Die Maschine übernimmt
Warum die KI-Branche auf Systeme zusteuert, die nicht mehr nur helfen, sondern Arbeit komplett ersetzen sollen. Und damit die Jobs vieler Menschen.
ChatGPT, Gemini, Claude, Llama sind die erfolgreichsten KI-Produkte der Welt und haben in erstaunlich kurzer Zeit Hunderte Millionen Nutzer erreicht. Doch hinter diesem Triumph steckt ein Paradox, das selten offen ausgesprochen wird:
Je mehr Menschen diese Systeme nutzen, desto sichtbarer wird ein Geschäftsmodell, das trotz Reichweite, Aufmerksamkeit und Wachstum weiter Milliarden verschlingt.
Das ist kein Randproblem einzelner Firmen. Es ist der Kern der Branche.
Wer heute einen KI-Chatbot gratis nutzt, bekommt nicht nur eine Antwort. Er liefert zugleich Material. Jede Nachfrage, jede Umformulierung, jede Korrektur, jedes Lob und jede Ablehnung helfen dabei, das nächste Modell präziser zu machen. Der kostenlose Nutzer ist deshalb nicht einfach Publikum. Er ist Teil der Produktionskette. Das gilt umso mehr, weil die große Masse der Nutzer nichts zahlt, aber dennoch fortlaufend Daten, Präferenzen und Trainingssignale erzeugt. Der Gratiszugang ist also kein Akt digitaler Großzügigkeit. Er ist ein System zur Rohstoffgewinnung.
Gerade darin findet sich die erste Schieflage. Die Nutzerbasis wächst gewaltig, doch mit jeder Nutzung steigen auch die Kosten. Jede Anfrage braucht Rechenleistung. Jede Verbesserung verlangt neue Trainingsläufe. Jeder Fortschritt verschlingt Chips, Strom, Rechenzentren und Kapital. Das ist keine Softwareökonomie im alten Sinn, in der ein einmal gebautes Produkt fast kostenlos an Millionen verteilt werden kann. KI skaliert anders. Sie skaliert nicht nur beim Umsatz, sondern auch beim Verbrauch.
Die Größenordnungen, die in der Branche kursieren, zeigen das Problem deutlich. Milliardenumsätzen stehen Milliardenverluste gegenüber. Für OpenAI werden für 2025 Umsätze von 13 Milliarden US-Dollar und zugleich ein Cash Burn (Ausgaben) von 9 Milliarden genannt. Für die folgenden Jahre steigen die Infrastruktur- und Rechenkosten in Dimensionen, die eher an Schwerindustrie als an klassische Software erinnern. Die Prognose für 2026 zeigt einen Verlust von voraussichtlich 14 Milliarden US-Dollar auf, während sich der reine Cash Burn auf über 17 Milliarden US-Dollar mehr als verdoppeln soll. Und bis zum Jahr 2030 rechnet OpenAI mit einem kumulierten Cash Burn von sage und schreibe 665 Milliarden US-Dollar. Aufgrund enormer Investitionen in Skalierung, Infrastruktur und Rechenzentren und nicht zuletzt der Kosten für die Mitarbeiterkompensation von Open AI, um Spitzentalente im harten Wettbewerb mit Google und Meta zu halten, ist vor 2030 nicht mit dem Erreichen der Profitabilität (Break Even) zu rechnen. Genau deshalb liegen die Margen weit unter dem, was Investoren aus gewöhnlichen Softwarefirmen kennen. Wer in KI investiert, finanziert nicht in ein leichtes Plattformgeschäft hinein. Er finanziert eine Maschine, die ständig gefüttert werden muss.
Preise erhöhen, so lautet der übliche Reflex darauf. Doch genau das ist schwierig. Denn der Markt wird billiger, nicht teurer. Modelle werden austauschbarer. Konkurrenz kommt aus den USA, aus China, aus den großen Cloud-Konzernen und aus Start-ups, die mit niedrigeren Preisen und aggressiven Angeboten in denselben Markt drängen. Wer in einem solchen Umfeld die Preise zu stark anzieht, riskiert nicht nur Widerstand, sondern Abwanderung zur Konkurrenz.
Der zweite naheliegende Ausweg wäre, die Gratisnutzer zu begrenzen. Aber auch das würde die Lage nicht wirklich entspannen. Denn diese Nutzer sind nicht bloß Kostenfaktor. Sie sind Burggraben, Reichweitenmotor und Trainingsquelle zugleich. Wer sie verliert, verliert nicht nur Publikum, sondern auch das Material, aus dem die nächste Produktgeneration lernt.
Bleibt noch Werbung. Auch sie wirkt eher wie ein Notventil als eine Lösung. Selbst ein Werbegeschäft im dreistelligen Millionenbereich würde an einem Defizit in zweistelliger Milliardenhöhe wenig ändern. Es lindert den Druck, beseitigt ihn aber nicht. Die Rechnung bleibt dieselbe: Sie weist steigende Betriebskosten, einen steigenden Kapitalbedarf und steigende Erwartungen aus.
An diesem Punkt taucht in der Branche der Begriff „Artificial General Intelligence“ auf, abgekürzt AGI, und man kann ihn mit „Allgemeine Künstliche Intelligenz“ übersetzen. AGI bezeichnet ein KI-System, dem dieselbe intellektuelle Flexibilität und Lernfähigkeit wie die eines Menschen zugeschrieben wird. Ein System also mit Weltverständnis, Abstraktionsvermögen und allgemeiner Problemlösungskompetenz. Noch klingt dies nach Vision, Mission oder technischem Fernziel. Ökonomisch betrachtet ist es etwas Nüchterneres. Es ist die Hoffnung auf einen Umsatzsprung der Konzerne, der groß genug ist, um diese Kostenstruktur irgendwann zu tragen.
Solange KI wie in seiner jetzigen Form vor allem assistiert, bleibt das Erlösmodell begrenzt. Ein Nutzer zahlt dann für Hilfe, Komfort und Geschwindigkeit. Vielleicht 20 Dollar im Monat, vielleicht etwas mehr. Das ist nützlich, aber gemessen an den Kosten des Systems zu wenig. Die Rechnung verändert sich erst dann grundlegend, wenn aus einem Assistenten ein Ersatz wird, wenn Unternehmen nicht mehr bloß ein Werkzeug abonnieren, sondern ein System kaufen, das Tätigkeiten übernimmt, für die bisher Menschen bezahlt wurden.
Konkret, lieber Leser, geht es um deinen Job, den die AGI für deinen Arbeitgeber übernimmt – und das 24 Stunden an sieben Tagen in der Woche, ohne lästige Gewerkschaften, Tarifverträge, Urlaubsanträge und Fehlzeiten durch Arbeitsunfähigkeit. Ist es so weit, dann hat es sich für die KI-Konzerne gelohnt. Denn dann wird aus einem Abo eine Personalposition mit deinen zum Training verwendeten Daten. Dann geht es nicht mehr um ein paar Dollar im Monat, sondern um Summen, die bisher an Gehälter gebunden waren. Es geht um dein Gehalt, da ein Algorithmus deinen Job übernommen hat.
Hier liegt die unbequeme Wahrheit: Die Branche braucht nicht einfach eine bessere KI. Sie braucht für ihre Finanzierung ökonomisch wirksame KI. Systeme also, deren Wert für Unternehmen so hoch ist, dass die Einnahmen pro Kunde um ein Vielfaches steigen. Erst dann erscheinen milliardenschwere Investitionen in Chips, Rechenzentren und Trainingsläufe überhaupt rational. AGI ist in dieser Logik kein Science-Fiction-Traum. Es ist die betriebswirtschaftliche Erzählung, mit der sich eine extreme Gegenwartshypothek auf eine noch extremere Zukunft rechtfertigen lässt.
Der Druck lastet nicht nur auf OpenAI. Google investiert massiv in Gemini, Meta in seine eigenen Modellfamilien, xAI sammelt Kapital ein, chinesische Konzerne ziehen nach, Anthropic wächst ebenfalls unter hohem Finanzbedarf. Unterschiedliche Länder, unterschiedliche Gründer, unterschiedliche Selbstbilder – und dennoch dieselbe Richtung. Das ist der entscheidende Punkt. Man muss dafür nicht einmal an Größenwahn glauben. Denn sie erzeugt einen Kreislauf, aus dem kaum jemand freiwillig aussteigt. Das beste Modell zieht Nutzer an. Nutzer erzeugen Daten. Daten verbessern das nächste Modell. Das nächste Modell kostet mehr. Mehr Kosten verlangen mehr Kapital. Mehr Kapital bekommt nur, wer eine Zukunft verspricht, die groß genug ist, um heutige Verluste plausibel zu machen. So wird AGI vom Fernziel zum Geschäftsargument. Und aus dem Geschäftsargument wird ein Wettrennen.
Das ist nicht deshalb beunruhigend, weil jede Person in diesen Firmen dunkle Absichten hätte. Eher im Gegenteil. Viele dürften überzeugt sein, an etwas historisch Wichtigem zu arbeiten. Beunruhigend ist etwas anderes: Eine der größten technologischen Fragen unserer Zeit wird nicht vor allem politisch, gesellschaftlich oder demokratisch verhandelt, sondern unter dem Druck von Bilanzen, Finanzierungsrunden und Release-Zyklen. Wo Verzögerungen Hunderte Millionen kosten können, wächst der Anreiz, Tempo zu priorisieren und Vorsicht als Bremsfaktor zu behandeln.
Damit verschiebt sich auch die eigentliche Frage: Sie heißt nicht mehr
Wollen wir Systeme bauen, die uns in immer mehr Bereichen überholen?
sondern
Wer entscheidet unter welchem Druck, wie schnell und mit welchem Ziel das geschieht?
Die ehrliche Antwort fällt ernüchternd aus. Im Moment entscheidet darüber nicht ein souveräner Plan. Es entscheidet vor allem eine ökonomische Struktur. Wenn KI-Chefs also erklären, sie bauten immer bessere KI, also eine AGI, weil es der richtige Schritt für die Menschheit sei, lohnt ein Blick auf die nüchterne Seite dieser Erzählung. Man darf nie vergessen: Ein Besser für die Branche bedeutet nicht besser für alle. Es bedeutet ein Besser für die Wenigen und ein Schlechter für die Vielen, deren Arbeit dann eine Maschine macht.
Bastian Alexander Werner hat an mehreren Kursen der Freien Akademie für Medien & Journalismus teilgenommen.
Newsletter: Anmeldung über Pareto