Warum das exponentielle Wachstum der KI einen massiven blinden Fleck hat

Wenn es um KI und die Zukunft der Arbeit, warnen alle davor, dass künstliche Intelligenz Entwickler, Berater und Manager bald ersetzen wird. Doch ein genauerer Blick auf die tatsächliche Wissenschaft hinter großen Sprachmodellen (die kürzlich in dieser Videoanalyse eines italienischen Technologieforschers) offenbart einen massiven blinden Fleck in der Hype-Maschinerie.

Die Menschen sehen die exponentielle Entwicklung der KI-Fähigkeiten und nehmen an, dass die Überflüssigkeit des Menschen unmittelbar bevorsteht.

Diese Panik wird durch virale Meldungen angeheizt. Vielleicht haben Sie den Beitrag des Entwicklers Matt Schumer übernehmen wird financeeine Welt grenzenlosen Wirtschaftswachstums prognostiziert – Essay „Das Zeitalter der Intelligenz“da kann man sich leicht überfordert fühlen.

Doch die Realität des KI-Fortschritts ist weitaus differenzierter. Die jüngsten Leistungssprünge sind, wie Forscher es nennen, „verdächtig spezifisch“.

Die Illusion des Maßstabs

Betrachtet man aktuelle KI-Benchmarks, zeigen die Leistungskurven steil nach oben. Der METR-Benchmark, ein hoch angesehenes Bewertungsinstrument, hat kürzlich gezeigt, dass KI-Modelle bei Aufgaben, für die ein menschlicher Experte normalerweise 8 bis 14 Stunden benötigt, beeindruckende Meilensteine ​​erreichen.

Doch liest man das Kleingedruckte, ändert sich die Geschichte. Diese Meilensteine ​​werden nur in etwa 50 Prozent der Fälle erreicht. Noch wichtiger ist, dass sich die gemessenen Aufgaben fast ausschließlich auf Softwareentwicklung, maschinelles Lernen und Cybersicherheit beschränken. Versuchen Forscher, diese Modelle anhand ganzheitlicher, nicht-algorithmischer Aufgaben zu evaluieren, sinkt die Leistung deutlich .

Dieser Zuverlässigkeitsverlust außerhalb streng kontrollierter Umgebungen ist genau das strukturelle Risiko, das ich in „ Der KI-Exodus: Warum Bauherren dem Gebäude nicht trauen“. Wenn eine KI in einem komplexen, missionskritischen Szenario auf eine Wissenslücke stößt, schnellt die Rate fehlerhafter Fehlermeldungen in die Höhe – ein Beweis dafür, dass hohe Benchmark-Werte nicht automatisch zu mehr Sicherheit im Unternehmen führen.

Die geheime Engine: RLVR

Die massiven Leistungssteigerungen der Modelle im Laufe des Jahres 2025 und des Jahres 2026 sind auf eine spezielle Trainingsmethode zurückzuführen, die als Reinforcement Learning from Verifiable Rewards (RLVR) bezeichnet wird.

RLVR funktioniert phänomenal gut, wenn ein Problem eine eindeutige, überprüfbare Lösung hat. Mathematik, Programmierung und Logikrätsel eignen sich dafür perfekt. Man kann Milliarden synthetischer Tests generieren, und die Maschine kann sofort überprüfen, ob die Antwort richtig oder falsch ist. Sie verstärkt automatisch die korrekten Denkwege und verwirft die falschen. Aktuelle Forschungsarbeiten diskutieren heftig darüber, ob RLVR Modellen tatsächlich neue Denkfähigkeiten beibringt oder sie lediglich effizienter darin macht, bereits bekannte Wege zu finden. Ungeachtet des zugrunde liegenden Mechanismus ist das Ergebnis dasselbe: Die Maschine ist in überprüfbarer Logik exzellent.

Die reale Welt ist chaotisch

Denken Sie an ein reales Geschäftsproblem. Sollten Sie eine neue Preisstrategie einführen? Wie führen Sie eine heikle Verhandlung mit einem Lieferanten? Wie managen Sie eine komplexe Lagerintegration über verschiedene Unternehmenskulturen hinweg?

Für diese Situationen gibt es keine eindeutig richtige Antwort. Man kann nicht automatisch eine Million synthetischer Szenarien generieren, um ein Modell für menschliche Empathie oder strategische Kompromisse zu trainieren. Probleme der realen Welt erfordern kontinuierliches Lernen, Domänengeneralisierung und soziales Urteilsvermögen.

Genau diese Dynamik habe ich in „ Wenn Software sich selbst schreibt: Die Illusion des selbstentwickelten ERP-Systems“. Die Fähigkeit einer KI, mithilfe von RLVR fehlerfreien Code zu generieren, ist etwas völlig anderes als die Entwicklung eines konformen und nachvollziehbaren Geschäftssystems. Unternehmenssoftware erfordert ein tiefes Verständnis lokaler Gesetze und widersprüchlicher Geschäftsregeln – Bereiche, in denen KI nach wie vor grundlegend den Kontext vermissen lässt.

Selbst führende KI-Forscher erkennen diese Lücke an. Während Dario Amodei von Anthropic hofft, dass RLVR diese Kluft letztendlich überbrücken und zu allgemeiner Intelligenz führen wird, stellt Demis Hassabis von Google DeepMind ausdrücklich fest, dass große Sprachmodelle allein nicht ausreichen. Wir benötigen Systeme, die kontinuierlich lernen und reale Modelle der physischen Welt erstellen können.

Die IBM-Plotwendung

Die Unternehmenswelt erkennt diese Einschränkungen bereits. Man betrachte nur, was Anfang Februar 2026 geschah: IBM kündigte einen umfassenden Plan an , die Zahl der Neueinstellungen von Berufsanfängern in den USA zu verdreifachen.

Warum sollte ein Technologiekonzern mehr Nachwuchskräfte einstellen, wenn KI angeblich die Führung übernimmt? IBM erkannte, dass KI zwar Routineaufgaben wie Programmierung und administrative Anfragen bewältigen kann, aber nicht die menschlichen Aspekte der Arbeit. Daraufhin wurden die Einstiegspositionen komplett neu gestaltet. Junior-Entwickler verbringen nun weniger Zeit mit dem Schreiben von Standardcode und mehr Zeit mit der Zusammenarbeit mit Kunden. Die Personalabteilung konzentriert sich auf die Beratung von Führungskräften und die Prüfung von KI-Systemen, anstatt wiederkehrende Fragen zu beantworten.

IBM-Personalchefin Nickle LaMoreaux brachte es auf den Punkt: Ohne einen stetigen Nachschub an Nachwuchstalenten, die heute das Geschäft von Grund auf lernen, werden Unternehmen morgen mit einem massiven Mangel an erfahrenen Führungskräften im mittleren Management konfrontiert sein. Unsere Rollen entwickeln sich hin zu strategischeren Aufgaben.

Umsetzbare Erkenntnisse

Wie können Sie also Ihre Karriere in diesem sich wandelnden Umfeld zukunftssicher gestalten?

1. Setzen Sie verstärkt auf die „komplexen“ Fähigkeiten: Konzentrieren Sie sich auf Kompetenzen, die nicht automatisch von einem Algorithmus überprüft werden können. Verhandlungsgeschick, strategische Problemlösung und die Fähigkeit, domänenübergreifend zu generalisieren, sind Ihre größten Stärken.
2. Werden Sie KI-Orchestrator: Lernen Sie, genau wie die neuen Mitarbeiter von IBM, mit KI zusammenzuarbeiten. Nutzen Sie sie, um nachweisbare Routineaufgaben zu erledigen, damit Sie Ihre Energie in wertvolle Kundengespräche investieren können.
3. Bleibt neugierig: Neugier war schon immer der Kern all meiner Erfahrungen. Ich bin fest davon überzeugt, dass wir Gefahr laufen, überflüssig zu werden, wenn wir aufhören, nach neuem Wissen zu streben. Erweitert eure Denkmuster ständig.

Die Annahme, KI werde menschliche Arbeitskräfte einfach ersetzen, greift zu kurz. Die Technologie ist in spezifischen, klar strukturierten Bereichen zweifellos leistungsstark. Doch in der unstrukturierten, oft komplexen Realität von Wirtschaft und zwischenmenschlicher Interaktion verlagert sich unsere Arbeit weg von repetitiven Aufgaben hin zu Beziehungsaufbau und komplexem Denken. Die Zukunft gehört denen, die sich anpassen.

Verfasst von Andrea Guaccio 

4. März 2026