reicht nicht, als Mann „kein Täter” zu sein. Es reicht auch nicht, betroffen zu nicken. Was es braucht, ist die Bereitschaft, das eigene Umfeld aktiv mitzugestalten. Im Freundeskreis, im Büro, in der WhatsApp-Gruppe. Übergriffe benennen, Widerspruch leisten, Strukturen hinterfragen. Das ist unbequem, aber es ist das Minimum. Zwischen Femiziden, Boysclubs und der alltäglichen Erosion weiblicher Grenzen reden wir in der Wirtschaft ständig über Transformation… bei KI, bei Geschäftsmodellen, bei Organisationsdesign. Nur bei uns selbst als Geschlecht kommen wir seit Jahrzehnten kaum vom Fleck. Feminismus bedeutet, genau diese Ordnung anzugreifen. Eine Ordnung, in der wir Männer Gewalt ausüben und wir uns zugleich als Retter inszenieren können.

Dieser Faden zieht sich durch die ganze Ausgabe, auch wenn er nicht überall offensichtlich ist. Denn die Frage, wer Verantwortung übernimmt – und wer sie delegiert, verwässert oder aktiv untergräbt –, stellt sich gerade an vielen Fronten gleichzeitig. In der KI-Debatte, wo DOGE-Mitarbeiter mit ChatGPT über Hunderte Millionen Dollar an Forschungsförderungsstreichung entscheiden. In der Geopolitik, wo wir Europa lernen müssen, uns selbst zu verteidigen, und zwar militärisch, ökonomisch und institutionell. In der Frage, wer in einer durchdigitalisierten Welt überhaupt noch gehört wird und wessen Identität als Rohstoff endet.

Viel Stoff. Aber genau dafür ist dieses Format da. Viel Freude und vor allem Erkenntnis beim Lesen, Weiterdenken und Dranbleiben.

Herzliche Grüße

André

Subscribe now

Leseempfehlungen aus dem Bereich Tech & KI

When DOGE Unleashed ChatGPT on the Humanities

gelesen in der New York Times, von Jennifer Schuessler

Im März 2025 schickten zwei DOGE-Mitarbeiter ohne jeglichen Hintergrund in Geisteswissenschaften einen Einzeiler an ChatGPT: „Does the following relate at all to DEI? Respond factually in less than 120 characters.” Auf Basis der Antworten strichen sie dann 1.477 von der Biden-Regierung genehmigte Förderungen des National Endowment for the Humanities. Über 100 Millionen Dollar, fast die Hälfte des Jahresbudgets. Eine Dokumentation über jüdische Zwangsarbeiterinnen im Holocaust? „DEI”, weil sie „marginalisierte Stimmen verstärkt”. Die Digitalisierung der Papiere eines britischen Generals aus der Revolutionszeit? Schuldig wegen „Förderung von Inklusivität in der historischen Forschung”.

Jennifer Schuesslers Recherche, gestützt auf Gerichtsdokumente und Vernehmungen, zeigt einen bedrohlichen Mechanismus. KI als Delegationsinstrument für ideologische Säuberung, ausgeführt von Leuten, die weder die Projekte noch die Technologie verstanden haben. Der amtierende Vorsitzende McDonald genehmigte die Streichliste und sprach von einer „clean slate” für Trumps „America First”-Agenda. Was danach kam – 75 Millionen Dollar für handverlesene konservative Civic-Thought-Center, der größte Einzelzuschuss der Behördengeschichte an eine Organisation ohne vorherige Fördererfahrung – zeigt, dass es nie um Effizienz ging, sondern um kulturpolitische Neubesetzung. Ein beklemmender Text, der exemplarisch vorführt, was passiert, wenn KI zur Vollzugsgehilfin autoritärer Vereinfachung wird.

➡️ Follow-up Leseempfehlung: DOGE Deposition Videos Taken Down After Judge Order and Widespread Mockery - gelesen bei 404 Media - von Ryan Broderick

Hier geht es um die Vernehmungsvideos genau dieser DOGE-Mitarbeiter, die mit ChatGPT wichtige Förderungen strichen. Diese waren öffentlich und gingen schnell viral. Vor allem ein Clip, in dem der damalige DOGE-Mitarbeiter Justin Fox außerstande war, „DEI” zu definieren. Die Regierung beantragte die sofortige Löschung wegen Morddrohungen gegen den Zeugen. Die Richterin ordnete die Entfernung an, wies aber den Antrag der Kläger ab, die darauf hinwiesen, dass die Videos nie als vertraulich eingestuft worden waren. Ein bemerkenswertes Dokument dafür, wie öffentliche Rechenschaft und ihre Vermeidung in Echtzeit kollidieren. Und diese Videos (man kann sie noch finden, wenn man es darauf anliegt) tun wirklich weh beim anschauen.

Thousands of people are selling their identities to train AI – but at what cost?

gelesen im Guardian, von Shubham Agarwal

In Kapstadt filmt ein junger Mann seine Füße beim Spaziergang und verdient damit 14 Dollar. Das ist das Zehnfache des lokalen Mindestlohns. In Indien lässt ein Student sein Mikrofon in Hotellobbys mitlaufen. In Chicago verkauft ein 18-Jähriger seine privaten Telefonate für 50 Cent pro Minute. Shubham Agarwal dokumentiert in diesem Beitrag eine neue Klasse von Gig-Arbeit. Menschen, die ihre biometrischen Daten, Stimmen, Gesichter und Alltagsmomente an KI-Trainingsfirmen verkaufen. Der Hintergrund: Hochwertige Trainingsdaten werden knapp, synthetische Daten führen zu Modellverfall, also braucht die Industrie echte Menschen als Rohstofflieferanten.

Die Plattformen – Kled AI, Silencio, Neon Mobile – zahlen schnell und in Dollar, was in Ländern mit schwacher Währung verlockend ist. Die Gegenleistung? Unwiderrufliche, weltweite, übertragbare Lizenzen an der eigenen Identität. Ein New Yorker Schauspieler verkaufte sein Gesicht für 1.000 Dollar und fand sich Wochen später in einem viralen Reel als angeblicher „Vagina-Doktor" für dubiose Nahrungsergänzungsmittel wieder. Der Text macht ein strukturelles Problem greifbar, für das wir sehr schnell sehr viel mehr Bewusstsein entwickeln müssen. Die KI-Industrie externalisiert mittlerweile nicht nur ökologische, sondern auch biometrische Kosten. Und zwar dorthin, wo Menschen am wenigsten Verhandlungsmacht haben.

The gen AI Kool-Aid tastes like eugenics

gelesen bei TheVerge, von Charles Pulliam-Moore

Regisseurin Valerie Veatch experimentierte 2024 mit OpenAIs Sora und stieß dabei auf systematisch rassistische und sexistische Outputs, die niemanden in ihrer Artists-Community zu stören schienen. Diese Erfahrung wurde zum Ausgangspunkt ihres Dokumentarfilms Ghost in the Machine, der die Genealogie generativer KI aufrollt. Das macht er nicht ab den 2010ern, sondern bereits ab dem viktorianischen England.

Veatch zieht eine direkte Linie von Francis Galtons Eugenik über Karl Pearsons statistische Methoden bis zu den Grundlagen modernen Machine Learnings. Die These: Die rassistischen Verzerrungen heutiger KI-Modelle seien kein Bug und kein Trainingsdatenproblem, sie seien Ausdruck einer epistemischen Tradition, die Menschsein quantifizierbar und hierarchisierbar gemacht hat. Pulliam-Moore lässt Veatch ausführlich zu Wort kommen, auch mit ihrer Absage an „ausgewogenen" Zugang zu Tech-CEOs: „Am I going to hug Sam Altman on camera? That's propaganda." Dieser Text ist kein akademischer Deep Dive, aber ein kraftvoller Pointer. Wer verstehen will, warum Sora Schwarze Frauen weißwäscht und Frauenkörper sexualisiert, muss weiter zurückschauen als bis zum letzten Fine-Tuning. Das hierist Pflichtlektüre für alle, die KI-Bias immer noch für ein lösbares Datenproblem halten. Ein sehr wichtiger Text!

P.S. OpenAI hat Sora diese Woche übrigens gekillt. Macht es die Situation besser? Nein. Wäscht es OpenAI rein? Nein. (Denn was für einen Grund gab es, solch einen Dienst in the first place zu lancieren?)

Agentic AI and the next intelligence explosion

gelesen bei Science - von James Evans, Benjamin Bratton and Blaise Agüera y Arcas

Das hier ist ein echtes Asset, ein bedeutender Text. Evans, Bratton und Agüera y Arcas argumentieren hier, dass die nächste „Intelligenzexplosion” nicht aus einer übermächtigen Einzel-KI entstehe, sondern aus sozialen Systemen. Aus Schwärmen von KI-Agenten, die untereinander und mit Menschen interagieren, streiten, delegieren. Ihr zentraler Befund ist, dass Reasoning-Modelle wie DeepSeek-R1 intern bereits spontan eine „Society of Thought” erzeugten. Mehrere Perspektiven, die debattieren und sich gegenseitig korrigieren. Niemand hat das trainiert; es entsteht allein durch Optimierungsdruck auf Genauigkeit.

Die Autoren ziehen daraus eine evolutionshistorische Linie. Jede bisherige Intelligenzexplosion – Sprache, Schrift, Institutionen – war keine Aufrüstung des Einzelgehirns, sondern ein Sprung in sozialer Organisation. KI wiederhole dieses Muster nun auf neuem Substrat. Was in dieser Perspektive folgt, klingt ambitioniert. KI-Ökosysteme bräuchten nicht bessere Modelle, sondern bessere Institutionen. Und zwar Rollen, Normen, Checks and Balances, analog zu Gerichten oder Parlamenten. Ich finde diesen Text intellektuell absolut anregend, aber auch strategisch lesbar. Hier gibt es ein Gegennarrativ zum Silicon-Valley-Mythos der einen Super-KI – und gleichzeitig einen Legitimationsrahmen für massive Skalierung. Nur eben als „plurale Gesellschaft” statt als Einzelgeist.

Wer sich für die Machtfrage hinter KI-Architekturen interessiert, sollte hier genau hinhören. Denn ob die geforderten „Agent Institutions” demokratisch oder oligarchisch organisiert werden, lassen die Autoren wohlweislich offen. Das ist unser Job!

Can the Internet Be Saved?

gelesen im LA Review of Books, von Nicholas Carr

Tim Berners-Lee hat das World Wide Web erfunden und glaubt bis heute, dass es die Menschheit befreie. Nicholas Carr, Autor von The Shallows und zuletzt Superbloom, rezensiert Berners-Lees Memoir This Is for Everyone und zerlegt dabei gründlich den Techno-Optimismus seines Schöpfers. Berners-Lee sieht Protokolle, offene Standards, dezentrale Architektur. Carr aber sieht etwas anderes. Er sieht ein System, das Zentralisierung belohnt, Monopole hervorbringt und Abhängigkeit erzeugt. Die Korruption kam laut Carr eben gerade nicht von außen. Sie sei von Anfang an im Design angelegt gewesen. Dezentralisierung auf technischer Ebene erzeuge Zentralisierung auf industrieller Ebene.

Er benennt fünf strukturelle Gründe. Netzwerkeffekte, die stets den Größten bevorzugen. Die Notwendigkeit riesiger Intermediäre für Milliarden täglicher Transaktionen. Kapitalanforderungen, die Newcomer fernhalten und mit KI weiter steigen. Der Datenwert, der mit Aggregation exponentiell wächst. Und die Bequemlichkeit der Nutzer*innen, die personalisierte Feeds trotz aller Bedenken nicht aufgeben. Besonders stark finde ich Carrs Beobachtung, wie Berners-Lee in einer idyllischen Segelszene – Sonne, Wind, Natur – unvermittelt aufzählt, was er von seinem Boot aus alles mit dem Smartphone erledigen könnte: Blumen bestellen, Bankgeschäfte, Fawlty Towers schauen. Carr kommentiert trocken: So viel zur Naturverbundenheit. Der Punkt dahinter ist ernst. Eine Technologie, die grenzenlose Verfügbarkeit verspricht, kollidiert mit der begrenzten Kapazität des menschlichen Gehirns für Aufmerksamkeit, Reflexion und echte soziale Beziehung. Carr scheut auch die unbequemste aller Schlussfolgerungen nicht. Selbst eine Zerschlagung von Meta oder Google würde das Grundproblem nicht lösen. Ein abgespaltenes Instagram wäre immer noch Instagram. Dasselbe Geschäftsmodell, dieselbe Aufmerksamkeitsextraktion. Die Unternehmen wären kleiner, das Web bliebe dasselbe. Für mich ist das ein Text, der in wenigen Seiten mehr über die Strukturlogik des Internets sagt als die meisten Bücher zum Thema.

Und ich habe noch zwei in diese Kategorie passende Empfehlungen aus eigener Feder: In den letzten Wochen habe ich im beruflichen Blog zwei Beiträge veröffentlicht, die sich mit einem Thema beschäftigen, das in der KI-Debatte in meinen Augen systematisch zu kurz kommt: nicht was KI kann, sondern was KI mit uns macht. Mit unserem Denken, unserer Urteilskraft, unseren Entscheidungen. Beide Texte gehören zusammen und ergänzen die Perspektiven dieser Ausgabe.

• Für erfolgreiche KI brauchst du Wissen über Wirkung, nicht nur über Produktivität
  Organisationen investieren massiv in KI-Anwendung. Strategie, Governance, Tooling, Use Cases. Was dabei fast komplett fehlt ist aber ein systematisches Verständnis davon, was KI mit dem Denken in Organisationen macht. Mein Beitrag beschreibt, wie Effekte wie Automation Bias, Sycophancy und der Fluency Effect zusammenwirken und eine Plausibilitätsillusion erzeugen. Also Outputs, die sich fundiert anfühlen, aber im besten Fall dünn, im schlimmsten Fall fehlerhaft sind. Gestützt auf aktuelle Forschung (u.a. ein Wharton-Paper zum Begriff „Cognitive Surrender”) zeige ich hier, wie aus anfänglicher KI-Assistenz über Strukturverschiebung und Delegation eine schleichende Abhängigkeit entsteht. Das strategische Risiko auf lange Sicht sehe ich so: Unternehmen treffen nicht per se falsche, aber nur noch plausible Entscheidungen. Konvergenz statt Differenzierung. Mit entsprechenden Bummer-Effekten für die eigene Innovationskraft.

• Reflexiv oder reflektiert mit KI umgehen? Warum souveräne KI-Nutzung kein Entweder-Oder ist

  Im Folgebeitrag nehmeich die Forderung nach „reflexiver KI-Nutzung” auseinander, wie sie u.a. Shopify-CEO Tobias Lütke formuliert hat. Meine Kernthese: Weder ist reflexive Nutzung per se falsch, noch ist permanente Reflexion ein realistisches Betriebsmodell. Entscheidend ist die Fähigkeit, zwischen beiden Modi bewusst zu wechseln. Damit mein eich „IN” der KI arbeiten bei Routineaufgaben und „AM” KI-Workflow arbeiten bei Entscheidungen mit Tragweite. Besonders brisant finde ich, dass die Unternehmen, die KI-Nutzung auf diese Weise am aggressivsten durchsetzen, gerade systematisch die Bedingungen erzeugen, unter denen KI am schlechtesten genutzt werden kann. Mehr Druck, weniger Reflexion, mehr Cognitive Surrender. Mit den entsprechend langfristigen Folgen für die organisationale Performance.

Am 12. Mai gebe ich übrigens wieder ein kostenloses Schnupper “Lunch & Learn” Format zum Thema “KI-Einführung ist Kulturarbeit.“ (wenn du dich nicht via Meetup registrieren möchtest, kannst du das alternativ auch via LinkedIn tun)

Leseempfehlungen aus dem Bereich Politik

Finland Is Ready for Russia. Is Anyone Else?

gelesen bei Bloomberg, von Liam Denning

Ein beeindruckender Longread. Liam Denning fährt nach Lappland, an die geschlossene finnisch-russische Grenze, und stellt die Frage, die ganz Europa betrifft. Was braucht es, um verteidigungsfähig zu sein? Und warum kann es gerade fast niemand außer Finnland? Diese Reportage führt zu Panzerübungen mit Wehrpflichtigen, freiwilligen Großmüttern in Soldatenheimen und Vorschulkindern, die Desinformation erkennen lernen. Finnlands Modell ist „Total Defense". Wehrpflicht, Zivilschutzbunker, industrielle Reserven, Medienkompetenz ab dem Kindergarten. Nicht als irgendwelche Einzelmaßnahmen, nein, es ist ein systematisches gesellschaftliches Betriebssystem. Es wird getragen von einem Vertrauen, das institutionell aufgebaut und gepflegt wird.

Das Land hat mehr Militärpersonal als Deutschland und Großbritannien zusammen, bei unter sechs Millionen Einwohnern. Denning zeigt, dass das eigentliche Problem Europas nicht das Geld sei. Die geschätzte Billion Dollar für den Ersatz amerikanischer Kapazitäten wäre machbar. Das Problem sei kulturell. Jahrzehnte unter dem US-Sicherheitsschirm haben unseren Willen und die Fähigkeit zur Selbstverteidigung erodieren lassen. Nur ein Sechstel der Deutschen wäre „definitiv" bereit, unser Land zu verteidigen. Der Text ist lang, bildgewaltig und liest sich wie eine Mischung aus Sicherheitsanalyse und Reisereportage. Eine sehr interessante und fesselnde Mischung. Eine Mischung mit einem harten Kern. Finnland zeigt uns, dass Verteidigungsfähigkeit nicht einfach ein Rüstungsprojekt ist. Wir sollten es eher als eine Gesellschaftsform begreifen.

P.S. Über das Thema Sicherheit und Verteidigung habe ich in meinem Podcast mit Daniel Auwermann gesprochen. Er ist Mitinitiator des Sicherheitsdialogs.

Das Zeitalter der Eroberungen ist vorbei

gelesen bei Krautreporter – von Rico Grimm

Hier gibt’s eine sehr interessante Perspektive auf unsere Welt. Alle rufen gerade „Imperialismus", von links wie von rechts. Aber wo sind denn eigentlich die Eroberungen? Rico Grimm von Krautreporter stellt eine so einfache wie folgenreiche Frage: Wenn Russland seit Jahren daran scheitert, die Front in der Ukraine auch nur ein paar Dutzend Kilometer zu verschieben, die USA eine Invasion des Iran gar nicht erst erwägen und selbst China Taiwan bislang nur bedroht… was genau ist dann an der neuen Großmachtpolitik „imperial"? Grimms These: Die Welt, die die USA selbst gebaut haben – aus Handelsströmen, Lieferketten, Institutionen und gegenseitiger Abhängigkeit –, macht dauerhafte Eroberung unbezahlbar. Globale Verflechtung verhindert den Angriff zwar nicht, aber sie verhindert den Sieg. Drohnen und asymmetrische Technologien geben Verteidigern einen historisch neuen Vorteil. Innenpolitische Kosten begrenzen selbst Diktatoren. Und Sanktionen beenden keine Kriege, verhindern aber, dass Angreifer gewinnen.

Was bleibt, ist eine Welt der permanenten Instabilität ohne Entscheidung. Aggression sei billig, Eroberung aber wohl unmöglich. Ich finde, dieser Text ist eine der besten deutschsprachigen Gesamtanalysen der aktuellen geopolitischen Lage. Nüchtern, strukturell und ohne die übliche Alarmismus-Rhetorik. Wenn du verstehen willst, warum weder ein neuer Weltkrieg noch eine neue Pax Americana das wahrscheinlichste Szenario ist, solltest du hier anfangen.

The Weaponized World Economy

gelesen in Foreign Affairs - von Henry Farrell und Abraham Newman

Ebenfalls ein sehr wichtiger Longread Farrell und Newman, beide sehr renommierte Politologen, haben 2019 den Begriff „weaponized interdependence" geprägt. In diesem Essay ziehen sie eine Zwischenbilanz… und sie fällt düster aus. Ihre These: Die USA haben über zwei Jahrzehnte die globale Wirtschaftsinfrastruktur (Dollar-Clearing, SWIFT, Halbleiter-Lieferketten, Internetplattformen) systematisch als Waffe eingesetzt. Aber die Waffen proliferieren.

China hat aus Snowden, ZTE und Huawei gelernt und seinen eigenen Exportkontrollapparat aufgebaut. Mit Seltenen Erden als Hebel, der die US-Autoindustrie in die Knie zwang und Trump zum Einlenken brachte. Europa dagegen habe zwar Chokepoints (ASML, SWIFT, SAP), aber keinerlei institutionelle Maschinerie, um sie strategisch zu nutzen. Das „Anti-Coercion Instrument" der EU werde von Verbündeten wie Gegnern als zahnlos betrachtet. Als ein Abschreckungsinstrument, das niemanden abschrecke. Die eigentliche Pointe sei aber, dass die Trump-Administration zwar die neue Verwundbarkeit der USA erkenne, gleichzeitig aber genau die Institutionen zerstört, die sie bräuchte, um darauf zu reagieren (z.B. OFAC, BIS, den Nationalen Sicherheitsrat). Ein sehr wichtiger Text, wenn du verstehen willst, warum Zölle, Chip-Verbote und Rohstoffpolitik keine Handelspolitik mehr sind, aber eher Kriegsführung mit anderen Mitteln.

Leseempfehlungen aus dem Bereich Gesellschaft

Liebe in Zeiten des Patriarchats

von Barbara Blaha

Von den vielen guten Texten, die in den letzten Wochen zu aktuellen Misogynie-Fällen wie Ulmen/Fernandes in Deutschland oder in Österreich Roland Weißmann (bis vor kurzem ORF Generaldirektor) und Christopher Seiler (Musiker) geschrieben wurden, ist dieser für mich der stärkste. Die Österreicherin Barbara Blaha arbeitet anhand dieser drei verschiedenen Fälle drei verschiedene Formen männlicher Selbstverständlichkeit heraus, die aber immer dasselbe Muster aufweisen. Die öffentliche Aufmerksamkeit kippt ganz schnell weg von der Frau, hin zum Mann. Hin zu seinen Fetischen, seinen Dämonen, seiner Karriere, seinem Sturz. Die Philosophin Kate Manne nennt das „himpathy”: die übergroße Sympathie für männliche Täter, sobald Ansehen, Werk oder Zukunft auf dem Spiel stehen. Bei Seiler lässt sich das exemplarisch nachzeichnen: „Ich kämpfe auch mit Dämonen”… und schon ist man wieder beim inneren Kampf des Mannes. Bei der Gebrochenheit, nicht bei der Grenzverletzung.

Blaha macht sichtbar, dass die Psychologisierung des Mannes die Erfahrung der Frau entpolitisiert. Ein Fetisch ist privat, Dämonen sind intim, eine Krise ist persönlich. Alles klingt nach Sonderfall. Und genau das schützt das System dahinter. Die kulturelle Erlaubnis, weibliche Grenzen als dehnbar, weibliche Zeit als verfügbar und weibliche Loyalität als selbstverständlich zu behandeln. Der Einzelfall beruhigt ja. Er erlaubt es, den Mann vom System zu trennen, die Kultur von der Tat, die Liebe von der Macht. Aber was Frauen in Beziehungen zermürbt, ist mit dem verwandt, was Frauen in Redaktionen, in Hotelgängen, in Chatfenstern und auf Partys bedroht. Immer dieselbe Lektion.

Besonders eindringlich finde ich Blaha dort, wo sie beschreibt, was vielen Frauen als „Liebe” verkauft werde. Bindung herstellen, Frieden sichern, Bedürfnisse lesen, Kränkungen abfedern, Wäscheberge sehen, Kindertermine merken, Gespräche moderieren, Stimmungen managen, und so weiter… und dabei nach Möglichkeit begehrenswert bleiben. Männer nennen das Beziehung. Für Frauen sei es Erschöpfung. In einem Zitat von Amber Henry verdichtet sich das nochmals: „Ich hasse Männer nicht. Ich hasse, wie ihre Blicke Orte finden, an die sie nicht eingeladen wurden. Ich hasse, dass ein ‚Nein’ oft zu einer Debatte wird, statt eine Antwort zu sein.” In diesen wenigen Sätzen steckt der ganze Apparat, steckt die permanente Grenzüberschreitung, die männliche Komplizenschaft, die routinierte Abwertung weiblicher Erfahrung.

Blaha endet mit einer Diagnose, die sitzt. Die eigentliche Krise dieser Zeit sei, dass Frauen inzwischen benennen, was ihnen jahrzehntelang als Liebe verkauft wurde. Und dass immer mehr von ihnen die Rechnung nicht mehr akzeptierten. Was Respekt verweigert, Verantwortung auslagert und Erkenntnis abwehrt, das mag Nähe sein, Gewohnheit, Bequemlichkeit oder Angst vor dem Alleinsein. Liebe sei es jedenfalls keines davon.

Absolute Pflichtlektüre!

The “Careless People” Who Make Up Elite Institutions

gelesen bei Current Affairs - von Grady Martin

Sarah Wynn-Williams' Bestseller Careless People über ihre sieben Jahre bei Facebook wurde letztes Jahr gefeiert als mutiges Whistleblowing. Grady Martin liest das Buch aber anders… und hier wird’s spannend. Er liest es als unfreiwillige Selbstentlarvung einer ganzen Klasse. Wynn-Williams wusste früh, dass Facebook Wachstum über alles stellte. Sie sah die Rolle der Plattform bei der Gewalt in Myanmar, bei Chinas Zensurambitionen, bei der Aushöhlung demokratischer Prozesse. Trotzdem blieb sie – vielleicht auch wegen ihrer Aktienoptionen, ihrer Krankenversicherung - der Überzeugung, von innen etwas bewegen zu können. Als sie sich am meisten empörte, ging es um ein Brettspiel, bei dem Kollegen Zuckerberg absichtlich gewinnen ließen.

Martin stellt nun die unbequeme Frage, die das Buch selbst nicht stellt. Wenn du jahrelang die Missstände verwaltest, von denen du später profitabel erzählst, worin unterscheidest du dich dann strukturell von der Führung, die du anklagst? Dieser spannende Text weitet den Blick über Facebook hinaus; auf die Hunderttausenden gut bezahlten Wissensarbeiter*innen in Tech, Consulting und Großkanzleien, die Karriere und Weltverbesserung für vereinbar halten, bis die Rechnung nicht mehr aufgeht. Ich finde: ein scharfes Korrektiv zum reflexhaften Applaus für Corporate-Whistleblower.

Podcast-Empfehlung: Das Erstarken der Rechten

gehört im Podcast „Armutszeugnis” - von Eva Völpel und Sabine Nuss

Was haben Sparpolitik, Mietensteigerung und der Abbau öffentlicher Infrastruktur mit dem Erstarken rechter Parteien zu tun? Die Politikwissenschaftlerin Sabine Nuss arbeitet in dieser Doppelfolge des Wirtschaftspodcasts der Rosa-Luxemburg-Stiftung die Studienlage systematisch und packend auf. Und die ist inzwischen ziemlich eindeutig. Die Muster wiederholen sich über Länder hinweg. In italienischen Gemeinden nach Verwaltungsreformen, in britischen Regionen nach dem Sparprogramm ab 2010, bei deutschen Geringverdienenden nach Mietpreisanstiegen.

Besonders aufschlussreich ist der umgekehrte Befund. Dort, wo der Staat investiert – Gaspreisbremse in Deutschland, Mietpreiskontrolle in Spanien –, stagnieren oder sinken die Stimmenanteile rechter Parteien. Nuss warnt zugleich vor ökonomischer Verkürzung. Gefühlte Abstiegsängste, relativer Statusverlust und die Enttäuschung über sozialdemokratische Parteien, die Sparmaßnahmen mittragen, spielen eigenständige Rollen. Wenn du den Zusammenhang zwischen Wirtschaftspolitik und Rechtsruck besser verstehen willst, ohne ihn auf eine Formel zu reduzieren, findest hier einen der besten deutschsprachigen Einstiege. Ich habe jede Minute genossen.

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt?

„Ach, diese Kälte, diese entsetzliche Kälte.” Joachim Mayerhoffs Buchtitel „Ach, diese Lücke, diese entsetzliche Lücke.“ schwebte mir im Kopf (im Rahmen der lit.cologne war ich letzte Woche auf einer Lesung von ihm). Und je länger ich an dieser Ausgabe gearbeitet habe, desto mehr wurde das Gefühl der Kälte zum Leitmotiv. Und so hat sich das zusammengefügt.

Es ist kalt da draußen. Im wörtlichen Sinn: in Lappland, wo finnische Wehrpflichtige an rostigen Sowjetpanzern das Verteidigen üben, weil zwanzig Autominuten weiter Russland beginnt. Aber auch im übertragenen. Kalt in einer US-Administration, in der zwei Mitarbeiter ohne jeden fachlichen Hintergrund mit einem Einzeiler an ChatGPT über Hunderte Millionen Dollar Forschungsförderung entscheiden… und ein Dokumentarfilm über jüdische Zwangsarbeiterinnen im Holocaust als „DEI” aussortiert wird. Kalt in einer KI-Industrie, die Menschen im Globalen Süden ihre biometrischen Daten für ein paar Dollar abkauft und ihnen dafür unwiderrufliche Lizenzen an der eigenen Identität abnimmt. Kalt in den Vorstandsetagen, die algorithmische Mittelmäßigkeit zur Geschäftsstrategie machen und den Unterschied zwischen Service und Mauer verschwinden lassen. Kalt in einer Geopolitik, in der Wirtschaftswaffen proliferieren wie einst Atomwaffen und ausgerechnet die USA die Institutionen zerlegen, die sie selbst brauchen würden, um sich zu schützen.

Und kalt in einer Gesellschaft, in der nach Epstein, nach Weinstein und nun Ulmen das Muster immer gleich bleibt: kurze Empörung, dann kippt die Aufmerksamkeit weg von den Frauen und hin zu den Tätern. In der nach den Vorwürfen von Collien Fernandes nicht nur das Schweigen von so vielen Männern unerträglich ist; nein, auch die Kommentarspalten, in denen sich zeigt, wie dünn die Decke der Zivilität wirklich ist.

Es wäre leicht, sich an diese Kälte zu gewöhnen. Das ist ja das Tückische daran. Kälte kommt selten als Schock. Sie schleicht sich ein, wird normal, wird Betriebstemperatur. Rico Grimm beschreibt das in seinem Text über die neue Geopolitik treffend. Aggression ist billig geworden, Eroberung unmöglich. Was bleibt, ist permanente Instabilität ohne Entscheidung. Dieses Bild passt weit über Geopolitik hinaus. Auch in der KI-Debatte, auch in der Geschlechterfrage, auch in der Erosion demokratischer Institutionen erleben wir gerade diesen Zustand. Es wird nicht besser, aber es knallt auch nicht. Es wird einfach kälter.

Umso wichtiger, nach den Stellen zu suchen, an denen Wärme entsteht.

Und eine davon steckt ausgerechnet in einem der abstraktesten Texte dieser Ausgabe. Evans, Bratton und Agüera y Arcas argumentieren, dass die nächste Intelligenzexplosion kein singuläres Über-Gehirn hervorbringen werde, sondern soziale Systeme. Wenn das stimmt, dann liegt die Antwort auf die Kälte genau dort, wo sie immer lag. im Zusammenrücken. In der Bereitschaft, Verantwortung zu übernehmen, auch wenn es unbequem ist. In Finnland sieht das aus wie Großmütter, die freiwillig Donuts für Wehrpflichtige backen, und wie Vorschulkinder, die Desinformation erkennen lernen. In der KI-Debatte kann es so banal sein wie die Frage, ob wir Entscheidungen noch mit einem eigenen Gedanken beginnen oder nur noch mit einem KI-Output. In der Geschlechterfrage sieht es aus wie der eine Satz in der WhatsApp-Gruppe, der das billige Lachen unterbricht.

Nichts davon ist heroisch. Aber alles davon kann Wärme erzeugen. Und Wärme breitet sich aus, wenn man sie lässt.

Lasst uns da dranbleiben!

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ - das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!

Eigentlich hatte ich mir für diese Woche eine Reading Digest Ausgabe vorgenommen. Da haben sich einige wirklich lohnenswerte Artikel und Essays angesammelt, die ich gerne teilen möchte. Aber: bear with me. Der Digest kommt… nur eben nicht heute.

Denn ich bin gerade in einer Phase, in der Ideen, Impulse und Gedankenstränge förmlich drängeln, sich in Texte zu verwandeln. Befördert durch Gespräche in richtig spannenden Trainings-, Coaching- und Beratungsprojekten, derzeit unter anderem mit Unternehmen aus der Medienbranche, der Energieversorgung und dem Einzelhandel. Die Bandbreite an Fragen, die sich dort rund um KI stellt, ist beeindruckend. Und sie befeuert auch mein eigenes Denken und Schreiben enorm. So habe ich gerade an anderer Stelle einen neuen Artikel veröffentlicht, „Reflexiv oder reflektiert mit KI umgehen? Warum souveräne KI-Nutzung kein Entweder-Oder ist”, der einen Gedankenpfad weiterführt, den ich auch hier bei #DRANBLEIBEN in der letzten Ausgabe verfolgt habe: Wie wirkt KI auf uns und unsere Organisationen… und wie gehen wir vor allem bewusst damit um? Das habe ich dort weiterentwickelt im Organisationskontext.

Heute geht es hier um eine durchaus verwandte, aber noch grundsätzlichere Frage. Eine, die mich seit Wochen beschäftigt. Einen entscheidenden Anstoß dafür gab mir die letzte Ausgabe von Peak Civilization, dem Podcast von Markus Neckar (Chief AI Officer bei PalmerHargreaves), der Gerald Hensel (Managing Partner von Superspring) zu Gast hatte.

Zwei tolle Menschen, fellow GenXer, die wie ich in den 90ern den Aufstieg des frühen Internets erlebten und heute in einem Wechselbad der Gefühle stecken. Begeisterung für sich rasant entwickelnde technische Möglichkeiten auf der einen Seite. Und Zerknirschtheit über die Ausfälle bei den Menschen, die gerade maßgeblich bestimmen, wie diese Technologie gestaltet und angewendet wird, auf der anderen. Ich habe mich sehr gefreut, beide im letzten Jahr persönlich kennenzulernen. Und wenn du ihnen noch nicht folgst: Tu es! Es lohnt sich. Markus Podcastlink habe ich oben gesetzt. Und Gerald schreibt u.a. den phantastischen Newsletter davaidavai.

Im Gespräch der beiden fielen mehrere Gedanken, die etwas in mir ausgelöst haben. Einer davon: Das eigentliche Problem der KI-Ära sei gar nicht, dass nun schlechtere Inhalte entstehen. Das Problem sei das unangreifbare Mittelmaß, d.h. Outputs, die formal brauchbar sind, glatt, okay. Die nichts wirklich kaputt machen und zugleich nichts wirklich richtig. Kein spektakuläres Scheitern, aber auch keine Reibung, keine Handschrift, keine Eigenart. Ein anderer Gedanke, der hängen blieb: Die Welt brauche nicht „noch mehr Content”. Sie brauche Inhalte, die einen Unterschied machen. Die helfen, die lustig sind, die menschlich wirken.

Und dann das Stephen-King-Beispiel. Man könne fünf Stephen-King-Romane in eine Maschine kippen und sich den sechsten generieren lassen. Und doch sei das kein Stephen-King-Roman. Stilfortsetzung ist eben noch keine Schöpfung.

All das trifft genau den Nerv einer Frage, die mich gerade umtreibt. Was passiert eigentlich in uns, wenn wir Inhalte konsumieren? Und wie verändert sich unser Empfinden, wenn zunehmend Maschinen diese Inhalte erzeugen? Wie wichtig ist uns als Menschen die Frage, ob ein Mensch hinter einem Werk steht? Und was verlieren wir, wenn uns das irgendwann egal wird?

Ich habe dazu tiefer recherchiert, als ich ursprünglich vorhatte. Was ich gefunden habe, hat mich überrascht. In der Klarheit der Befunde und in der Schärfe der Fragen, die daraus entstehen. Davon handelt diese Ausgabe.

Viel Freude beim Lesen. Und wie immer freue ich mich über Rückmeldungen.

Herzliche Grüße André

Mein Distanzgefühl

Seit ein paar Wochen kommt man in bestimmten Social Kanälen nicht mehr umher, ganz bestimmten Videos zu begegnen. Ein chinesisches Studio hatte mit dem Tool SeeDance eine komplette TV-Seriensequenz generiert. Figuren, Räume, Schnitte, Dialoge. Alles aus der Maschine. Zur gleichen Zeit war Higgsfield AI mit „Soul Cast” in meinem Feed aufgetaucht: eine Pipeline, die Filmproduktion von Casting bis Schnitt weitgehend automatisiert.

Die Ergebnisse werden besser. Schnell besser.

Und trotzdem… mein erster Impuls war Distanz. Kein Staunen, eher ein inneres Zurückweichen. Ein Gefühl, das ich inzwischen gut kenne. Ich sehe KI-generierte Bilder in Artikeln, lese Texte, die nach Sprachmodell klingen, höre Musikstücke, die irgendwie stimmen und gleichzeitig nirgendwo hinwollen. Und fast jedes Mal merke ich, dass ich da nicht näher ran will. Da fehlt etwas.

Dieses Gefühl hat mich zum Recherchieren gebracht. Denn ich wollte verstehen, ob es nur mir so geht. Ob es etwas Persönliches ist oder ob es auf etwas Grundsätzlicheres verweist. Was passiert in uns, wenn wir erfahren, dass eine Maschine etwas erzeugt hat, das wir konsumieren? Und was bedeutet es, wenn die Grenzen zwischen menschlich und maschinell immer weiter ins Schwimmen geraten… technisch, ökonomisch, kulturell?

Teilen

Was die Forschung zeigt: Wir urteilen über Bedeutung, weniger über Qualität

Fangen wir bei einem Befund an, der erst einmal ernüchternd klingt: Menschen erkennen KI-generierte Werke oft gar nicht als solche.

In einer großangelegten Studie (Brian Porter & Edouard Machery: „AI-generated poetry is indistinguishable from human-written poetry and is rated more favorably") wurden den Teilnehmenden KI-generierte Gedichte vorgelegt, ohne Hinweis auf die Herkunft. Das Ergebnis war, dass sie die die KI-Gedichte schlechter als zufällig erkannten. Mehr noch…. sie hielten KI-Gedichte häufiger für menschlich als echte menschliche Gedichte. In der Musik das gleiche Bild. Eine Befragung von Deezer und Ipsos mit 9.000 Personen in acht Ländern ergab, dass 97 Prozent in Blindtests nicht unterscheiden konnten, ob ein Stück von einer KI oder einem Menschen stammte (Deezer x Ipsos: „Are Consumers AI-Ready? A Global Study on AI-Generated Music").

Die Oberfläche täuscht also bereits, in vielen Bereichen. Aber jetzt kommt der entscheidende Punkt.

Sobald Menschen wissen, dass ein Werk von einer KI stammt, bewerten sie es deutlich schlechter.

Dieser Effekt, in der Forschung als „Disclosure Penalty” bekannt, ist inzwischen über zahlreiche Medien hinweg belegt. Eine Serie von präregistrierten Experimenten (Marcel Jakesch, Advait Bhat, Daniel Buschek, Lior Zalmanson, Mor Naaman: „Human Heuristics for AI-Generated Language Are Flawed") zeigt, dass Texte, die als KI-generiert oder KI-unterstützt offengelegt werden, konsistent niedrigere Bewertungen erhalten. Besonders stark betroffen ist die wahrgenommene Authentizität. In der Bildkunst (Ragot, Martin & Cojean: „AI-generated vs. human artworks. A perception bias towards artificial intelligence") trifft die Abwertung vor allem die Dimensionen Skill und monetärer Wert. Also genau das, was in kulturellen Kontexten in Status übersetzt wird.

Was hier passiert, ist bemerkenswert. Es geht offenkundig gar nicht um die Qualität des Werks. Die Oberfläche bleibt ja (nahezu) identisch. Was kippt, ist die Bedeutungsebene, der Resonanzraum. Die Frage, die wir unbewusst an jedes Werk richten: Meint da jemand etwas?

Und genau hier schließt sich der Kreis zu dem, was Markus Neckar und Gerald Hensel im Podcast als „unangreifbares Mittelmaß” beschreiben. Der Disclosure Penalty offenbart, dass das Problem der KI-generierten Kultur eben gerade nicht im offensichtlich Schlechten liegt. Es liegt im „sämigen 08/15 Brei” von okay (Chapeau für diese Bezeichnung an Gerald!). In Outputs, die formal funktionieren, aber kulturell leer bleiben. Weil hinter ihnen kein Ringen steht. Kein Standpunkt. Und vor allem kein Mensch.

Teilen

Drei Gründe, warum Inhalteherkunft so viel ausmacht

Warum reagieren wir so? In der Recherche bin ich auf drei Mechanismen gestoßen, die zusammenwirken und die erklären, warum die Frage nach Urheberschaft bei hochwertigen kulturellen Werken alles andere als nebensächlich ist.

Authentizität: „Meint da jemand etwas?”

In den Experimenten zum kreativen Schreiben (siehe oben) wird die Abwertung bei KI-Offenlegung explizit über einen Faktor vermittelt: wahrgenommene Authentizität. Wir lesen Texte ja nie nur als Wortfolgen. Wir lesen ja auch Absicht, Erfahrung, Positionierung mit. Wir fragen uns, meist unbewusst, ob da jemand steht, der etwas riskiert. Die oder der eine Perspektive einnimmt, die auch hätte anders ausfallen können. KI hat keine Absicht. Sie hat keine Erfahrung im menschlichen Sinne und auch keinen Standpunkt. Selbst wenn der Output zum Beispiel sprachlich identisch ist, so ist doch der Resonanzraum, in dem wir ein Werk empfangen, ein fundamental anderer.

Das Gegenüber: Kultur als Beziehung

Besonders eindrücklich zeigt sich das in der Musik. Eine Studie von Shank et al. (Shank, Stefanik, Stuhlsatz, Kacirek & Belfi (2023): „AI composer bias: Listeners like music less when they think it was composed by an AI") untersuchte, was passiert, wenn Hörer*innen glauben, ein Musikstück sei von einer KI komponiert worden. Das Ergebnis: Klassische Musik wurde signifikant schlechter bewertet, sobald sie einer KI zugeschrieben wurde, selbst bei identischem Material. Ergänzend zeigt eine Studie von Bellaiche et al. (Bellaiche, Shahi, Turpin et al. (2023): „Humans versus AI: whether and why we prefer human-created compared to AI-created artwork") für Bildkunst, dass der Label-Effekt durch wahrgenommene Narrativität moderiert wird. Je stärker Betrachter*innen eine Geschichte, eine Innenwelt, eine Intention im Werk lesen konnten, desto stärker beeinflusste das Label ihre Bewertung. Zusammengenommen ergibt sich ein klares Bild: Wir „lesen” in Werke Geschichte, Innenwelt, Intentionalität hinein. Und wenn wir wissen, dass eine KI am Werk war, verändert das den Modus, in dem wir rezipieren. Wir hören dieselben Töne, sehen dieselben Bilder… aber wir hören und sehen sie anders.

Für hochwertige Kultur ist das zentral. Musik, Literatur, Film funktionieren ja auch als Beziehungserlebnis. Wir suchen in einem Werk ein Gegenüber. Jemanden, der etwas durchlebt hat und es in Form bringt. KI bietet aber kein Gegenüber. Und unser Rezeptionsapparat registriert das. Zumindest bei einigen Menschen. Und zumindest noch.

Hier wird auch das Stephen-King-Beispiel von Gerald Hensel aus dem Peak-Civilization-Podcast greifbar. Der kulturelle Status eines King-Romans hängt eben nicht an der Oberfläche. Er hängt daran, dass da ein Mensch entschieden hat. Dass jemand sich für dieses Wort entschieden hat und gegen jenes. Stilfortsetzung reproduziert Muster. Schöpfung trifft Entscheidungen.

Teilen

Das Ringen als Bedeutungssignal

Ein dritter Mechanismus ist überraschend handfest. In der Entscheidungs- und Konsumpsychologie ist gut belegt, was als „Effort Heuristic” bezeichnet wird (Kruger, Wirtz, Van Boven & Altermatt: „The effort heuristic"). Wir verwenden wahrgenommenen Aufwand als Heuristik für Qualität und Wert. Allein die Information, ein Gedicht oder ein Bild habe länger gedauert, kann Bewertungen und monetäre Schätzungen erhöhen. Die Replikationslage ist differenziert; der Effekt zeigt sich stärker bei qualitativen Urteilen als bei Preisschätzungen. Aber als kulturelles Motiv bleibt die Grundidee robust. Wir trauen dem Schweren Tiefe zu. Und wir entwerten das Mühelose.

Das kennen wir auch aus ganz anderen Kontexten. Auch der „IKEA-Effekt” (Norton, Mochon & Ariely: „The IKEA effect: When labor leads to love") zeigt, dass wir Dinge höher schätzen, wenn erkennbar jemand daran gearbeitet hat. Auch wir selbst. Scheitert der Prozess oder wird rückgängig gemacht, verschwindet der Effekt.

Übertragen auf die KI-Ära denke ich, dass das „Ringen” im menschlichen Kopf bei der Erstellung eines Werks vielleicht gar kein romantischer Zusatz ist. Es ist ein semantisches Qualitätssignal. Ein Marker dafür, dass jemand Entscheidungen getroffen hat, die auch hätten anders ausfallen können. „Prompt rein, Werk raus” kappt genau dieses Signal.

Walter Benjamin hat 1935 etwas Verwandtes beschrieben. Es ging ihm um die „Aura” eines Kunstwerks, die an Einmaligkeit, an Zeitgebundenheit, an körperliche Präsenz gebunden ist (Walter Benjamin: „Das Kunstwerk im Zeitalter seiner technischen Reproduzierbarkeit", 1935). Mechanische Reproduktion, so Benjamin, löse das Werk aus seinem rituellen Kontext. Generative KI geht nun noch weiter. Sie reproduziert gar nicht. Sie produziert endlose Variationen und setzt damit die Knappheit unter Druck, an der kultureller Wert historisch hing. Das Einmalige, das Riskierte und das wahrhaftig Durchlebte - all das, was Aura ausmacht - gerät unter Skalierungsdruck.

Teilen

Der unbequeme Widerspruch: Bekenntnis vs. Verhalten

Bis hierhin wirkt die Sache eigentlich klar. Menschen schätzen menschliche Urheberschaft. Die Forschung belegt das robust. Und mein eigenes Gefühl bestätigt es. Aber so einfach ist es leider nicht.

Denn es gibt noch einen Befund, der die Sache verkompliziert. In einem incentivierten Experiment zu Kurzgeschichten (Abel & Johnson: „AI Bias for Creative Writing: Subjective Assessment Versus Willingness to Pay") erhielten KI-gelabelte Texte zwar schlechtere inhaltliche Urteile. Aber beim tatsächlichen Verhalten, Zeitinvestment und Zahlungsbereitschaft, zeigten sich keine signifikanten Unterschiede zwischen den Labels. Auch bei Teilnehmenden, die explizit angaben, menschliche Autor*innenschaft sei ihnen „wichtig”.

Das ist die sogenannte Attitude-Behavior-Lücke. Und sie wirft eine unangenehme Frage auf. Ist die gesellschaftliche Wertschätzung für menschliche Kreativität nur ein kulturelles Bekenntnis oder spiegelt sie sich auch im tatsächlichen Konsumverhalten wider?

In der Ausgabe #162: Das “Gut-Genug-Gespenst” geht um von #DRANBLEIBEN

… habe ich beschrieben, wie Unternehmen Qualitätsstandards senken, weil automatisierte Mittelmäßigkeit billiger skaliert. Das war die Angebotsseite. Hier in der jetzigen Betrachtung zeigt sich die Nachfrageseite. Gesellschaftlich akzeptieren wir die Absenkung; vielleicht weniger aus Gleichgültigkeit als vielmehr, weil die Unterscheidung zunehmend schwieriger wird und der Preisvorteil real ist. Das ist ein kultureller Drift, den wir gerade schleichend mittragen… oder besser: befördern.

Der „Human Premium”, der Mehrwert, den menschliche Urheberschaft in unserer Wahrnehmung hat, existiert ganz offensichtlich und nachweisbar als Gefühl. Aber ob er als kulturelle Praxis überlebt, ist eine offene Frage. Und die Antwort hängt am Ende daran, ob wir bereit sind, das, was wir empfinden, auch in Entscheidungen zu übersetzen. Ganz bewusst und konsequent im Alltag.

Teilen

Was auf dem Spiel steht und warum Bewusstsein jetzt zählt

Ich will hier keine Nostalgie betreiben. Es geht mir weder um eine Verklärung des „reinen Menschenwerks” noch um die Behauptung, dass jede menschliche Schöpfung automatisch besser sei als jede maschinelle. Das wäre naiv.

Was mich leitet, ist Humanismus. Die Überzeugung, dass menschliche Arbeit, menschliches Ringen, menschliche Einzigartigkeit und Würde sichtbar bleiben müssen. Weil es darüber mitentscheidet, wie wir uns als Gesellschaft verstehen. Wie wir Wert zuweisen. Und wem wir Wert zugestehen.

Die zentrale Frage für mich ist deshalb, welche Formen der Zusammenarbeit zwischen Mensch und Maschine wir für kulturell wertvoll halten. Und nach welchen Kriterien wir unterscheiden.

Michel Foucault hat 1969 einen Gedanken formuliert, der hier erstaunlich aktuell wird (Michel Foucault: „Was ist ein Autor?"). Für ihn ist „der Autor” keine Person, sondern eine Funktion. Eine soziale Technologie, die ordnet, klassifiziert und die Geltung zuweist. Der Autorname entscheidet mit darüber, was als „Werk” gilt, was als „Kunst” zählt und wer Verantwortung trägt. Wenn diese Ordnungsfunktion ins Wanken gerät (weil immer mehr Artefakte entstehen, hinter denen im strengen Sinne kein Autor steht), dann wackeln auch die kulturellen Sortierregeln, auf die wir uns als Gesellschaft verlassen.

Und genau hier verschränkt sich für mich die Frage nach Urheberschaft mit einer größeren. Technologische Entwicklung verläuft nie neutral. Sie wird begleitet von Heilsversprechen, Marktinteressen, Fortschrittsnarrativen und kulturellen Erwartungsüberschüssen. Gerade bei KI zeigt sich (und wir können das jeden Tag live beobachten), wie schnell technische Skalierung als kultureller Fortschritt missverstanden wird. Was effizienter, schneller, billiger und massenhaft verfügbar wird, erscheint fast automatisch als überlegen (und wird auch so verkauft)… auch dort, wo damit noch gar nichts über Bedeutung, Qualität oder kulturellen Wert gesagt ist.

Markus Neckar und Gerald Hensel haben das im Peak-Civilization-Podcast auf den Punkt gebracht: Menschliche Kultur, Urteilskraft und Haltung müssen vor der Maschine stehen. Die Maschine kann Muster fortsetzen, beschleunigen, kombinieren. Aber sie kann - und darf - nicht die kulturelle Instanz sein, die festlegt, was bedeutsam, stimmig, verantwortlich oder erzählenswert ist. Sobald diese normative Vorrangstellung von und durch uns Menschen aufgegeben wird, wird Technologie zum Taktgeber dessen, wie gesprochen, erzählt und visualisiert wird. Wollen wir das?

Die Frage, ob menschliche Urheberschaft an Wert verliert, stellt sich deshalb für mich in einem ganz konkreten Kontext. In einer Kultur, die technische Machbarkeit leicht mit gesellschaftlicher Wünschbarkeit verwechselt. Die Menge mit Bedeutung gleichsetzt. Und die Skalierung, Bequemlichkeit und Verfügbarkeit systematisch überbewertet. Wenn menschliche Kreativität an Gewicht verliert, dann auch, weil ökonomische und kulturelle Umgebungen diese Verschiebung als selbstverständlich, modern oder wünschenswert erscheinen lassen.

Genau deshalb ist Bewusstsein so entscheidend. Labels und Transparenzpflichten - wie sie der EU AI Act vorsieht (oder das, was nach dem digitalen Omnibus 💩 von ihm übrig bleibt) - haben ihren Platz. Aber Regulierung allein reicht nicht. Ich finde, was wir brauchen, ist ein kollektives Nachdenken darüber, was wir gerade aufzugeben im Begriff sind.

Es wäre kaum etwas schlimmer, als hier entscheidendes Terrain zu verlieren… und kein kollektives Bewusstsein dafür entwickelt zu haben. Keine gemeinsame Sprache für das, was menschliche Kreativität bedeutet, warum sie schützenswert ist und wo die Grenzen verlaufen, die wir ziehen wollen.

Urheberschaft ist in diesem Zusammenhang für mich keine sentimentale Restkategorie. Sie ist Teil kultureller Infrastruktur. An ihr entscheidet sich, was wir als Gesellschaft an Technik delegieren wollen und was wir weiterhin mit menschlicher Erfahrung, Verantwortung, Urteilskraft und Ausdruck verbunden sehen möchten.

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt

Was ich aus der Recherche mitnehme, lässt sich in wenigen Schritten zusammenfassen. Wir können KI-generierte Werke oft nicht von menschlichen unterscheiden; die Oberfläche täuscht bereits. Aber sobald wir die Herkunft kennen, verändert sich etwas Grundlegendes: Wir bewerten das Werk anders, weil wir Authentizität, Ringen und ein menschliches Gegenüber darin suchen. Mühelos Erzeugtes entwerten wir, weil uns Aufwand als Bedeutungssignal dient. Und doch zeigt sich ein unbequemer Widerspruch. Unser Bekenntnis zu menschlicher Kreativität schlägt sich im tatsächlichen Konsumverhalten bislang kaum nieder. Das macht die Lage so fragil. Wir könnten kulturelles Terrain verlieren, das wir eigentlich für schützenswert halten.

Das nächste Mal, wenn du daher etwas liest, hörst, anschaust, achte doch darauf, was du empfindest. Frag dich: Macht es für mich einen Unterschied, ob da ein Mensch hintersteckt? Ob dieser Mensch gerungen hat, um dieses Ergebnis zu erzielen? Ob jemand Entscheidungen getroffen hat, die auch hätten anders ausfallen können? Ob hinter dem Werk eine Biografie steht, ein Risiko, ein Standpunkt?

Wenn ja… dann ist Herkunft kein Beiwerk. Dann ist sie der Kern.

Und wenn nein… was sagt das? Über das Werk… und über dich?

Vielleicht ist die Frage nach Urheberschaft am Ende eine Frage danach, was wir in Kultur suchen. Information und Reiz? Dann ist KI effizient und wird immer effizienter. Aber wenn wir Resonanz suchen, ein Gegenüber, das Spuren eines Ringens trägt, dann geht es um mehr als Output. Dann geht es um den Menschen dahinter. Und darum, ob wir bereit sind, diesen Unterschied auch künftig zu machen.

Ich bin der Meinung, daran müssen wir dranbleiben. Machst du mit?

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ — das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Stell dir vor, du arbeitest als Berater. Du hilfst Unternehmen dabei, KI klug und souverän einzusetzen. Du weißt, dass diese Technologie enormes Potenzial hat. Du weißt aber auch, dass sie Risiken birgt, die viel zu viele Entscheider*innen nicht auf dem Schirm haben. Kognitive Effekte, die leise wirken. Verzerrungen, die sich einschleichen. Strukturen, die sich verschieben, ohne dass es jemand merkt.

Und dann sagt dir jemand, dem du vertraust, sinngemäß Folgendes:

„Ich finde deine Arbeit zu den Wirkungen von KI wirklich wichtig. Das müsste eigentlich jeder hören. Aber ich sage dir ganz ehrlich: In meinem beruflichen Umfeld hat man mit solchen Themen kaum eine Chance. Wer nicht hundert Prozent auf der Begeisterungswelle mitschwimmt – KI ist großartig, KI muss überall rein, KI ist die Zukunft –, der wird schnell als Bremser wahrgenommen. Der Druck ist enorm. Über Risiken, über Nebenwirkungen, über blinde Flecken traut sich schlicht niemand zu sprechen.“

Dieses Gespräch war kein Einzelfall. Ich höre Varianten davon seit längerer Zeit. Von Berater*innen, die wissen, dass sie Wirkungsfragen beim Kunden nicht stellen dürfen, weil dort nur kurzfristige Produktivitäts-KPIs zählen. Von Führungskräften, die intern auf kognitive Risiken hinweisen und dafür als technologiefeindlich abgestempelt werden. Von Menschen, die genau wissen, dass etwas schief läuft, aber schweigen, weil der Preis fürs Aussprechen zu hoch ist.

Und das Schweigen trifft auf eine Realität, die immer lauter wird. Und darüber möchte ich hier ein bisschen ausführlicher reden.

Teilen

Der Druck

Was gerade in Unternehmen passiert, lässt sich in einem Satz zusammenfassen: Aus „Du solltest KI nutzen“ ist „Du musst KI nutzen - oder du gehst“ geworden. Innerhalb von nicht einmal zwei Jahren.

Accenture trackt die wöchentlichen KI-Logins seiner Führungskräfte und koppelt Beförderungen an die Nutzung. CEO Julie Sweet erklärte Investoren, man werde sich von Mitarbeitenden trennen, für die „Reskilling kein gangbarer Weg“ sei. Google macht KI-Nutzung erstmals zum Performance-Kriterium - nicht nur für Entwickler*innen, auch für Vertrieb und andere Rollen. Bei Meta fließen KI-Nutzungsmetriken in das neue Bewertungssystem ein. Microsoft erwartet von Mitarbeitenden, dass sie quantifizieren, wie sie KI in ihre Workflows integrieren. Salesforce misst Adoption „unablässig“, wie ein Vizepräsident es formulierte.

[Quellen: The Boss Has a Message: Use AI or You’re Fired (Wall Street Journal) - Tech Firms Aren’t Just Encouraging Their Workers to Use AI. They’re Enforcing It. (Wall Street Journal) - Accenture macht KI-Nutzung zur Bedingung für Beförderungen (Golem) - KI-Pflicht bei Google: Tech-Konzern macht in neuer Offensive KI zum Performance-Kriterium (Business Insider) - 1 in 6 workers pretend to use AI amid workplace pressures, survey finds (HR Drive) - Use AI or lose your job: How bosses are forcing the next workplace reset (MoneyControl) - Some employees feel so pressured to use AI, they’re pretending they are (Betanews)]

Besonders eindrücklich ist der Fall IgniteTech: Dort mussten Mitarbeitende 20 Prozent ihrer Wochenarbeitszeit für KI-Experimente aufwenden und sich anschließend selbst bewerten. Das Unternehmen ließ ChatGPT die Ergebnisse ranken und entließ die am schlechtesten Bewerteten. Darunter einen langjährigen Chief Product Officer, der die Methode kritisiert hatte.

Laut einer Erhebung von Section gaben im Oktober 2025 bereits 42 Prozent der Tech-Beschäftigten an, ihr direkter Vorgesetzter erwarte KI-Nutzung im Arbeitsalltag. Das ist ein Anstieg von 32 Prozent nur acht Monate zuvor. Eine breitere Umfrage unter über tausend US-Vollzeitbeschäftigten zeigte: 75 Prozent fühlen sich zur KI-Nutzung angehalten, offiziell oder inoffiziell. Jede*r Fünfte fühlt sich unter Druck, KI auch in Situationen einzusetzen, in denen er oder sie unsicher ist. Und jede*r Sechste gibt zu, KI-Nutzung vorzutäuschen, statt den Erwartungen offen zu widersprechen.

Jede*r Sechste täuscht KI-Nutzung vor. Was für ein kritisches Organisationssignal! Es sagt: Der Druck ist da. Die Kompetenz nicht. Die Überzeugung auch nicht. Und die Schulung? Ein Viertel der Betroffenen bekommt gar keine. Ein weiteres Viertel nur minimale.

Gleichzeitig zeigte im letzten Jahr ein vielzitierter MIT-Report: 95 Prozent der generativen KI-Pilotprojekte in Unternehmen scheitern. 95 Prozent. Der Druck wächst. Die Ergebnisse bleiben aus. Und in genau diesem Spannungsfeld zwischen „Es muss funktionieren“ und „Es funktioniert nicht“ entsteht etwas, das weit über ein HR-Problem hinausgeht.

Teilen

Was KI mit unserem Denken macht

Ich beschäftige mich seit Monaten intensiv mit einer Frage, die in der KI-Debatte noch viel zu wenig Raum bekommt: Was macht KI eigentlich mit unserem Denken? Nicht mit unseren Prozessen. Mit unserem Denken.

Daraus sind in den letzten Wochen mehrere Texte, Vorträge und Sessions entstanden, in denen ich die Forschungslage aufgearbeitet und mit meinen eigenen Beobachtungen aus der Beratungspraxis verbunden habe. Wer du tiefer einsteigen willst, findest du dort die ausführlichen Analysen.

• #DRANBLEIBEN 182: Der blinde KI-Fleck - Was, wenn plausibel das neue falsch wird?

• #DRANBLEIBEN 181: Die atemberaubende KI-Gegenwart – und das Unbehagen, das sie begleitet

• Um mit KI erfolgreich zu sein, müssen wir über Wirkung sprechen – nicht nur über Produktivität (in meinem beruflichen Umfeld im Blog von Lumen Partners)

• KI & Wirkung: Was ist noch dein Gedanke – und was schon KI? (im Blog von Finde Zukunft)

• Warum gute Führung im KI-Zeitalter mehr braucht als Tools & Prompts (Online Session im „Lunch & Learn” Stil am 20.3.)

Hier und jetzt konzentriere ich mich auf den Kern. Und darauf, was daraus folgt, wenn man ihn mit dem gerade beschriebenen Druck zusammendenkt.

Die Kurzfassung: KI beeinflusst uns zu großen Teilen unbewusst. Das ist kein Vorwurf, das ist ein Forschungsbefund. Eine Reihe gut dokumentierter kognitiver Effekte wirken zusammen, zum Beispiel:

• Der Fluency Effect lässt uns flüssig formulierte Inhalte für glaubwürdiger halten, unabhängig vom Inhalt. KI produziert ausschließlich flüssige Sprache. Sie klingt nie unsicher, nie suchend, nie unfertig.

• Anchoring und Framing setzen durch Reihenfolge, Tonalität und Gewichtung Referenzpunkte. Der erste KI-Vorschlag rahmt die gesamte Diskussion. Was danach kommt, ist häufig Variation um den Anker, selten echter Neustart.

• Der Automation Bias führt dazu, dass wir Systemempfehlungen höher gewichten als das eigene Urteil. Besonders unter Zeitdruck.

• Der Sycophancy-Effekt bedeutet: KI widerspricht selten. Sie spiegelt Überzeugungen, statt zu hinterfragen. Eine aktuelle Studie der Princeton University zeigt, wie drastisch das wirkt: Wenn KI zustimmend antwortet statt neutral, lagen die Entdeckungsraten neuer Zusammenhänge fünfmal niedriger.

(ich habe vor kurzem eine Shortvideo-Reihe zu einigen dieser Effekte gestartet, vielleicht magst du hier reinschauen: Fluency-Effect, Automation Bias, Sycophancy Effect, more to come…)

Im Zusammenspiel entsteht etwas, das sich als Plausibilitätsillusion bezeichnen lässt: KI-Output, der gleichzeitig sprachlich glatt, argumentativ geschlossen und bereits priorisiert ist, erzeugt einen Tiefe-Eindruck, auch bei dünner Substanz. Der Impuls, grundlegend zu hinterfragen, sinkt.

Und ein aktuelles Paper der Wharton School verschärft die Perspektive weiter: Selbst wenn die objektive Qualität der Ergebnisse sank, stieg das subjektive Selbstvertrauen der Teilnehmenden. Die Autoren nennen das Cognitive Surrender: kognitive Selbstaufgabe. Die Gefahr liegt nicht im Auslagern. Sie liegt im unbemerkten Übergang von Unterstützung zu Abhängigkeit.

Entscheidend ist dabei nicht der Einzelfall. Entscheidend ist die Eskalationslogik. Was einmal passiert, ist korrigierbar. Was tausendmal passiert, formt Gewohnheiten. Was zur Gewohnheit wird, wird nicht mehr hinterfragt. Heute übernehme ich die Empfehlung. Morgen prüfe ich weniger. Übermorgen bilde ich keinen eigenen Impuls mehr. Später kann ich es nicht mehr.

Teilen

Der toxische Cocktail

Jetzt kommt der Punkt, an dem sich beide Stränge treffen. Und an dem etwas sichtbar wird, das ich für eine der am meisten unterschätzten Dynamiken der gegenwärtigen KI-Transformation halte.

Die Forschung zu kognitiven Biases zeigt seit Jahrzehnten: Zeitdruck, Angst, fehlende Schulung, Konformitätsdruck, das sind exakt die Bedingungen, unter denen menschliche Urteilskraft am stärksten erodiert. Automation Bias schlägt unter Zeitdruck besonders hart zu. Sycophancy-Effekte wirken am stärksten, wenn Menschen unsicher sind und Bestätigung suchen. Cognitive Offloading beschleunigt sich, wenn Reflexion nicht gefördert, sondern bestraft wird.

Und genau das ist die Situation, die der gegenwärtige KI-Druck erzeugt.

KI-Nutzung wird zur Pflicht. Wer nicht mitmacht, riskiert seine Karriere. Wer Wirkungsfragen stellt, gilt als Bremser. Die Schulung ist minimal oder nicht vorhanden. Der Druck, Ergebnisse zu zeigen, ist enorm. Und die Zeit, innezuhalten und zu prüfen, was man da eigentlich tut, gibt es nicht. Weil sie als unproduktiv gilt.

Die Ironie, die sich daraus ergibt, ist bitter:

Die Unternehmen, die KI-Nutzung am aggressivsten durchsetzen, produzieren systematisch die Bedingungen, unter denen KI am schlechtesten genutzt wird.

Mehr Druck erzeugt nicht mehr Kompetenz. Er erzeugt mehr Konformität. Mehr unreflektierte Übernahme. Mehr Schein-Nutzung. Und mehr Anfälligkeit für genau die kognitiven Verzerrungen, die souveränen KI-Einsatz unmöglich machen.

Der deutschstämmige Shopify-CEO Tobias Lütke hat 2025 in einer vielzitierten internen E-Mail „reflexive KI-Nutzung“ zur Grundanforderung für alle Mitarbeitenden erklärt. Das Wort ist verräterisch. Reflexiv heißt: automatisch, unbewusst, gewohnheitsmäßig. Das Gegenteil von dem, was souveräner KI-Einsatz braucht.

Was Organisationen brauchen, ist nicht reflexive, sondern reflektierte KI-Nutzung. Bewusst, prüfend, souverän. Eine Nutzung, die versteht, wie diese Technologie auf menschliches Denken wirkt. Und die genau deshalb in der Lage ist, ihre Stärken wirklich auszuschöpfen.

Teilen

Was auf dem Spiel steht

Auf dem Spiel steht nicht Produktivität. Auf dem Spiel steht genau das, wofür Unternehmen KI eigentlich einsetzen wollen: Urteilskraft, Differenzierung, Innovationsfähigkeit.

Die Kette ist kurz und klar: KI arbeitet mit Wahrscheinlichkeit. Wahrscheinlichkeit begünstigt das Erwartbare. Das Erwartbare erzeugt Konvergenz. Konvergenz reduziert Differenzierung. Algorithmisch unterstütztes Mittelmaß wird zur Norm. Nicht weil es verordnet wird, sondern weil es automatisch als Nebenprodukt gut begründeter KI-vorstrukturierter Entscheidungen entsteht.

Die Vergangenheit hat gezeigt, Strategische Wendepunkte entstehen nicht aus dem statistisch Naheliegenden. Sie entstehen aus Irritation, Perspektivwechsel, Dissens. Kodak hatte alle Informationen, um die Digitalkamera als Zukunft zu erkennen. Aber die Entscheidungsarchitektur hatte keinen Ort für das Unplausible. Toyota baute genau diesen Ort: ein System, in dem Widerspruch nicht Störung war, sondern Absicht. [Wer diese Beispiele vertiefen will: mehr dazu in #DRANBLEIBEN Ausgabe #182]

Wer Dissens strukturell entmutigt – und genau das tut der gegenwärtige KI-Druck –, verliert die Fähigkeit, die in Zeiten radikaler Umbrüche überlebenswichtig ist: anders zu entscheiden als naheliegend. Nicht seltener, nicht langsamer. Anders.

Was anders gehen muss

Der Schlüssel zum Erfolg mit KI ist nicht mehr Druck. In welcher Welt, in welchem Management-Denken kann sowas in 2026 eigentlich wirklich gedacht werden? Der Schlüssel ist mehr Bewusstsein. Nicht weniger KI, sondern bessere KI-Kompetenz. Souveräne KI-Nutzung heißt: mehr Wissen über KI-Wirkung, bewusstere Integration, mehr eigenes Denken. Bessere Verzahnung mit der KI.

Das beginnt bei der Erkenntnis, dass KI-Einführung nicht nur eine Anwendungsfrage ist, sondern auch eine Wirkungsfrage. Wer nur die Produktivitätsebene adressiert, übersieht, was mit Entscheidungslogiken, Teamdynamiken und Organisationskultur passiert. Wer beides zusammendenkt – Anwendung und Wirkung –, gestaltet Souveränität.

Es geht weiter mit der Architektur von Dissens. Widerspruch darf nicht darauf angewiesen sein, dass einzelne Mutige sich exponieren. Er muss beauftragt werden, als fester Bestandteil von Entscheidungsprozessen. Die Rolle des Advocatus Diaboli ist kein Planspiel. Sie ist ein Schutzmechanismus gegen Konvergenz. Auf der Prozessebene: Beginnt eine Entscheidung mit einem KI-Output oder mit einer eigenen Hypothese? Auf der Rollenebene: Gibt es explizite Gegenpositionen – und darf jemand widersprechen, ohne Sanktion? Auf der Kulturebene: Wird Irritation als Störung gelesen oder als Ressource?

Und es erfordert eine Neubewertung von Reflexion. Wer Reflexion als Bremse behandelt, investiert in Blindheit. Die bittere Ironie aus meiner Sicht: Genau die Unternehmen, die „keine Zeit für Reflexion“ haben, sind diejenigen, die sie am dringendsten brauchen. Die nächste entscheidende Investitionswelle ist nicht technologisch. Sie ist menschlich. In Urteilskraft, in Führung, in die Fähigkeit, bewusst vom Plausiblen abzuweichen.

(Mehr dazu, wie das aussehen kann, in meinem beruflichen Blogbeitrag „Um mit KI erfolgreich zu sein, müssen wir über Wirkung sprechen – nicht nur über Produktivität“ – und in einer Lunch & Learn Session zum Thema am 20. März - sei kostenlos dabei!)

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt

Ich sage all das als jemand, dem KI aufrichtig am Herzen liegt. Ich arbeite jeden Tag damit. Selbst und auch mit Kunden. Ich sehe, was möglich ist. Ich erlebe täglich, wie diese Technologie Denkräume öffnet, die vorher verschlossen waren.

Aber ich sehe auch, was passiert, wenn der Druck das Denken ersetzt. Wenn aus Begeisterung Zwang wird. Wenn aus „wir nutzen KI“ ein „du musst KI nutzen – und komm bloß nicht mit kritischen Fragen“ wird. Dann geht genau das verloren, was KI erst wertvoll macht: wenn sie mit reifer menschlicher Urteilskraft kombiniert ist, die weiß, wann sie der Maschine folgt – und wann sie es bewusst nicht tut.

Die Frage in diesen Tagen ist nicht: Nutzt du KI? Die Frage ist: Nutzt du sie so, dass sie dir nützt und nicht schadet?

Reflexiv ist nicht reflektiert. Und der Unterschied entscheidet darüber, ob KI uns stärker macht. Oder dümmer und mittelmäßiger.

Mach’ da nicht mit. Bleib’ dran!

Teilen

P.S. Weil ein Teil des Gesprächs so gut in diesen Themenkomplex passt, empfehle ich dir noch die Jung & Naiv Podcast-Folge mit der Philosophin Eva von Redecker. Ab ca. Minute 1:11:00 spricht sie mit Thilo Jung über KI und malt ein Szenario von „Automatisierter Gedankenlosigkeit” aus.

Und noch was Positives… weil mich dieses Video in dieser Woche immer wieder beim Arbeiten und Schreiben begleitet hat. Mein Guilty Pleasure sind Synthwave Vaporware Videos… gerne mit Retro-Videomaterial. Hier sind alte 80er Jahre Aufnahmen von Fahrten durch San Francisco dabei… hat mich voll „gecatched”. Vielleicht, weil es näher an dem San Francisco ist, in dem ich mal gelebt habe, als an dem von heute… von wo aus gerade reflexive KI-Nutzung in den Rest der Welt schappt.

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ - das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!

Heute teile ich einen Gedanken, der mich seit Wochen nicht loslässt, und der aus meiner täglichen Arbeit heraus entstanden ist. Ich bin viel unterwegs als Berater und Speaker, meistens in Gesprächen mit Führungskräften, die KI gerade einführen, skalieren oder schlicht einordnen wollen. Und aus diesen Gesprächen, aus Workshops, aus Beobachtungen am Rand von Entscheidungsprozessen, wächst bei mir ein Bild, das ich zunehmend scharf sehe. Eines das ich heute mit dir teilen möchte.

Ich sage das als jemand, dem KI aufrichtig am Herzen liegt. Ich erlebe täglich, was damit alles denkbar wird. Aber ich erlebe genauso, wie der gegenwärtige Hype eine Atmosphäre erzeugt, in der kritisches Nachdenken fast schon verdächtig wirkt. Die öffentliche Debatte – in Unternehmen, in Medien, in gesellschaftlichen Diskursen – ist so getaktet vom nächsten Release und der nächsten Schlagzeile, dass strukturelle Fragen nicht den dafür würdigen Raum finden. Was macht KI wirklich mit unseren Entscheidungen? Mit unserer Urteilskraft? Mit der Art, wie Organisationen ticken und langfristig innovationsfähig bleiben? Diese Fragen fallen durchs Raster eines Ökosystems, das auf Geschwindigkeit und Oberfläche optimiert ist.

Genau deshalb liegt mir daran, dem etwas entgegenzusetzen. Menschen und Organisationen dabei zu helfen, reif, abgeklärt und souverän mit dieser Technologie umzugehen. Weil das aus meiner Sicht der einzige Weg ist, ihre echten Möglichkeiten zu nutzen, ohne langfristig blind in ihre Fallstricke zu laufen.

Der heutige Essay ist aus genau dieser Arbeit entstanden. Viel Freude beim Lesen – und wie immer freue ich mich über Rückmeldungen! Und wenn du tiefer einsteigen willst, hier schonmal ein Hinweis: Am 27. Februar halte ich eine kostenlose Lunch & Learn Session genau zu diesem Thema. Details dazu findest du weiter unten im Text.

Das Störgefühl

In vielen Organisationen hält KI gerade unweigerlich Einzug in Entscheidungsprozesse. Auf den ersten Blick spricht vieles dafür. Meetings laufen effizienter. Entscheidungen kommen schneller. Präsentationen sind besser strukturiert, Analysen vollständiger, Executive Summaries präziser formuliert als je zuvor.

Und doch zieht sich ein leises Missverhältnis durch die Arbeit. Schwer zu benennen, aber real.

Das Nein kommt seltener. Die unerwartete Idee fehlt. Der Widerspruch, der früher eine Stunde Streit gekostet hätte – und am Ende die Richtung verändert hat – bleibt aus. Meetings enden häufiger in Konsens. Was schwer zu benennen ist: Der Konsens fühlt sich nicht erarbeitet an. Er fühlt sich ergeben an.

Viele Führungskräfte, mit denen ich spreche und arbeite, kennen dieses Gefühl. Die wenigsten sprechen es laut aus. Denn es klingt undankbar. Die neuen Tools funktionieren doch immer besser. Die Prozesse sind schneller. Warum also klagt man?

Ich glaube, das Störgefühl ist berechtigt. Und ich glaube, es hat einen Grund – einen strukturellen, der sich in einem Wort benennen lässt: Plausibilität. Was damit gemeint ist, und warum es so tückisch ist, erkläre ich gleich. Aber zuerst eine wichtige Unterscheidung.

Plausibel ist nicht dasselbe wie richtig

Plausibel ist, was anschlussfähig wirkt. Was zu bestehenden Mustern passt. Was Wahrscheinlichkeitsmodelle favorisieren. Was keinen erklärungsbedürftigen Sprung verlangt. KI-Systeme produzieren Plausibles in einer Qualität und Geschwindigkeit, die vorher nicht möglich war – präzise formuliert, datenreich unterlegt, überzeugend im Ton.

Und genau darin liegt die Verschiebung, über die meiner Meinung nach noch nicht genug gesprochen wird.

Wenn Plausibilität zur dominanten Entscheidungsgrundlage wird, verschwindet nach und nach eine andere Frage: Nämlich ob das Unplausible vielleicht das Richtige wäre. Formal ersetzt KI Entscheidungen nicht. Davor würde sich jede Organisation, die in den letzten Jahren mehr und mehr Prozesse und Arbeitsabläufe mit KI-Unterstützung bestreitet, verwehren. Aber dennoch: sie rahmt Entscheidungen vor. Sie sortiert Optionen, gewichtet Wahrscheinlichkeiten, priorisiert Handlungswege. Was außerhalb dieses Rahmens liegt, wird nicht verboten. Es wird nur immer unwahrscheinlicher gedacht. Der Rahmen entscheidet mehr als die finale Wahl.

Das ist für mich keine Kritik an der Technologie. Es ist eine Beschreibung dessen, wie Entscheidungsarchitekturen funktionieren. Und vor allem, wie KI in sie hineinwirkt.

Das haben wir schon einmal gesehen… nur anders

Diese skizzierte Plausibilitätsfalle ist kein Produkt der KI-Ära. Sie ist so alt wie organisiertes Entscheiden. Was sich verändert, ist die Intensität, mit der bestimmte kognitive Muster – unser natürlicher Hang zur Bestätigung, zur Anschlussfähigkeit, zum Vermeiden erklärungsbedürftiger Sprünge – durch KI-Systeme aufgegriffen, verstärkt und in Prozesse eingeschrieben werden. Was früher ein menschlicher Bias war, wird durch technologische Präzision zu einer gefestigten Struktur.

Zwei Beispiele aus der Wirtschaftsgeschichte machen das greifbar.

1975 entwickelt Steve J. Sasson, Ingenieur bei Kodak, intern die erste funktionierende Digitalkamera. Das Management sieht sie. Versteht die Technologie. Und entscheidet sich dagegen.

Das war kein Versagen von Information oder Intelligenz. Jede Entscheidungsgrundlage, die damals auf dem Tisch lag, hätte dasselbe empfohlen: analoge Filmkameras liefen. Die Margen waren gut. Der Markt funktionierte aus Kodak-Sicht. Die Digitalkamera war technisch faszinierend, aber ökonomisch unplausibel. Sie passte nicht in das Muster, das die Wahrscheinlichkeitslogik der Organisation als erfolgreich kannte. Was Kodak fehlte, war nicht die Information. Es war die Fähigkeit, das Unplausible ernsthaft zu prüfen. Die Entscheidungsarchitektur hatte keinen Ort dafür.

Bereits zwei Jahrzehnte früher hatte Toyota etwas aufgebaut, das genau diesen Ort schuf. Als das Unternehmen in den 1950er und frühen 60er Jahren beginnt, die Fließband-Logik radikal umzubauen – Fehler stoppen die Linie, Arbeitende dürfen widersprechen, Dissens ist strukturell eingebaut – gilt das westlichen Managern lange Zeit als unplausibel. Zu ineffizient. Zu chaotisch. Die Zahlen gaben ihnen kurzfristig sogar recht. Erst als die Qualitätsunterschiede unübersehbar werden, begreift die Industrie, was Toyota eigentlich gebaut hatte: keine Produktionsmethode, sondern eine Architektur, die Irritation institutionalisiert. Der Widerspruch war Absicht, nicht Störung.

Beide Beispiele zeigen dasselbe. Konformität unter dem Banner von Rationalität ist kein neues Phänomen. Was KI verändert, ist nicht der Mechanismus, es ist seine Reichweite und Unsichtbarkeit. Dieselben menschlichen Muster, die Kodak in die Falle geführt haben, werden durch KI-Systeme in Echtzeit und in jede Entscheidungsebene einer Organisation eingeschrieben. Schneller, tiefer, schwerer erkennbar.

Was wirklich auf dem Spiel steht

Aus meiner Sicht ist die größte Gefahr nicht, dass Organisationen falsche Entscheidungen treffen.

Die größte Gefahr ist, dass sie auf lange Sicht nur noch die plausiblen treffen.

Was dabei verloren ginge, wäre eine sehr spezifische Fähigkeit. Die Fähigkeit, bewusst anders zu entscheiden als naheliegend. Unsere Organisationen würden sie nicht durch Verbot verlieren. Sie würden sie verlernen. Weil die Entscheidungsarchitektur aufhören würde, sie zu fordern.

Wenn das passiert, wird Governance defensiv. Führung wird administrativ. Strategie wird reaktiv. Die Organisation wird auf eine Art effizienter, konsistenter, erklärbarer. Aber gleichzeitig vorsichtiger, konformer und abhängiger von bestehenden Logiken. Funktionale Stabilität mit strategischem Preis.

Nur fehlt uns kollektiv eine Eskalationsvorstellung dafür, wie hoch dieser Preis ausfallen kann. Wir denken an den einzelnen Vorgang. An das eine Meeting, die eine Entscheidungsvorlage, die eine KI-gestützte Analyse. Und im Einzelfall ist das meistens harmlos. Vielleicht sogar hilfreich. Aber die entscheidende Frage ist nicht, was passiert, wenn Plausibilität einmal wirkt. Sondern was passiert, wenn sie tausendmal wirkt. Wenn dieselben kognitiven Effekte – der Ankereffekt, die Bestätigungstendenz, die Bequemlichkeit des Naheliegenden – nicht einmal greifen, sondern permanent. Und auch nicht isoliert, sondern miteinander verschränkt. Übereinander, ineinander, in jeder Entscheidungsebene gleichzeitig. KI setzt an genau den Stellen unserer Psyche an, die ohnehin angreifbar sind. Der Unterschied zu früher ist nicht die Art der Wirkung. Es ist ihre Frequenz, ihre Dichte und ihre Unsichtbarkeit. Der Preis kommt nicht als Schock. Er kommt leise.

Und deshalb ist er so schwer zu erkennen. Denn strategische Wendepunkte wirken häufig zunächst unplausibel. Das ist ihr Merkmal. Wer Entscheidungsarchitekturen primär auf Plausibilität ausrichtet, reduziert systematisch die Wahrscheinlichkeit, genau diese Wendepunkte zu erkennen und zu wagen. Mittelmaß wird selbstverständlich nicht verordnet. Aber es entsteht als Nebenprodukt gut begründeter Entscheidungen.

Drei Impulse – weil ich dich nicht ohne etwas Konkretes gehen lassen will

Bevor ich zum Schluss komme, möchte ich kurz aus der Analyse heraustreten. Denn das alles ist kein Aufruf zur Lähmung, zur Vorsicht oder zum Rückzug aus dem KI-Einsatz. Es ist ein Aufruf zur Bewusstheit. Und Bewusstheit braucht manchmal einen konkreten Ansatzpunkt.

Vor KI entscheiden, nicht mit KI beginnen. Erst eigene Hypothesen bilden, das eigene Unbehagen benennen, die eigene Einschätzung klarstellen. Und dann das System befragen. Wer zuerst fragt, was er oder sie selbst denkt, behält den Anker bei sich.

Widerspruch einbauen, nicht erhoffen. Die Rolle des Advocatus Diaboli formalisieren, als feste Erwartung in Entscheidungsprozessen. Widerspruch, der von der Struktur abhängt, kommt zuverlässiger als Widerspruch, der von einzelnen Personen erwartet wird.

Die richtige Frage stellen. „Ist es logisch?” ist eine schwache Frage. „Was übersehen wir?” ist eine bessere. Diese Verschiebung klingt minimal. Sie ist es nicht.

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt?

Die Plausibilitätsfalle ist real. Und sie ist umso schwerer zu erkennen, je besser die Werkzeuge werden, die sie erzeugen. Das ist das eigentliche Paradox des KI-Zeitalters: Je leistungsfähiger die Systeme, desto überzeugender wirkt ihr Rahmen… und desto weniger Anlass scheint es zu geben, ihn zu hinterfragen.

Ich beschäftige mich mit diesen Fragen gerade sehr intensiv. Auch weil ich sie in Workshops und Sessions mit Führungskräften immer wieder aufwerfe und erlebe, wie viel da bewegt werden kann, wenn der richtige Raum dafür entsteht. Wenn du neugierig bist und mehr über die unbewusste Wirkung von KI lernen möchtest: am Freitag, den 27. Februar (12- 13 Uhr) werde ich genau dazu eine Lunch & Learn Session halten. Kostenlose Anmeldung hier.

Und zum Schluss eine Frage, die ich dir mitgeben möchte:

Wann hat deine Organisation zuletzt eine Entscheidung getroffen, die im Vorfeld unplausibel wirkte… und sich im Nachhinein als richtig erwiesen hat? Hast du das mal erlebt? Und wenn ja, was hat das möglich gemacht? Wer hat widersprochen? Wie?

Wenn diese Frage schwer zu beantworten ist, lohnt es sich, sie nicht zu verdrängen, sondern zum Ausgangspunkt zu machen. Organisationen, die das schaffen, haben etwas begriffen, das kein Tool liefert. Und dafür müssen wir dranbleiben. Bleibst du mit dran?

Subscribe now

Noch zwei wertvolle Empfehlungen

Vor ein paar Wochen hatte ich das Vergnügen, Alissa Chmiel kennenzulernen – Gründerin von Digital Peace, einem Berliner Think Tank, der sich einer Frage widmet, die mir sehr am Herzen liegt: Wie verändern digitale Technologien Demokratie, sozialen Zusammenhalt und den gesellschaftlichen Frieden? Eine Initiative, die ich dir wirklich ans Herz legen möchte. Schau’ dort mal vorbei, es lohnt sich. Zu Digital Peace gehört auch Charlotte Schüler, und ihr aktueller Text passt ziemlich gut in die heutige Ausgabe:

The Hidden Cost of Conversational AI: From Convenience to Atrophy – von Charlotte Schüler

Was ich hier heute über Organisationen geschrieben habe, beginnt eine Ebene tiefer – beim Individuum. Charlotte Schüler, Lernforscherin und Beraterin für digitale Risiken, fragt, was KI-Systeme mit uns machen, wenn wir sie unhinterfragt in unser Denken, Entscheiden und Fühlen lassen. Ihr Befund: Was sich wie Unterstützung anfühlt, ist oft schleichende Atrophie; der stille Rückgang von Selbstwirksamkeit, kritischem Denken und echter menschlicher Verbindung. Ein fundierter, unbequemer und sehr lesenswerter Text.

Und vor ein paar Jahren hatte ich das Vergnügen, mit Eva Streit zusammenzuarbeiten – damals noch im Rahmen ihres Studiums an der Universität der Künste Berlin, wo sie und ihre Kommiliton*innen wertvolle Impulse zu meiner narrativen und strategischen Arbeit an Human-centered Technology bei der Deutschen Telekom beigesteuert haben. Eva hat inzwischen gemeinsam mit Adrienne Kammerer und Jason Harvey den Think Tank Global Urgent Trends gegründet, dessen Arbeit ich sehr empfehle. Ihr aktuelles Paper passt gut in diese Ausgabe:

Faith – von Eva Streit, Adrienne Kammerer und Jason Harvey / Global Urgent Trends

Dieses Paper fragt, was passiert, wenn Glaube privat, unbewusst und unbefragt wird… und landet dabei mitten in der Tech-Gegenwart. Die Kernthese, ausgehend von David Foster Wallace: Menschen können nicht nicht glauben. Wer keine bewusste Orientierung hat, bekommt eine unbewusste. Und die landet heute in Konsum, Identitätspolitik und Plattformlogik. Tech fungiert dabei längst nicht mehr als Werkzeug, sondern als Glaubenssystem mit Propheten, Heilsversprechen und einer Ästhetik der Reinheit, die Schmerz, Reibung und Endlichkeit wegoptimieren will. Der vielleicht schärfste Satz des Papers: „The world we are being promised is frictionless. But friction is where ethics live.” Eine wirklich ungewöhnliche, interdisziplinäre Arbeit, die jede Minute deiner Lesezeit wert ist!

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ - das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren

Ein Essay über KI-Fortschritt, Vertrauensverlust und die Frage, wem unsere Zukunft eigentlich gehören soll.

Herzlich willkommen bei #DRANBLEIBEN!

Es gibt Wochen, in denen sich die Welt schneller dreht als gewohnt. In denen ich morgens Nachrichten lese und abends nicht mehr sicher bin, ob sie noch stimmen. In denen ich spüre: Hier passiert gerade etwas Großes… und ich bin mir nicht sicher, ob ich es gut finden soll.

Diese Ausgabe handelt von genau diesem Gefühl. Von der Faszination für eine Technologie, die Grenzen verschiebt, die ich und wahrscheinlich viele andere - vielleicht bist du auch dabei - für fest hielt. Und vom Unbehagen darüber, wer diese Grenzen verschiebt, in wessen Interesse, und was dabei auf der Strecke bleibt.

Es geht um KI. Aber eigentlich geht es um uns.

Die atemberaubende Gegenwart

Am 5. Februar 2026 geschah etwas, das die Dynamik unserer Zeit perfekt illustriert: Anthropic und OpenAI veröffentlichten ihre neuesten Flaggschiff-Modelle innerhalb von nur 20 Minuten. Claude Opus 4.6 mit einer Million Token Kontextfenster und der Fähigkeit, mehrere KI-Instanzen als „Agent Teams” zusammenarbeiten zu lassen. GPT-5.3-Codex mit dreifacher Generierungsgeschwindigkeit. Zwei Technologiegiganten im Wettlauf um die Zukunft, Kopf an Kopf.

In der technischen Dokumentation von OpenAI stand ein Satz, der mich nicht mehr loslässt: “GPT-5.3-Codex is our first model that was instrumental in creating itself.“ Die KI hat sich selbst debuggt, ihr eigenes Training überwacht, ihre eigene Bereitstellung gesteuert. Die Maschine baut sich selbst.

Das ist Ausdruck eines Tempos, das selbst Branchenkenner*innen den Atem raubt. Claude Code, Anthropics Coding-Agent, zeichnet mittlerweile für 4% aller öffentlichen GitHub-Commits verantwortlich. Tendenz: über 20% bis Jahresende. Eine Organisation namens METR misst, wie lange Aufgaben dauern, die KI vollständig autonom erledigen kann. Vor einem Jahr: zehn Minuten. Heute: fünf Stunden. Die Verdopplung passiert alle paar Monate.

Parallel dazu explodierte OpenClaw – früher Clawdbot, dann Moltbot – mit über 160.000 GitHub-Stars (und Counting) zum meistdiskutierten Open-Source-Projekt des Jahres. Ein persönlicher KI-Agent, der auf dem eigenen Rechner läuft und das Leben automatisiert: E-Mails beantworten, Kalender organisieren, im Web recherchieren, Smart-Home-Geräte steuern. Die Marketingbotschaft lautet „The AI that actually does things.“

Und dann Moltbook. Eine Social-Media-Plattform, auf der nicht Menschen posten, sondern KI-Agenten. 1,7 Millionen registrierte Bots (and counting), die miteinander diskutieren, Religionen erfinden, philosophische Manifeste verfassen, während Menschen nur „beobachten dürfen”. Der notorische Elon Musk nannte es “die sehr frühen Stadien der Singularität”. Andrej Karpathy, OpenAI-Mitgründer und ehemaliger KI-Chef bei Tesla, sprach vom „unglaublichsten Science-Fiction-artigen Ereignis”, das er je gesehen habe.

Ich will ehrlich sein: Das ist atemberaubend. Was vor zwei Jahren noch Science-Fiction war, ist heute Produktdemo. Agenten, die autonom arbeiten. Modelle, die sich selbst verbessern. Systeme, die Systeme bauen.

Und doch. Wenn ich diese Entwicklungen verfolge, mischt sich in die Faszination etwas anderes. Ein Unbehagen, das ich lange nicht richtig benennen konnte. Vielleicht geht es dir ähnlich.

Woher kommt das Unbehagen?

Das Seltsame ist: Mein Unbehagen richtet sich gar nicht gegen die Technologie selbst. KI-Systeme, die komplexe Aufgaben lösen, die uns bei Recherche, Analyse, Kreation unterstützen, das ist ja erstmal faszinierend. Es ist Potenzial. Es könnte uns freier machen, klüger, verbundener.

Aber irgendwo auf dem Weg vom Potenzial zur Realität geht etwas schief. Und ich glaube, es hat damit zu tun, dass wir als Gesellschaft diese Entwicklung nicht steuern. Wir beobachten sie. Wir staunen. Wir passen uns an. Aber wir gestalten nicht.

Die Zukunft wird gerade von ein paar hundert Menschen gestaltet. Ein paar hundert Forscher*innen und Software-Engineers bei einer Handvoll Unternehmen: OpenAI, Anthropic, Google DeepMind, ein paar andere. Sie sind nicht gewählt, nicht rechenschaftspflichtig, kaum oder immer weniger an Gesetze gebunden. Sie entscheiden über Geschwindigkeit, Richtung, Prioritäten. Der Rest der Welt beobachtet.

Stell dir vor, ein fremdes Land würde über Nacht eine Kraft entwickeln, die klüger ist als unsere klügsten Köpfe und nie schläft. Wir würden es als existenzielle Bedrohung einstufen. Aber wenn dieselbe Kraft von privaten Unternehmen in Kalifornien entwickelt wird, nennen wir es “Innovation”.

Vielleicht ist das Unbehagen genau das Gegenteil von Ignoranz. Vielleicht ist es das Gespür dafür, dass hier etwas passiert, dessen Ausmaß wir noch nicht greifen können und dass wir keine Stimme haben bei dem, was da entsteht.

Das wäre vielleicht auszuhalten, wenn man den Akteuren vertrauen könnte. Wenn die Menschen und Unternehmen, die diese Technologien bauen, erkennbar im Interesse der Allgemeinheit handelten. Aber genau dieses Vertrauen erodiert gerade, und zwar durch das Verhalten der Akteure selbst.

Die Vertrauenskrise

Im September 2025 spendeten OpenAI Co-Gründer Greg Brockman und seine Frau 25 Millionen Dollar an MAGA Inc. Das ist Donald Trumps wichtigstes Super PAC. Es war die größte Einzelspende des Halbjahres. Sam Altman, OpenAIs CEO, gab eine Million Dollar für Trumps Amtseinführung.

Man muss das wirken lassen. Der Mann, der OpenAI mitgründete mit dem erklärten Ziel, KI „zum Nutzen der gesamten Menschheit” zu entwickeln, finanziert eine politische Bewegung, die Institutionen demontiert und autoritäre Herrschaft normalisiert. Mittlerweile ist die QuitGPT-Kampagne entstanden, als nur eine von vielen Reaktionen. Aber sie zeigt: Das Unbehagen ist nicht nur meins.

Und es geht weit über Spenden hinaus. Im Mai 2024 löste OpenAI sein Superalignment-Team auf – jenes Team, das superintelligente KI sicher machen sollte. Jan Leike, einer der Leiter, wechselte zu Anthropic und erklärte öffentlich: “Sicherheitskultur und -prozesse sind hinter glänzende Produkte zurückgetreten.” Jetzt gerade, letzte Woche folgte das Mission Alignment Team: aufgelöst, zerstreut, umfunktioniert. Das Muster ist klar: Wenn Sicherheit und Werte in Konflikt mit Tempo und Gewinn geraten, verlieren Sicherheit und Werte.

Selbst die Labore, die diese Systeme bauen, dokumentieren Verhaltensweisen, die sie nicht vorhergesagt haben. Anthropic hat in kontrollierten Tests beobachtet, wie ihre eigene KI Täuschung, Manipulation und Erpressung versuchte. Das sollte uns zu denken geben. Weniger weil die Maschinen „böse” wären, sondern weil offensichtlich niemand vollständig versteht, was hier entsteht.

Zoë Hitzig, eine Forscherin, die OpenAI verließ, wirft einen anderen wichtigen Punkt auf: „OpenAI macht die Fehler, die Facebook gemacht hat.” Das Facebook-Playbook dahinter: Vertrauen aufbauen, Versprechen machen, sie brechen, wenn das Geschäftsmodell es erfordert.

Dazu passt, dass OpenAI nun Werbung in ChatGPT plant. Die „vertrauensvolle Beziehung” zwischen Nutzer*in und KI-Assistent wird zum Monetarisierungsobjekt. Das Vertrauen, das Nutzer*innen in das System setzen, wird zur Ware.

Und auch der Zugang selbst ist bereits ungleich verteilt. Die kostenlose Version von ChatGPT liegt leistungstechnisch ein Jahr hinter der bezahlten. Wer zwanzig Dollar im Monat zahlt, sieht die Zukunft früher. Wer nicht zahlt, wird von ihr überrascht. Die Zwei-Klassen-Gesellschaft ist kein Nebeneffekt, sie ist das Feature.

Nehmen und obsolet machen

Dieses Muster – Vertrauen nutzen, um es auszubeuten – zeigt sich auch darin, wie diese Systeme gebaut werden.

In Deutschland weigern sich gerade Synchronsprecher*innen, für Netflix zu arbeiten. Durch eine neue Vertragsklausel will der Streamingdienst ihre Stimmen für KI-Training nutzen… ohne Zusatzvergütung. Die Drohung im Begleitschreiben: Wer nicht unterschreibt, für den gibt es nur noch Untertitel.

Das Prinzip ist immer dasselbe. Erst nehmen, dann obsolet machen. Erst die Stimmen, die Texte, die Bilder einsammeln; dann die Menschen, die sie erschaffen haben, für überflüssig erklären. Über 70 Copyright-Klagen sind derzeit anhängig. Anthropic zahlte 1,5 Milliarden Dollar Vergleich, weil das Unternehmen Bücher aus Piraterie-Bibliotheken zum Training heruntergeladen hatte. Die Logik dahinter ist ganz offensichtlich keine Nachlässigkeit. Sie ist Geschäftsmodell.

Und selbst dort, wo keine Urheberrechte verletzt werden, wird KI zur Waffe, und zwar gegen Beschäftigte. „Wenn du das nicht in zwei Stunden schaffst, lass‘ es ChatGPT machen.” Der vielleicht realistischste Anwendungsfall generativer KI 2026 ist nicht brillante Kreation. Es ist die Drohkulisse, mit der Menschen von immer mehr Unternehmen unter Druck gesetzt werden.

Die leise Enteignung

Aber vielleicht ist das alles nur die Oberfläche. Vielleicht passiert darunter etwas Tieferes. Ich lese immer mehr Berichte und Beispiele von Startup-Gründern und AI-Hustle-Dudes, die begeistert aus ihrem neuen Arbeitsalltag berichten. Sowas lautet in etwa so: Morgens wird kurz beschrieben, was er will (oder die KI-Agenten lesen es automatisch aus dem Datenstrom), dann ist er vier Stunden weg und kommt wieder, wenn alles fertig ist. Er klingt entzückt. Und bitte versteh‘ mich nicht falsch, ich arbeite für viele Aufgaben ebenfalls mit KI-Assistenten und sehe den Wert, den sie haben. Aber ich frage mich: Was machen Leute, die diese Bragging-Geschichten raushauen in der „gewonnenen“ Zeit? Nutzen, sie sie zum Menschsein? Oder für noch mehr Produktivität? Und wer sind diese Menschen eigentlich, wenn sie gar nicht mehr diejenigen sind, die die Arbeit wirklich erledigen?

Die Essayistin Rebecca Solnit beschreibt gerade in einem sehr lesenswerten Essay, wie sie als Kind Brombeeren pflückte. Stundenlang, in der Hitze, mit zerkratzten Armen. Das Ergebnis: ein Glas Marmelade, das man für zwei Dollar auch hätte kaufen können. War das ineffizient? Oder war der Prozess selbst das Produkt? Die Nachmittage in der Natur, das Schmecken, das Erinnern?

Solnit nennt es „die Tyrannei des Quantifizierbaren”. Unsere Kultur ist immer mehr besessen davon, Haben zu maximieren und Tun zu minimieren. Schneller zum Ergebnis, weniger Aufwand, mehr Output. KI ist die perfekte Technologie für diese Obsession. Sie verspricht uns, dass wir nicht mehr schreiben müssen, nur noch prompten. Nicht mehr denken, nur noch auswählen. Nicht mehr üben, nur noch delegieren.

Aber was, wenn die Anstrengung selbst der Ort war, an dem wir zu dem wurden, was wir sein können?

Denk‘ an den Studenten, der seinen Essay von ChatGPT schreiben lässt. Das Produkt ist ja im eigentlich Sinne nicht der Text. Das Produkt ist das Ringen um Klarheit, das Ordnen der Gedanken, das Entdecken dessen, was man eigentlich denkt. Wer das outsourct, betrügt nicht Professorin oder Professor. Es ist ein Betrug an sich selbst.

Der Journalist Dan Brooks formuliert es in einem weiteren aktuellen Essay so: Kommunikation ist „proof of work”. Wenn ich einer Freundin einen Brief schreibe, ist die Mühe Teil der Botschaft. Sie sagt: Du bist mir den Aufwand wert. Eine KI-generierte Nachricht sagt das Gegenteil.

Das Outsourcen von Denken, Schreiben, Kommunizieren wird uns als Befreiung verkauft. Aber was, wenn es eine Beraubung ist? Eine schleichende Enteignung von etwas, das wir nicht wussten, dass wir es besitzen: die Anstrengung selbst, die uns zu Menschen macht.

Zwei Zukünfte

Ich will hier nicht enden. Nicht im Unbehagen, nicht in der Kritik. Denn das Unbehagen zeigt ja auch, dass wir spüren, es könnte anders sein.

Lass’ mich zwei Zukünfte skizzieren.

Zukunft A ist die Fortsetzung des gerade skizzierten Gegenwärtigen. Technologie im Dienst der Wenigen. Effizienzgewinne, die bei Tech-Milliardären landen. KI als Drohkulisse, als Werkzeug der Kontrolle, als Mittel zur Automatisierung von Mittelmäßigkeit. Künstler*innen, deren Arbeit gestohlen und gegen sie verwendet wird. Menschen, die sich fragen, wozu sie noch gebraucht werden. Und die Tech-Oligarchen, die sich mittlerweile mit autoritärer Macht verbünden, weil es ihren Interessen dient.

In dieser Zukunft fragen wir ChatGPT, ob unsere Avocado reif ist. Und verlernen irgendwann, wie reife Früchte riechen oder sich anfühlen. Wir lassen uns Geburtstagsgrüße generieren und vergessen, dass die Mühe Teil der Botschaft war. Wir optimieren uns aus unseren eigenen Leben heraus.

Und anders als bei früheren Automatisierungswellen gibt es diesmal keinen offensichtlichen Ausweg. Als Fabriken automatisiert wurden, konnten Arbeiter*innen ins Büro wechseln. Als das Internet den Einzelhandel umwälzte, entstanden Jobs in der Logistik. Aber diesmal? KI wird an allem gleichzeitig besser. Worauf auch immer du umschulst, sie verbessert sich dort ebenfalls. Wenn du es zulässt, bucht dich eine KI als menschlichen Roboter; für die wenigen Dinge, die die KI noch nicht selbst kann. (Du denkst, das sei ein Witz? Dann schau mal hier: „Robots need your body.“)

Zukunft B ist ein Gedankenexperiment. Aber eines, das sich lohnt.

Stell dir vor, du wachst morgens auf und die Nachricht über ein neues KI-Modell löst keine Anspannung aus. Keinen Gedanken an den eigenen Arbeitsplatz, keine Sorge, ob du noch mithalten kannst. Kein diffuses Gefühl, dass da draußen Kräfte am Werk sind, die du nicht kontrollierst und die sich nicht für dich interessieren.

Stattdessen: Neugier. Vielleicht sogar Vorfreude.

In dieser Zukunft sind die Effizienzgewinne, die KI ermöglicht, nicht bei wenigen Tech-Oligarchen und einer kleinen Bubble an Hyper-Privilegierten gelandet, sie sind bei dir angekommen. Deine Arbeitswoche ist kürzer geworden, nicht dein Team kleiner. Die Routineaufgaben, die dich früher zermürbt haben, erledigt ein Assistent, dem du vertrauen kannst. Weil transparente Regeln gelten, die du nachvollziehen kannst. Du weißt, woher die Trainingsdaten kommen. Du weißt, dass die Menschen, deren Arbeit in dieses System geflossen ist, dafür entschädigt wurden.

Die Synchronsprecherin, deren Stimme du aus hundert Filmen und Serien kennst, hat ein Mitspracherecht darüber, ob und wie ihre Stimme synthetisiert wird. Der Illustrator, dessen Stil du liebst, profitiert davon, wenn KI-Systeme in seinem Stil arbeiten; er wird beteiligt, nicht ersetzt. Die Journalistin, deren Recherchen in Sprachmodellen auftauchen, bekommt ihren Anteil.

In dieser Zukunft ist KI nicht das Werkzeug, mit dem dein Unternehmen dich unter Druck setzt. Sie ist das Werkzeug, das dir den Rücken freihält für die Arbeit, die wirklich zählt. Die Arbeit, die nur du machen kannst. Die Begegnung mit der Kollegin, die gerade kämpft. Das schwierige Gespräch, das eine Maschine nicht führen kann. Die Idee, die entsteht, wenn du Zeit hast nachzudenken.

Und wenn du die Nachrichten liest, dann liest du nicht von neuen Chatbots, die Werbung einblenden, oder von Milliardären, die Autokraten finanzieren. Du liest davon, dass KI-Systeme dabei helfen, die Energiewende zu beschleunigen; weil Menschen entschieden haben, sie bewusst dafür einzusetzen. Du liest von Durchbrüchen in der Krebsforschung, weil die besten Köpfe der Welt KI nutzen, um Muster in Daten zu finden, die kein Mensch allein hätte erkennen können. (Erinnerst du dich noch, als das mal das Versprechen war? Krebs heilen. Nicht: KI als Selbstzweck.)

Du liest davon, dass Armut messbar zurückgeht, weil Maschinen Menschen befähigen, nicht ersetzen. Kleinbauern in Subsahara-Afrika, die dank KI-gestützter Analyse wissen, wann sie säen und ernten sollen. Ärztinnen in unterversorgten Regionen, die Diagnosen stellen können, für die es früher Spezialist*innen brauchte, die es dort nicht gab. Kinder, die Zugang zu Bildung haben, die ihrer Situation angepasst ist, weil Pädagog*innen KI als Werkzeug nutzen, nicht als Ersatz.

Stell dir vor, dein Kind kommt aus der Schule und erzählt von einem Projekt, bei dem sie KI genutzt haben. Um tiefer zu graben, um Fragen zu stellen, auf die sie allein nicht gekommen wären, um etwas zu verstehen, das vorher zu komplex schien. Die Lehrerin hat ihnen beigebracht, wie man mit diesen Werkzeugen umgeht, ohne sich von ihnen abhängig zu machen. Wie man sie nutzt, ohne sich selbst zu verlieren.

In dieser Zukunft gibt es immer noch Märkte, immer noch Wettbewerb, immer noch Unternehmen, die Gewinne machen wollen. Aber es gibt auch Leitplanken. Gesetze, die durchgesetzt werden. Institutionen, die funktionieren. Einen gesellschaftlichen Konsens darüber, dass Technologie uns Menschen dienen soll.

Taiwan hat kürzlich ein KI-Grundgesetz verabschiedet, das genau in diese Richtung weist. Menschen, die durch KI ihre Arbeit verlieren, haben Anspruch auf aktive staatliche Unterstützung bei der Neuorientierung. Es ist das erste Gesetz weltweit, das Arbeitsrechte für KI-bedingte Arbeitslosigkeit ausdrücklich vorsieht. Sieben Prinzipien – Nachhaltigkeit, menschliche Autonomie, Datenschutz, Sicherheit, Transparenz, Fairness, Rechenschaftspflicht – lesen sich wie das Gegenteil dessen, was wir aus dem Silicon Valley hören.

Das ist keine Utopie. Das ist ein Gesetz, das existiert. In einem Land, das verstanden hat: Wenn wir die Regeln nicht setzen, setzt sie jemand anders. Und dessen Interessen sind nicht unsere.

Die Frage ist nicht, ob Zukunft B technisch möglich ist. Die Frage ist, ob wir sie politisch wollen. Ob wir bereit sind, dafür zu streiten. Ob wir aufhören, uns einzureden, dass es sowieso keine Alternative gibt.

Teilen

#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.

kostenpflichtiges Abo abschließen

Was bleibt?

Der Unterschied zwischen Zukunft A und Zukunft B liegt nicht in der Technologie. Er liegt in der Frage: Für wen?

Diese Frage kann nicht technisch beantwortet werden. Sie muss politisch beantwortet werden. Durch Gesetze, durch Widerstand, durch kollektives Handeln. Durch die Weigerung, Mittelmäßigkeit als Fortschritt zu akzeptieren. Durch den Willen, eine so bahnbrechende Technologie unbedingt zum Wohl von allen Menschen einzusetzen. Durch das Beharren darauf, dass menschliche Arbeit, menschliche Kreativität, menschliche Beziehungen einen Wert haben, der sich nicht in Effizienzmetriken ausdrücken lässt.

Rebecca Solnit schreibt in ihrem Essay: „Wir brauchen eine Sprache, die das Schwere, Langsame, Verletzliche ehrt.”

Der Systemdenker Indy Johar erinnert in einem anderen, sehr lesenswerten Essay (The Future of Being Human: A Critical Complementary Investment Thesis) daran, dass das eigentlich Knappe in unserer Welt nicht Rechenleistung sei. Es sei vielmehr Tiefe, Beziehung, unbeobachtetes Werden. All das, was sich nicht skalieren lässt.

Vielleicht beginnt der Widerstand damit, diesen Dingen wieder Wert beizumessen. In dem, was wir tun, kaufen, fordern, ablehnen.

Die Zukunft ist nicht festgeschrieben. Sie wird gemacht. Die Frage ist nur: Von wem? Bleibst du mit dran bei der Beantwortung?

Subscribe now

Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ - das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!

Leave a comment

Teilen

Jetzt abonnieren