Schneller als du denkst.

Letzte Woche sagte jemand zu mir: „KI ist doch gerade überall Thema. Das legt sich wieder.“

Ich hab kurz überlegt, ob ich widerspreche. Dann hab ich die Zahlen nachgeschlagen. Und seitdem widerspreche ich.

14 Jahre. Dann 5 Monate.

1997 schlägt Deep Blue den Schachweltmeister. Ein Meilenstein. Der nächste — Watson gewinnt Jeopardy — kommt 14 Jahre später. Dann AlphaGo gegen den Go-Weltmeister: 5 Jahre Abstand. GPT-3, das erste Sprachmodell, das die Welt aufhorchen ließ: 4 Jahre. ChatGPT: 2 Jahre. GPT-4: 5 Monate nach ChatGPT.

14 Jahre. 5 Jahre. 4 Jahre. 2 Jahre. 5 Monate.

Das ist kein linearer Fortschritt. Das ist Kompression. Jeder Schritt kommt schneller als der vorherige. Nicht ein bisschen schneller — dramatisch schneller. Und wer glaubt, dass sich das „wieder legt“, der hat die Kurve nicht gesehen.

Die Zahlen, die niemand liest

Ich bin kein Informatiker. Ich verstehe nicht alles, was unter der Haube passiert. Aber ich kann Zahlen lesen. Und die sind unmissverständlich.

Rechenleistung: 2012 brauchte AlexNet — das Modell, das Deep Learning salonfähig machte — 10 hoch 18 Rechenoperationen zum Trainieren. Eine Eins mit 18 Nullen. GPT-4, elf Jahre später: über 10 hoch 25. Das ist zehn Millionen Mal mehr. Die Rechenleistung für Frontier-Modelle wächst 4- bis 5-mal pro Jahr. Verdopplung alle sechs Monate.

Kosten: Im November 2022 kostete es 20 Dollar, um einer KI eine Million Wörter zu schicken und Antworten auf dem Niveau von GPT-3.5 zu bekommen. Im Oktober 2024: 7 Cent. Für die gleiche Qualität. 285-mal günstiger in zwei Jahren. Und ein Modell, für das 2022 noch 540 Milliarden Parameter nötig waren, schafft 2024 die gleiche Leistung mit 3,8 Milliarden. 142-mal kleiner. Das läuft auf einem Laptop.

Geld: 252 Milliarden Dollar Corporate AI Investment, allein 2024. 61 Prozent aller Venture-Capital-Investitionen weltweit fließen in KI. Die vier großen Tech-Konzerne — Microsoft, Google, Amazon, Meta — haben 2024 zusammen 246 Milliarden Dollar für Infrastruktur ausgegeben. 63 Prozent mehr als im Vorjahr. Für 2026 rechnen Analysten mit 700 Milliarden.

Das sind keine Zahlen, die sich „wieder legen“.

2 Monate

Jede Technologie hat ihre Adoptionskurve. Das Telefon brauchte 75 Jahre, um 100 Millionen Nutzer zu erreichen. Radio: 38 Jahre. Fernsehen: 13. Das Internet: 7. Instagram: zweieinhalb Jahre. TikTok: 9 Monate.

ChatGPT: 2 Monate.

Heute hat ChatGPT 700 Millionen wöchentlich aktive Nutzer. 72 Prozent aller Unternehmen weltweit setzen KI ein — 2017 waren es 50 Prozent, und daran hat sich sechs Jahre lang nichts geändert. Dann kam ChatGPT, und die Kurve ging steil.

Und trotzdem

Hier kommt das Paradox. Die Benchmarks — die standardisierten Tests, mit denen man KI-Modelle vergleicht — sind fast ausgereizt. MMLU, der bekannteste: Die besten Modelle liegen bei über 90 Prozent. Der Abstand zwischen dem Erst- und Zweitplatzierten schrumpfte von 4,9 auf 0,7 Prozentpunkte in einem Jahr. ImageNet, der Bilderkennung-Benchmark, wurde 2017 offiziell für „gelöst“ erklärt. Die leichten Tests sind durch.

Heißt das, der Fortschritt stoppt? Nein. Es heißt, dass die alten Maßstäbe nicht mehr reichen. Forscher wechseln auf härtere Benchmarks. Die Frontier bewegt sich weiter — nur auf Aufgaben, die wir noch nicht richtig messen können.

Und gleichzeitig: 74 Prozent der Unternehmen schaffen es nicht, KI über Pilotprojekte hinaus einzusetzen. Die Technologie rennt. Die Organisationen stehen. Das ist die eigentliche Geschichte — nicht ob KI schneller wird (wird sie), sondern ob wir mitkommen.

Warum ich das aufschreibe

Ich bin 54. Mein Lebenslauf ist ein Zickzack — Kinderpfleger, Agentur-Gründer, Samsung, Marketing, und seit ein paar Jahren in der Business Intelligence. Ich nutze KI jeden Tag. Und ich merke, wie selbst in meinem Umfeld die meisten unterschätzen, was gerade passiert. Nicht weil sie dumm sind. Sondern weil die Zahlen so absurd klingen, dass man sie nicht glaubt.

285-mal günstiger. 142-mal kleiner. 100 Millionen Nutzer in 2 Monaten. 700 Milliarden Dollar Infrastruktur-Ausgaben. Das klingt nicht nach Realität. Das klingt nach Science-Fiction. Aber es sind Zahlen aus 2024 und 2025, veröffentlicht von Stanford, der OECD, McKinsey und den Unternehmen selbst.

Ich habe die Daten in einem Datenstück zusammengetragen. Fünf Dimensionen: Meilensteine, Rechenpower, Kosten, Adoption und das Benchmark-Paradox. Mit Charts, mit Quellen, zum Nachprüfen.

→ Datenstück #8: Schneller als du denkst.

Die eigentliche Frage

14 Jahre zwischen Deep Blue und Watson. 5 Monate zwischen ChatGPT und GPT-4. Die Abstände werden kleiner. Die Investitionen werden größer. Die Modelle werden billiger, kleiner, besser. Und schneller verfügbar als jede Technologie zuvor.

Die Frage ist nicht, ob sich das „wieder legt“. Die Frage ist, was du machst, während es sich beschleunigt.

Zuschauen ist auch eine Option. Aber keine besonders gute.

Quellen: Stanford HAI AI Index Report (2025). Epoch AI Compute Trends Post-2010. Visual Capitalist / UBS Research. McKinsey State of AI (2025). OECD VC Report. Microsoft Research (Phi-3). Our World in Data. CNBC / Big Tech Earnings Reports.