The Atlantic nennt generative KI, gemessen an Kosten und Ingenieursleistung, „möglicherweise die schlechteste digitale Technologie, die je eingesetzt wurde“. Was nach Polemik klingt, trifft einen wunden Punkt: Die großen Modellanbieter haben die klassischen Skalengesetze digitaler Produkte stillschweigend außer Kraft gesetzt – und erst jetzt, mit chinesischer Konkurrenz und wackelnden IPO-Plänen, wird das offen verhandelt. Ein Blick auf die strukturellen Hausaufgaben, die noch zu machen sind, auf die Gegenbeispiele, die zeigen, dass es anders geht, und darauf, was das für Unternehmen bedeutet, die GenAI nicht als Schatten-IT-Layer, sondern als Wertschöpfungsbaustein etablieren wollen.
Eine unbequeme Diagnose
Alex Reisner hat in The Atlantic eine These formuliert, die in der Branche selbst kaum jemand laut ausspricht, obwohl sie kaum jemandem unbekannt ist: Befragt, ob es eine andere reale Software gebe, die so schlecht skaliert wie große Sprachmodelle, konnten die von ihm konsultierten KI-Forscher keine nennen. Das ist bemerkenswert, weil Skaleneffekte historisch genau der Mechanismus waren, der Glühbirnen, Automobile und Kleidung erschwinglich gemacht hat. Bei generativer KI verläuft die Kurve andersherum: Jede zusätzliche Anfrage kostet weiterhin spürbar Rechenleistung, während klassische Software ihre Grenzkosten pro Nutzer gegen null treibt.
Der zweite, ökonomisch schwerer wiegende Befund: Tech-Konzerne kaufen nach Reisners Recherche möglicherweise bis zu 70 Prozent des weltweiten Angebots an High-End-Speicher auf, um Modelle wie ChatGPT oder Claude zu betreiben. Die eigentliche Ingenieursarbeit für effiziente, skalierbare Architekturen sei, so seine These, schlicht noch nicht geleistet worden.
Der Kollateralschaden liegt außerhalb der Branche
Was diese Diagnose von der üblichen Bubble-Debatte unterscheidet, ist die Richtung des Schadens. Es geht nicht nur um die Profitabilitätsfrage der Modellanbieter selbst, sondern um externe Effekte: Wenn generative KI globale Engpässe bei Halbleitern, Speicher und Rechenzentrumskapazität erzeugt, trifft das Branchen, die mit KI selbst nichts zu tun haben – von der Automobilelektronik bis zur Medizintechnik, die auf dieselben Fertigungskapazitäten angewiesen sind. Die Ineffizienz eines Sektors wird so zur Wachstumsbremse für andere.