KI frisst KI

INTRODUCTION

Hier ist eine Zahl, die einen beim Scrollen stoppen sollte. Im Jahr 2025 investierten Risikokapitalgeber 258,7 Milliarden Dollar in Unternehmen für künstliche Intelligenz, laut der OECD. Das entsprach 61 Prozent des gesamten globalen Risikokapitals. Aber die tatsächlichen Unternehmensausgaben für generative KI-Produkte im selben Jahr? Rund 37 Milliarden Dollar, laut Menlo Ventures. Für jeden Dollar, den diese Unternehmen einnahmen, setzten Investoren fast sieben auf Wachstum. Irgendetwas stimmt hier grundlegend nicht.

Und jetzt kommt die Wendung, die niemand erwartet hat. Während Schlagzeilen von Massenentlassungen und Roboter-Ersatz schreien, prognostiziert das Weltwirtschaftsforum einen Nettozuwachs von 78 Millionen Arbeitsplätzen weltweit bis 2030 durch KI und verwandte Technologien. In Deutschland gibt es aktuell 109.000 unbesetzte IT-Stellen, so Bitkom. Indien steht vor einem Mangel von Hunderttausenden KI-Fachkräften, laut einem gemeinsamen Bericht von Deloitte und NASSCOM.

Aber wenn KI gleichzeitig Arbeitsplätze schafft und Rekordkapital anzieht, warum machen sich dann die klügsten Forscher im Feld Sorgen? Weil KI ein Problem entwickelt hat, das nach Science-Fiction klingt, aber 2024 in Nature dokumentiert wurde. Sie beginnt, sich selbst zu fressen. Und das verändert die gesamte Gleichung.

Die Jobs, die verschwinden sollten

Im November 2016 stand Geoffrey Hinton vor einem Publikum am Creative Destruction Lab in Toronto und machte eine Vorhersage, die berühmt wurde. Er sagte, man solle aufhören, Radiologen auszubilden, weil Deep Learning sie innerhalb von fünf Jahren übertreffen würde. Diese Prognose hat sich nicht gut gehalten. Die Radiologieabteilung der Mayo Clinic wuchs seitdem um 55 Prozent auf über 400 Ärzte, wie ihr Lehrstuhlinhaber für Radiologie der New York Times bestätigte. Im Jahr 2025 räumte Hinton selbst ein, dass er sich beim Zeitrahmen geirrt hatte.

Das ist kein einzelner Fehler. Es ist ein Muster. Sam Altman schrieb in seinem Reflections-Blogbeitrag vom Januar 2025, dass KI-Agenten in jenem Jahr die Unternehmensleistung wesentlich verändern könnten. Bis Dezember sagten Analysten, das sei nicht in nennenswertem Umfang eingetreten. Mustafa Suleyman postete im Juni 2023 auf X, dass LLM-Halluzinationen bis 2025 weitgehend beseitigt sein würden. Sie bleiben ein großes ungelöstes Problem. Und die weit verbreitete Behauptung, KI würde 80 Prozent der Softwareentwickler bis 2025 ersetzen? Das war tatsächlich eine Verzerrung einer Gartner-Prognose über Weiterbildungsbedarf, nicht über Ersetzung. Das U.S. Bureau of Labor Statistics prognostiziert 15 Prozent Wachstum bei Softwareentwickler-Stellen bis 2034. Deutlich schneller als der Durchschnitt.

Die tatsächlichen Daten zeichnen ein ganz anderes Bild als die Angst-Schlagzeilen. Das PwC 2025 Global AI Jobs Barometer untersuchte knapp eine Milliarde Stellenanzeigen auf sechs Kontinenten und stellte fest, dass Berufe mit höherer KI-Exposition zwischen 2019 und 2024 um 38 Prozent gewachsen sind. LinkedIns Economic-Graph-Daten, vorgestellt beim Davos 2026, zeigen, dass KI in nur zwei Jahren bereits rund 1,3 Millionen neue Stellen weltweit geschaffen hat. Und die Information Technology and Innovation Foundation errechnete, dass KI im Jahr 2024 in den USA etwa 119.900 direkte Arbeitsplätze geschaffen hat, während nur 12.700 verdrängt wurden. Ein Verhältnis von fast zehn zu eins.

Neue Jobs, die niemand vorhergesagt hat

KI hat nicht bloß bestehende Stellen geschützt. Sie hat völlig neue erfunden. Die Berufsbezeichnung „Prompt Engineer" existierte vor fünf Jahren nicht. Genauso wenig wie AI Ethics Officer, MLOps Engineer, AI Red Teamer, LLM-Fine-Tuning-Spezialist oder Chief AI Officer. Diese Rollen werden bei echten Unternehmen mit echten Gehältern bezahlt. Laut Glassdoor-Daten liegt die mittlere Gesamtvergütung für einen Prompt Engineer bei rund 126.000 Dollar. Bei Google klettert diese Zahl auf ungefähr 245.000.

Die Gehaltsprämie erzählt eine noch schärfere Geschichte. PwCs Barometer ergab, dass Stellen, die KI-Kenntnisse erfordern, eine 56-prozentige Gehaltsprämie gegenüber vergleichbaren Positionen ohne solche Kenntnisse aufweisen. Das ist ein Anstieg von 25 Prozent im Vorjahr. Der 2024 Work Trend Index von Microsoft und LinkedIn berichtete, dass Mitglieder, die KI-Kenntnisse zu ihren Profilen hinzufügten, zwischen Ende 2023 und Anfang 2024 um das 142-Fache zunahmen. Nicht 142 Prozent. Das 142-Fache.

Aber während diese neuen Jobs an den Rändern des Arbeitsmarktes entstehen, passiert etwas anderes in der Unternehmensmitte. Und es hängt direkt damit zusammen, warum KI möglicherweise ihr eigenes Fundament auffrisst.

Die verschwindende Mitte

Etwas Seltsames nimmt in der Geschäftswelt Gestalt an. Große Unternehmen werden schlanker. Winzige KI-Startups erreichen außergewöhnliche Bewertungen. Und die Schicht dazwischen wird immer dünner.

Man betrachte die Extreme. Safe Superintelligence, ein Startup mit etwa 20 Mitarbeitern und null Umsatz, erreichte eine Bewertung von 32 Milliarden Dollar. Cursor, ein KI-Coding-Tool, erreichte 500 Millionen Dollar jährlich wiederkehrenden Umsatz mit einem kleinen Team. Mistral AI in Frankreich erreichte in seiner Anfangsphase eine Bewertung von 6,2 Milliarden Dollar mit nur 55 Mitarbeitern. Gumloop sammelte 17 Millionen Dollar ein — mit nur zwei Vollzeit-Gründern.

Währenddessen reduziert Intel die Belegschaft von 125.000 auf ein Ziel von 75.000 Mitarbeitern. Dells Personalbestand sank in einem einzigen Geschäftsjahr von 133.000 auf 120.000, laut SEC-Einreichungen. Microsoft entließ 2025 mehr als 15.000 Mitarbeiter und verbuchte gleichzeitig einen Rekord-Quartalsumsatz von 70,1 Milliarden Dollar. Fortune berichtete, dass die Entlassungen 2025 vor allem das mittlere Management trafen, und verwendete den Begriff „Hollowing-out-Strategie". Korn-Ferry-Daten zeigten, dass die Zahl der Manager zwischen Mai 2022 und Mai 2025 um 6,1 Prozent sank.

In Deutschland erfasste das AppliedAI Institute bis 2025 insgesamt 935 KI-Startups, ein Anstieg von 36 Prozent gegenüber dem Vorjahr. Allein bis Juli 2025 wurden über zwei Milliarden Euro in deutsche KI-Startups investiert. Aber hier kommt das entscheidende Detail. Eine PitchBook-Analyse ergab, dass ohne KI-Deals der europäische Risikokapital-Dealwert tatsächlich von 45,3 auf 42,7 Milliarden Euro zurückging. KI ist nicht mehr nur ein Sektor. Es wird zum einzigen Sektor, der ernsthaftes Geld anzieht.

Sam Altman hat den Aufstieg von Zehn-Personen-Milliarden-Dollar-Unternehmen vorhergesagt. Anthropic-CEO Dario Amodei sagte einem Konferenzpublikum im Mai 2025, dass ein Ein-Personen-Milliarden-Dollar-Unternehmen bis 2026 möglich sei — mit 70 bis 80 Prozent Konfidenz. Wenn KI Unternehmen so effizient macht, dass sie weniger Menschen brauchen, und wenn KI-Startups fast kein Personal benötigen, wer kauft dann eigentlich all diese KI-Produkte?

Die Schlange, die sich selbst frisst

Jetzt kommen wir zum Kern dieser Geschichte. Der Teil, der nicht in einem Tech-Blog oder einer Meinungsspalte veröffentlicht wurde, sondern in Nature, einer der renommiertesten wissenschaftlichen Fachzeitschriften der Welt.

Im Juli 2024 veröffentlichten Forscher unter der Leitung von Ilia Shumailov an der Universität Oxford eine Studie darüber, was passiert, wenn KI-Modelle mit Daten trainiert werden, die von anderen KI-Modellen generiert wurden. Das Ergebnis nannten sie Model Collapse. Nach mehreren Runden rekursiven Trainings produzierte ihr Sprachmodell völligen Unsinn. Eine Frage zur mittelalterlichen Kirchenarchitektur erzeugte zufällige, bedeutungslose Wörter. Die Forscher zeigten, dass dieser Verfall irreversibel ist. Sobald die Randbereiche der ursprünglichen Datenverteilung verschwinden, kann das Modell sie nicht wiederherstellen.

Das ist kein kleiner technischer Fehler. Es ist eine fundamentale Grenze. Und sie ist bereits in der realen Welt sichtbar. Graphites Analyse von 65.000 englischsprachigen Artikeln aus Common Crawl ergab, dass im Mai 2025 rund 52 Prozent der neuen Artikel KI-generiert waren. Ahrefs untersuchte 900.000 neu erstellte Webseiten und stellte fest, dass 74,2 Prozent KI-generierten Inhalt enthielten. Europol hat gewarnt, dass bis 2026 bis zu 90 Prozent der Online-Inhalte synthetisch generiert sein könnten.

Man überlege, was das bedeutet. KI lernt aus Internet-Daten. Das Internet ist heute zunehmend mit KI-generierten Inhalten gefüllt. Also lernt KI von sich selbst. Wie eine Schlange, die ihren eigenen Schwanz frisst.

Ilya Sutskever, Mitgründer von OpenAI, sagte dem Publikum auf der NeurIPS-Konferenz im Dezember 2024, dass die Branche Peak Data erreicht habe. Er verglich Daten mit fossilen Brennstoffen. Sie wurden über Jahrzehnte menschlicher Aktivität erzeugt, Modelle verbrauchten sie, und jetzt werden die nutzbaren Vorräte knapp. Forscher von Epoch AI veröffentlichten eine begutachtete Analyse auf der ICML 2024 und schätzten, dass qualitätsbereinigte öffentliche Textdaten — rund 300 Billionen Tokens — zwischen 2026 und 2032 erschöpft sein werden.

Das Stack-Overflow-Problem

Hier ist ein konkretes Beispiel dafür, wie KI ihre eigene Nahrungsquelle auffrisst. Stack Overflow war einst die größte Quelle für von Menschen geschriebenes Programmierwissen im Internet. Entwickler stellten Fragen, andere Entwickler beantworteten sie, und KI-Modelle lernten aus diesem Austausch. Auf dem Höhepunkt um 2014 erhielt die Plattform rund 200.000 neue Fragen pro Monat, laut Daten des Stack Exchange Data Explorer.

Dann kamen KI-Coding-Assistenten. Entwickler hörten auf, Fragen auf Stack Overflow zu stellen, weil sie stattdessen ChatGPT oder GitHub Copilot fragen konnten. Bis Dezember 2025 war die Zahl neuer Fragen eingebrochen. Futurism berichtete, die monatliche Zahl sei auf rund 3.600 gefallen. Von einem Höchststand von 200.000 auf weniger als 4.000 entspricht einem Rückgang von etwa 98 Prozent über ein Jahrzehnt.

Die Ironie ist kaum zu übersehen. KI-Coding-Tools wurden auf Stack-Overflow-Antworten trainiert, die von Menschen geschrieben wurden. Diese Menschen hörten auf zu schreiben, weil sie auf KI umgestiegen waren. Wenn diese Tools frischen, von Menschen generierten Code brauchen, um sich zu verbessern, finden sie hauptsächlich ihre eigenen früheren Ausgaben. Das Feuer versucht, Feuer zu verbrennen.

Die Stack Overflow 2025 Developer Survey mit über 49.000 Antworten aus 177 Ländern offenbarte ein wachsendes Vertrauensproblem. Während 84 Prozent der Entwickler KI-Tools nutzen oder planen, sie zu nutzen, vertrauen nur 33 Prozent ihrer Genauigkeit. Diese Vertrauenszahl lag ein Jahr zuvor noch bei 43 Prozent. Die häufigste Beschwerde? Lösungen, die fast richtig sind. Nah genug dran, um korrekt auszusehen. Falsch genug, um Produktionscode zu zerstören.

Eine randomisierte kontrollierte Studie von Forschern bei METR, einer gemeinnützigen KI-Evaluierungsorganisation, fand etwas noch Beunruhigenderes. Sie untersuchten 16 erfahrene Open-Source-Entwickler und stellten fest, dass die Entwickler zwar glaubten, KI mache sie 20 Prozent schneller, sie tatsächlich aber durchschnittlich 19 Prozent länger brauchten. Die Wahrnehmung von Geschwindigkeit war real. Die Geschwindigkeit selbst war es nicht. Eine separate Microsoft-Studie mit rund 200 Ingenieuren, die GitHub Copilot drei Wochen lang nutzten, fand keine statistisch signifikanten Veränderungen bei der Codierzeit oder Pull-Request-Aktivität.

Die 259-Milliarden-Dollar-Frage

Jetzt folgen wir dem Geld. Denn das Finanzbild offenbart etwas, das jedem aufmerksamen Beobachter zu denken geben sollte.

OpenAI erzielte 2024 etwa 3,7 Milliarden Dollar Umsatz bei gleichzeitigen Verlusten von rund 5 Milliarden. Ihre Bewertung stieg bis Oktober 2025 auf 500 Milliarden Dollar. Analysten der Deutschen Bank schätzten, dass OpenAI zwischen 2024 und 2029 ungefähr 143 Milliarden Dollar kumulativen negativen Cashflow ansammeln würde, bevor möglicherweise Profitabilität erreicht wird. Kein Startup in der Geschichte hat Verluste in auch nur annähernd dieser Größenordnung eingefahren.

Anthropic meldete Anfang 2026 eine annualisierte Umsatzrate von 14 Milliarden Dollar bei einer Post-Money-Bewertung von 380 Milliarden Dollar. Das ist ein 27-faches Umsatzmultiple. Ihre Bruttomarge lag bei rund 40 Prozent, herabgesetzt von einer früheren 50-Prozent-Prognose — deutlich unter den ungefähr 77 Prozent, die Analysten typischerweise für solche Bewertungen fordern.

Der extremste Fall ist möglicherweise xAI, Elon Musks KI-Unternehmen. Bloomberg berichtete, es verbrenne rund eine Milliarde Dollar pro Monat bei einer Bewertung zwischen 230 und 250 Milliarden, gegenüber ungefähr 500 Millionen Dollar annualisiertem Umsatz. Das impliziert ein Multiple von rund 460-mal dem Umsatz.

Hier ist die unbequeme Wahrheit. Kein einziges KI-Unternehmen auf der Foundation-Model-Ebene ist profitabel. Nicht OpenAI. Nicht Anthropic. Nicht xAI. Nicht Mistral. Nicht Cohere. Nicht Stability AI. Die einzigen klar profitablen Unternehmen im KI-Ökosystem sind jene, die Infrastruktur an KI-Entwickler verkaufen — allen voran NVIDIA mit 130,5 Milliarden Dollar Umsatz und starken Margen. Die Goldgräber verlieren Geld. Die Schaufelverkäufer werden reich.

David Cahn von Sequoia Capital identifizierte eine Umsatzlücke von 600 Milliarden Dollar zwischen dem, was Unternehmen für KI-Infrastruktur ausgeben, und dem, was sie damit tatsächlich verdienen. Die vier größten Technologieunternehmen — Amazon, Microsoft, Google und Meta — planten für 2025 rund 380 bis 400 Milliarden Dollar an KI-Investitionsausgaben. Goldman-Sachs-Analyst Ryan Hammond stellte fest, dass dieselben Unternehmen in einem einzigen Jahr 121 Milliarden Dollar Schulden aufnahmen — ungefähr das Vierfache ihres Fünfjahresdurchschnitts.

Eine Bank-of-America-Umfrage vom Oktober 2025 ergab, dass ein Rekordwert von 54 Prozent der globalen Fondsmanager KI-Aktien als Blasengebiet einschätzen. Ray Dalio sagte CNBC, die Märkte seien auf seinem proprietären Indikator zu etwa 80 Prozent in einer Blase, und verglich die Situation mit 1929 und dem Dot-Com-Crash von 2000. MIT-Nobelpreisträger Daron Acemoglu veröffentlichte eine begutachtete Analyse in Economic Policy und argumentierte, dass KI über ein Jahrzehnt nicht mehr als 0,53 bis 0,66 Prozent Wachstum der totalen Faktorproduktivität beitragen würde — weit unter den transformativen Prognosen, die aktuelle Bewertungen rechtfertigen sollen.

Warum CEOs weiterhin die Revolution versprechen

Wenn KI Arbeitskräfte nicht in dem versprochenen Tempo ersetzt, warum bestehen dann die größten Namen der Technologiebranche weiter darauf? Die Antwort hat mehr mit Aktienkursen zu tun als mit Wissenschaft.

Als Oracle eine KI-Rechenzentrumspartnerschaft mit OpenAI ankündigte, stieg die Aktie um rund 40 Prozent. Michael Cembalest von J.P. Morgan berechnete, dass KI-bezogene Aktien seit dem Start von ChatGPT für 75 Prozent aller S&P-500-Renditen verantwortlich waren. Jedes Mal, wenn ein CEO einen KI-Transformationsplan ankündigt, belohnt der Markt ihn.

Die Harvard Business Review veröffentlichte im Januar 2026 eine Studie basierend auf einer Umfrage unter mehr als 1.000 globalen Führungskräften. Die Ergebnisse waren frappierend. Sechzig Prozent der befragten Unternehmen hatten den Personalbestand in Erwartung dessen reduziert, was KI in Zukunft leisten könnte. Nur 2 Prozent hatten signifikante Entlassungen vorgenommen, die an tatsächliche, messbare KI-Implementierung gekoppelt waren. Unternehmen entlassen Menschen für Fähigkeiten, die noch gar nicht existieren.

Die SEC hat begonnen, gegen sogenanntes AI Washing vorzugehen — Unternehmen, die ihre KI-Fähigkeiten übertreiben, um Investoren anzulocken. Im März 2024 klagte die Behörde Delphia und Global Predictions in den ersten AI-Washing-Durchsetzungsmaßnahmen überhaupt an und verhängte Geldstrafen von 225.000 bzw. 175.000 Dollar. DLA Piper berichtete, dass sich KI-bezogene Wertpapierklagen von 7 im Jahr 2023 auf 14 im Jahr 2024 verdoppelten, mit 12 weiteren bis September 2025.

Die 29. jährliche PwC Global CEO Survey, veröffentlicht im Januar 2026 nach Befragung von 4.454 CEOs in 95 Ländern, ergab, dass nur 12 Prozent sowohl Kosten- als auch Umsatzvorteile durch KI meldeten. Sechsundfünfzig Prozent sahen keinen nennenswerten finanziellen Nutzen. Die MIT-NANDA-Initiative, behandelt von der Harvard Business Review im August 2025, stellte fest, dass 95 Prozent der KI-Pilotprojekte in Unternehmen keine messbaren Ergebnisse lieferten — trotz geschätzter 30 bis 40 Milliarden Dollar Gesamtinvestition.

Wo stehen wir also?

Setzen wir die Puzzleteile zusammen. KI hat tatsächlich mehr Arbeitsplätze geschaffen als vernichtet. Das ist keine Meinung. Das sind Daten des Weltwirtschaftsforums, von PwC, LinkedIn, des U.S. Bureau of Labor Statistics und von Bitkom. Deutschlands unbesetzte IT-Stellen sind real. Die 1,3 Millionen neuen KI-Stellen sind real. Die 56-prozentige Gehaltsprämie ist real.

Aber die Branche, die diese Technologie aufbaut, steht vor drei zusammenhängenden Problemen. Erstens eine wissenschaftliche Mauer. Model Collapse ist keine Spekulation. Es ist in Nature dokumentiert. Trainingsdaten sind endlich. Mehr als die Hälfte des Internets besteht heute aus KI-generierten Inhalten, die in KI-Trainingsschleifen zurückfließen. Epoch AIs begutachtete Analyse prognostiziert die Erschöpfung qualitativ hochwertiger öffentlicher Textdaten innerhalb des Jahrzehnts.

Zweitens eine Finanzkrise, die zunehmend strukturell aussieht. Knapp 259 Milliarden Dollar investiert bei rund 37 Milliarden Unternehmensumsatz. Null profitable Unternehmen auf der Foundation-Model-Ebene. Prognostizierte kumulative Verluste von 143 Milliarden allein für OpenAI bis 2029. Goldman Sachs dokumentiert einen Schuldenanstieg von 121 Milliarden Dollar bei den größten Technologieunternehmen in einem einzigen Jahr.

Drittens eine wachsende Glaubwürdigkeitslücke. Fünfundneunzig Prozent der KI-Pilotprojekte in Unternehmen produzieren keinen messbaren Wert. CEO-Vorhersagen über Ersetzungszeiträume erweisen sich durchgehend als falsch. Das Vertrauen der Entwickler in die KI-Genauigkeit sinkt von 43 auf 33 Prozent in einem Jahr. Tatsächliche Coding-Geschwindigkeitsstudien zeigen Null-Ergebnisse oder sogar Verlangsamungen trotz subjektiver Wahrnehmung von Verbesserung.

Der ehrlichste Weg, die aktuelle Situation zu beschreiben, ist dieser. KI ist eine echte und nützliche Technologie, die in eine Finanzstruktur eingepackt wurde, die von ihr verlangt, weltverändernd zu sein, um ihren Preis zu rechtfertigen. Die Technologie hilft Menschen tatsächlich, besser zu arbeiten. Sie ersetzt sie nicht tatsächlich im großen Maßstab. Und in der Lücke zwischen diesen beiden Realitäten warten Hunderte Milliarden Dollar darauf, zu sehen, welche Version der Geschichte den Kontakt mit der realen Welt überlebt.

CONCLUSION

KI verschwindet nicht. Sie hat bereits verändert, wie Menschen arbeiten, lernen und Unternehmen aufbauen. Die Arbeitsplätze, die sie schafft, zahlen gut und vermehren sich weiter. Die Startups, die sie antreibt, sind kleiner, schneller und gelegentlich Milliarden wert mit weniger als 50 Mitarbeitern.

Aber KI frisst sich auch selbst auf. Die Trainingsdaten sind endlich. Die Modelle lernen zunehmend aus ihren eigenen Ausgaben. Die Unternehmen, die Foundation Models bauen, verlieren Milliarden. Und die mutigen Vorhersagen der Branchenführer verfehlen weiterhin ihre Fristen.

Die Zukunft sieht wahrscheinlich ungefähr so aus. KI wird weiterhin neue Arbeitsplätze schaffen. KI-Unternehmen werden weiterhin Geld verbrennen, bis die Investitionsblase korrigiert. Und am meisten profitieren werden diejenigen, die KI als ein mächtiges Werkzeug behandeln, statt als magischen Ersatz für menschliches Denken.