Zimmermann Die KI-Blase

Wenn Billionen auf Algorithmen treffen
1. Auflage 2026
ISBN: 978-3-6957-9317-4
Verlag: BoD - Books on Demand
Format: EPUB
Kopierschutz: 6 - ePub Watermark

E-Book, Deutsch, 248 Seiten

Nvidia ist wertvoller als die gesamte deutsche Wirtschaft. OpenAI verbrennt Milliarden, ohne je Gewinn zu erzielen. Investoren sprechen von der größten technologischen Revolution seit der Industrialisierung. Die Realität sieht anders aus. Dieses Buch zerlegt die KI-Euphorie in ihre Bestandteile. Es folgt dem Geld: von den Risikokapitalgebern über die Chiphersteller bis zu den Rechenzentren, die mehr Strom verbrauchen als manche Länder. Es analysiert die Technologie: was Large Language Models leisten, was sie nicht leisten und warum der Sprung zur künstlichen allgemeinen Intelligenz weiter entfernt ist, als die Schlagzeilen vermuten lassen. Die Geschichte kennt solche Phasen. Eisenbahnmanie, Dotcom-Boom, Immobilienblase, jedes Mal dieselben Muster: überzogene Erwartungen, astronomische Bewertungen, kollektive Verdrängung der Risiken. Und jedes Mal eine Korrektur, die Vermögen vernichtet und Illusionen zerstört. Was Sie erwartet: - Warum OpenAI bei 500 Milliarden Dollar Bewertung noch keinen Dollar Gewinn erzielt hat - Wie ein Netzwerk aus Investoren, Analysten und Medien den Hype befeuert - Welche versteckten Kosten die KI-Revolution mit sich bringt - Warum Taiwan zum geopolitischen Nadelöhr der Chipindustrie wurde - Drei Szenarien für das Ende des Booms und was danach bleibt

Ich schreibe über Künstliche Intelligenz, im Hier und Jetzt, mit Blick auf das Morgen. In meinen Fachbüchern analysiere ich, wie KI heute Technologien, Unternehmen und Entscheidungsprozesse verändert. In meinen Romanen entwerfe ich Zukunftsszenarien, die zeigen, was Künstliche Intelligenz für Gesellschaft, Individuen und die Menschheit bedeuten kann visionär, kritisch, emotional. Ich glaube an das, was ich tue und begleite dich bei dem, was du brauchst. Ob du fundiertes Wissen für Dein Projekt suchst oder eine neue Perspektive auf unsere digitale Zukunft, ich biete keine Standardlösungen, sondern individuelle, persönliche Ratgeber in Form von Büchern und Artikeln. Wenn du nach einem kreativen Zugang zum Thema KI suchst, fachlich fundiert oder literarisch erzählt, dann bist du bei mir richtig. Ich überrasche dich mit Ideen, die nicht nur informieren, sondern auch berühren und zum Denken anregen.

Autoren/Hrsg.

Zimmermann, Mark

Leseproben

Kapitel 1: Die ewige Verheißung

Dieses Kapitel zeichnet die siebzigjährige Geschichte der künstlichen Intelligenz nach. Der Leser erfährt von den überschwänglichen Anfängen am Dartmouth College über die schmerzhaften KI-Winter bis zu den stillen Durchbrüchen der 1990er Jahre. Die Geschichte zeigt ein wiederkehrendes Muster: Auf jede Euphorie folgt Ernüchterung. Das Verständnis dieser Zyklen ist entscheidend für die Einordnung des heutigen Booms.

Von der Dartmouth-Konferenz bis heute

Im Sommer 1956 versammelten sich zehn Wissenschaftler am Dartmouth College in Hanover im US-Bundesstaat New Hampshire zu einem außergewöhnlichen Experiment. Acht Wochen lang wollten sie ergründen, ob Maschinen das Denken erlernen können. Die Organisatoren hatten am 31. August 1955 einen Förderantrag bei der Rockefeller Foundation eingereicht, der mit bemerkenswerter Kühnheit formuliert war: Man gehe von der Vermutung aus, dass sich jeder Aspekt des Lernens sowie jede andere Eigenschaft der Intelligenz prinzipiell so präzise beschreiben lasse, dass eine Maschine sie simulieren könne. [Quelle 01]

Die vier Hauptorganisatoren waren keine weltfremden Träumer. John McCarthy lehrte Mathematik am Dartmouth College. Er sollte später die Programmiersprache LISP erfinden, die Generationen von KI-Forschern prägen würde. Marvin Minsky vom MIT entwickelte sich zum einflussreichsten Theoretiker des Feldes. Claude Shannon von den Bell Laboratories hatte 1948 die Informationstheorie begründet, ohne die weder das Internet noch moderne Computer existieren würden. Nathaniel Rochester von IBM hatte das erste symbolverarbeitende Programm eines kommerziellen Computers entwickelt.

Zu den Teilnehmern gehörten Allen Newell und Herbert Simon von der Carnegie Mellon University. Sie brachten den Logic Theorist mit, ein Programm, das mathematische Theoreme beweisen konnte. Ebenfalls anwesend waren Arthur Samuel, der an lernfähigen Dameprogrammen arbeitete, Ray Solomonoff mit seinen Ideen zur induktiven Inferenz sowie Oliver Selfridge, ein Pionier der Mustererkennung. Diese Versammlung der brillantesten Köpfe der frühen Informatik markierte die Geburtsstunde eines neuen Forschungsfeldes.

Der Workshop brachte auch einen Namen hervor, der bis heute Hoffnungen und Ängste weckt: Artificial Intelligence. John McCarthy prägte den Begriff und setzte sich damit gegen Alternativen wie "complex information processing" durch. Die Namenswahl war kein Zufall. Sie signalisierte einen Anspruch, der weit über bloße Datenverarbeitung hinausging.

Die Erwartungen der Teilnehmer erscheinen aus heutiger Sicht erstaunlich naiv. Im Förderantrag formulierte McCarthy: Man unternehme einen Versuch herauszufinden, wie Maschinen Sprache verwenden, Abstraktionen und Konzepte bilden, bis-her Menschen vorbehaltene Probleme lösen sowie sich selbst verbessern können. Innerhalb weniger Jahrzehnte, so die Überzeugung, würden Computer menschenähnlich denken.

Siebzig Jahre später warten wir noch immer. Doch der Optimismus von Dartmouth hat nie aufgehört, die Branche zu prägen. Jede neue Generation von KI-Forschern glaubt, dass der Durchbruch unmittelbar bevorsteht. Jede neue Technologie feiern Enthusiasten als den lang ersehnten Wendepunkt.

Die ersten Triumphe und das große Erwachen

Die frühen Jahre verliefen vielversprechend. Programme lösten mathematische Beweise, übersetzten einfache Texte und spielten Schach. Die Medien feierten jeden Fortschritt als Beweis für die nahende Maschinenrevolution. Die US-Regierung investierte Millionen in die Forschung. Die Defense Advanced Research Projects Agency (DARPA) finanzierte großzügig und ohne strenge Auflagen, solange die Forscher interessante Ideen verfolgten.

Herbert Simon, der später den Nobelpreis für Wirtschaftswissenschaften erhalten sollte, prophezeite 1965 in seinem Buch "The Shape of Automation for Men and Management": Maschinen werden innerhalb von zwanzig Jahren fähig sein, jede Arbeit zu verrichten, die ein Mensch verrichten kann. [Quelle 77] Im Jahr 1957 hatte er bereits vorausgesagt, dass Computer den Schachweltmeister innerhalb von zehn Jahren schlagen würden. Tatsächlich dauerte es vierzig Jahre, bis Deep Blue 1997 Garri Kasparow besiegte.

Marvin Minsky erklärte 1967 selbstbewusst: Innerhalb einer Generation sei das Problem der künstlichen Intelligenz im Wesentlichen gelöst. Diese Prognosen spiegelten keine Arroganz wider, sondern die aufrichtige Begeisterung junger Wissenschaftler, die glaubten, einen Durchbruch erzielt zu haben. Simon, Newell und Minsky waren damals in ihren Dreißigern und frühen Vierzigern.

Doch die Grenzen zeigten sich schnell. Die Programme funktionierten nur in eng definierten Bereichen. Sie verstanden keine Zusammenhänge, erkannten keine Ironie und scheiterten an Aufgaben, die jedes Kind bewältigt. Ein Schachprogramm konnte Züge berechnen, aber nicht erklären, warum ein bestimmter Zug gut war. Ein Übersetzungsprogramm konnte Wörter ersetzen, aber nicht den Sinn eines Textes erfassen.

ELIZA und die Illusion des Verstehens

>Im Jahr 1966 veröffentlichte Joseph Weizenbaum am MIT ein Programm, das eine fundamentale Frage aufwarf: Können Menschen den Unterschied zwischen echter Intelligenz und geschickter Simulation erkennen? [Quelle 04] Das Programm hieß ELIZA, benannt nach Eliza Doolittle aus George Bernard Shaws Pygmalion. Wie die literarische Figur sollte auch das Programm durch Training immer besser werden.

ELIZA simulierte in seiner berühmtesten Konfiguration DOCTOR einen Psychotherapeuten der Rogerschen Schule. Carl Rogers hatte die Technik entwickelt, Patienten durch offene Fragen und Spiegelung ihrer Aussagen zum Sprechen zu ermutigen. Weizenbaum erkannte, dass sich diese Technik algorithmisch nachahmen ließ.

Das Programm verwendete etwa fünfzig Regeln zur Mustererkennung und Textersetzung. Gab ein Nutzer das Wort "Mutter" ein, antwortete ELIZA mit Variationen von "Erzählen Sie mir mehr von Ihrer Familie". Verwendete jemand "immer" oder "nie", fragte das Programm nach konkreten Beispielen. Die Technik war simpel, aber erstaunlich effektiv.

Was Weizenbaum zutiefst beunruhigte, war die Reaktion der Nutzer. Seine eigene Sekretärin bat ihn, den Raum zu verlassen, damit sie ungestört mit ELIZA sprechen könne. Menschen schütteten dem Programm ihr Herz aus, überzeugt, dass es sie verstand. Psychologen diskutierten ernsthaft, ob man ELIZA therapeutisch einsetzen könne. Manche Forscher sahen in den emotionalen Reaktionen der Nutzer einen Beweis für die Leistungsfähigkeit des Systems.

Weizenbaum sah etwas anderes: die erschreckende Bereitschaft von Menschen, Verständnis zu unterstellen, wo keines existiert. Er nannte dieses Phänomen später den "ELIZA-Effekt". Obwohl das Programm keinerlei Repräsentation dessen hatte, was gesagt wurde, interpretierten Menschen Bedeutung und Empathie in seine Antworten hinein.

Die Lektion lernten nur wenige. Noch heute verwechseln Menschen überzeugende Ausgaben mit echtem Verständnis. ChatGPT ist ELIZA in gewaltigem Maßstab: sophistizierter, vielseitiger, mit Milliarden von Parametern statt fünfzig Regeln. Doch konzeptionell folgt es demselben Prinzip. Es erzeugt plausible Antworten durch statistische Mustererkennung, ohne irgendetwas zu verstehen.

Der Lighthill-Report: Die Ernüchterung beginnt

Der erste ernsthafte Dämpfer kam 1973. Sir James Lighthill, ein renommierter Mathematiker und Aerodynamiker, verfasste im Auftrag des britischen Science Research Council einen vernichtenden Bericht über den Stand der KI-Forschung. [Quelle 02]

Lighthill war kein Informatiker. Er kam von außen, mit dem nüchternen Blick des Skeptikers. Genau das machte ihn gefährlich für die KI-Gemeinde. Er untersuchte die tatsächlichen Ergebnisse statt der Versprechen. Sein Fazit fiel brutal aus: Die KI-Forschung habe ihre "grandiosen Ziele" in keiner Weise erreicht. Die Versprechen seien massiv übertrieben, die praktischen Anwendungen minimal.

Besonders kritisierte Lighthill das Problem der "kombinatorischen Explosion". Viele der erfolgreichsten KI-Algorithmen skalierten katastrophal. Was in kleinen Testumgebungen funktionierte, brach bei größeren Problemen zusammen. Mit jedem zusätzlichen Element wuchs die Zahl der möglichen Kombinationen exponentiell, bis selbst die schnellsten Computer kapitulierten. Ein Schachprogramm konnte wenige Züge vorausberechnen, aber die vollständige Analyse eines Spiels hätte länger gedauert als das Alter des Universums.

Die BBC strahlte eine öffentliche Debatte zwischen Lighthill und führenden KI-Forschern aus, darunter John McCarthy selbst. Die Forscher verteidigten ihre Arbeit leidenschaftlich, konnten aber die konkreten Ergebnisse nicht vorweisen, die Lighthill forderte. Das Publikum konnte live beobachten, wie die Koryphäen des Feldes ins Schwimmen gerieten.

Die Konsequenzen waren weitreichend. Die britische Regierung strich die Förderung für KI-Forschung fast vollständig. Nur drei Universitäten behielten überhaupt noch KI-Programme: Edinburgh, Essex und Sussex. Es dauerte ein ganzes Jahrzehnt, bis sich die...