Ersetzen Sie Mitarbeiter ruhig durch KI – bevor es zu teuer wird

Damit KI Mitarbeiter ersetzen kann, muss die Maschine günstiger sein als der Mensch.Stock-Asso | shutterstock.com



Die Diskussion darüber, ob KI zum großen Jobkiller wird, tobt bereits seit dem Durchbruch von Generative AI. Nachdem sich Claude Code und Agentic AI als äußerst performant in Sachen Softwareentwicklung erwiesen haben, hat das Thema neuen Schwung aufgenommen. Parallel bauen große (Tech-)Unternehmen weiter Stellen ab und berufen sich dabei auf Effizienzgewinne durch KI (ob das tatsächlich der Grund ist, sei einmal dahingestellt).



Aus einer Makroperspektive ist der Einfluss künstlicher Intelligenz auf den Arbeitsmarkt jedoch (noch) nicht wirklich zu erkennen. Auch wenn sich punktuell Trends abzeichnen – etwa, dass weniger Junior Developer eingestellt werden. Dass KI einen erheblichen Einfluss auf den Beruf des Softwareentwicklers hat, ist offensichtlich. Die Annahme, die damit einhergeht, ist, dass die Technologie auf alle anderen Berufe denselben Einfluss haben wird. Ob die Technologie dazu in der Lage ist, ist nach wie vor umstritten. Ich persönlich bin da eher skeptisch. Selbst wenn wir vorerst davon ausgehen, dass KI tatsächlich gut genug ist, um Menschen in der Breite zu ersetzen: Das führt uns zu Annahmen von gigantischem Ausmaß.



Die Flitterwochenphase der KI



Was mit Blick auf KI regelmäßig unter den Teppich gekehrt wird: Damit es sich rechnet, Arbeitsplätze in großem Umfang durch die Technologie zu ersetzen, müssen etliche Voraussetzungen erfüllt sein. Wirft man einen Blick auf die aktuelle Lage der „AI Economy“, scheinen viele immer noch die Tatsache zu ignorieren, dass der Einsatz von KI von den Anbietern massiv subventioniert wird. Genau wie Uber anfangs dank Milliarden an Risikokapital günstig war, verkaufen KI-Unternehmen ihre Services zu einem Bruchteil dessen, was es tatsächlich kostet, die Modelle zu trainieren und zu betreiben. Selbst wenn die Einnahmen wachsen (insbesondere auf Unternehmensseite), werden mögliche Margen durch die enormen Investitionen in Chips und Rechenzentren aufgefressen. Das muss sich früher oder später ändern.



In gewisser Weise befinden wir uns in einer Art „Flitterwochenphase“: Viele Unternehmen berechnen ihre KI-Gewinne auf Basis der heutigen Preise – ohne zu berücksichtigen, dass wir uns in einem Technologie-Boom befinden, in dem die Kosten künstlich niedrig gehalten werden. Das lässt sich mit der Zeit der Nullzinsen vor einigen Jahren vergleichen: Die schuf eine „falsche“ Rentabilität bei Projekten, die sich eigentlich nicht selbst tragen konnten. Das ermöglichte Unternehmen wiederum, massiv Personal einzustellen, das sie sich langfristig nicht leisten konnten. Das Resultat sehen wir aktuell (zumindest in Teilen).



Das hindert Unternehmen natürlich nicht daran, nachzurechnen, was möglich ist – insbesondere solche, die vierteljährlich Bilanzen abliefern müssen. Die Unternehmen, die heute handeln, können durchaus von den subventionierten Preisen profitieren, bevor der Markt korrigiert wird, um Kosten zu senken und Margen zu erhöhen. Dabei entsteht auch eine Art „First Mover“-Vorteil: Wenn alle dasselbe tun, schwindet natürlich der Wettbewerbsvorteil.



Auf gesellschaftlicher Ebene steht diese Rechnung allerdings auf relativ wackeligen Beinen. Die KI-Unternehmen haben bereits jetzt Kapazitätsprobleme, obwohl die Nutzung immer noch relativ begrenzt ist. So war etwa Anthropic gezwungen, Beschränkungen für seine verlustreichsten Claude-Code-Abonnements einzuführen. Nur so konnte der KI-Anbieter seinen Enterprise-Kunden (die am meisten zahlen) mehr Kapazität zur Verfügung zu stellen.



Rechenleistungs-Reality-Check



Für die Zukunft heißt die allgemeine Losung: mehr Kapazität, mehr Chips, mehr Rechenzentren. All das geschieht im Wesentlichen, weil die Nutzung in einem einzigen Berufsfeld respektive einem singulären Anwendungsfall, an Fahrt aufgenommen hat. Wenn künftig sämtliche Angestellten-Jobs durch KI ersetzt werden sollen (also Hunderte Millionen von Arbeitsplätzen), wird das ein Level an Rechenleistung erfordern, von dem wir heute noch meilenweit entfernt sind. Deshalb stellen KI- und Cloud-Anbieter auch astronomische Investitionen in neue Rechenzentren in Aussicht, die noch nicht gebaut wurden. 



Selbst wenn all diese Kapazitäten realisiert werden, müssen die Preise niedrig gehalten werden. Schließlich brauchen all diese Rechenzentren Strom – und Energie ist nun mal keine unbegrenzte Ressource. Das musste kürzlich auch OpenAI erkennen und legte sein „Stargate“-Rechenzentrum in Großbritannien vorübergehend still, weil die Stromkosten zu hoch wurden.



Für die KI-Anbieter heißt das also mit Blick auf die Zukunft: Sie müssen KI so günstig machen, dass es rentabel ist, menschliche Arbeitskraft zu ersetzen. Gleichzeitig aber auch teuer genug, um die massiven Infrastrukturinvestitionen – und voraussichtlich auch die Betriebskosten – finanzieren zu können. Sonst wird nichts aus dem kühnen Plan. So stellt auch der Finanzdienstleister Citadel Securities lakonisch fest: „Wenn die Grenzkosten für Rechenleistung bei bestimmten Aufgaben die für menschliche Arbeitskraft übersteigen, wird es keine Substitutierung geben.“



Auf übergeordneter Ebene kommt hinzu, dass das Hauptinteresse der KI-Unternehmen nicht darin besteht, Ihren Geschäftsbetrieb kosteneffizienter zu gestalten. Das ist vielmehr ein notwendiges Übel im Wettlauf darum, einen digitalen Gott – die Artificial General Intelligence (AGI) – zu erschaffen.



Der Tag der Abrechnung



Ein Gegenargument: KI-Chips werden immer ressourceneffizienter und damit im Betrieb kostengünstiger. Das stimmt auch: Gartner prognostiziert beispielsweise, dass die KI-Inferenzkosten pro Token in den nächsten Jahren um 90 Prozent sinken werden. Das führt jedoch nicht automatisch zu niedrigeren Preisen, schließlich steigt der Token-Verbrauch bei KI-Agenten noch stärker an. „Da der Token-Verbrauch schneller steigt als die Token-Kosten sinken, wird erwartet, dass die Gesamtkosten für die Inferenz steigen“, schlussfolgern die Auguren.



Ein weiteres Gegenargument: Nur die Frontier-Modelle der KI-Labore zu betrachten, greift zu kurz. Schließlich verändern offene und spezialisierte, kleinere KI-Modelle die Kalkulation. Auch das ist grundsätzlich nicht zu bestreiten. Das Problem ist nur, dass die besten offenen Modelle heute vor allem in China entwickelt werden, was bekanntlich seine Nachteile hat. Damit dieser Punkt also einen echten Unterschied machen kann, müsste auch die Entwicklung offener KI-Modelle in anderen Teilen der Welt an Fahrt aufnehmen. Dazu kommt noch: Nur weil ein Modell offen ist, lösen sich die Inferenzkosten nicht einfach in Luft auf.



Deswegen werden kleinere Modelle wahrscheinlich ins Hintertreffen geraten. Was ungünstig ist, denn wir nutzen heute in vielen Fällen fortschrittlichere KI-Lösungen als eigentlich nötig. Das ist ein bisschen so, als würde man Artemis II nutzen, um Milch einkaufen zu „gehen“: Funktioniert nur, solange jemand anderes für den Treibstoff bezahlt. An dem Tag, an dem der Nutzer diese Rechnung übernehmen muss, wird die Milch exorbitant teuer.



Also liebe Unternehmen, ersetzt euer Personal ruhig durch KI. Behaltet dabei aber im Hinterkopf, dass das nicht unbedingt ein Zeichen für strategischen Triumph ist. Eher ein Versuch, die Früchte eines goldenen, subventionierten Zeitalters zu ernten – bevor die „echte“ Rechnung aufschlägt. (fm)



Dieser Artikel ist im Original bei unserer Schwesterpublikation Computersweden.se erschienen.