„Das schafft eine Maschine nie” — und dann schafft sie es

Es gibt ein Muster, das ich nicht mehr aus dem Kopf bekomme. Ein kluger, respektierter Mensch schaut auf eine Technologie, sagt mit voller Überzeugung „das wird nie” — und ein paar Jahre später ist genau das Alltag.

1997 sagte Piet Hut vom Institute for Advanced Study in Princeton über das Brettspiel Go der New York Times: „It may be a hundred years before a computer beats humans at Go — maybe even longer.” Im März 2016 schlug AlphaGo den Weltklassespieler Lee Sedol mit 4:1. Nicht in hundert Jahren. In neunzehn.

Douglas Hofstadter, einer der brillantesten Köpfe der Kognitionswissenschaft, schrieb 2018 im Atlantic einen Essay mit dem Titel „The Shallowness of Google Translate”. Er zitierte zustimmend den Satz „No reasonable person thinks that a machine translation can ever achieve elegance and style.” 2023, in einem im Juni veröffentlichten Gespräch, klang derselbe Hofstadter so: „I don’t think it’s interesting. I think it’s terrifying. I hate it. I think about it practically all the time, every single day.” Und: „It’s a very traumatic experience when some of your most core beliefs about the world start collapsing.”

Wenn du das kennst, dann vielleicht von woanders. 2017 nannte Jamie Dimon Bitcoin auf einer Barclays-Konferenz Betrug: „It’s worse than tulip bulbs. It won’t end well. Someone is going to get killed.” Im Januar 2018 bereute er die Aussage. Warren Buffett nannte Bitcoin 2018 auf der Berkshire-Hauptversammlung „probably rat poison squared”, Charlie Munger den Krypto-Handel „just dementia”. Und Paul Krugman schrieb 1998, bis 2005 werde sich zeigen, dass das Internet „no greater than the fax machine’s” Wirkung auf die Wirtschaft habe — Begründung unter anderem: „most people have nothing to say to each other!”

Ich schreibe das nicht, um klüger zu wirken als diese Leute. Das bin ich nicht. Ich schreibe es, weil dasselbe Muster gerade wieder läuft, und diesmal können wir zusehen, während es passiert. Das hier ist meine Timeline davon. Sie ist bewusst so gebaut, dass sie weiterwächst.

Wie es vorher war (damit der Sprung spürbar wird)

Bevor ChatGPT im November 2022 kam, war „KI, die Text schreibt” eine Sache für Eingeweihte.

GPT-3, das Modell dahinter, wurde am 28. Mai 2020 als Preprint veröffentlicht („Language Models are Few-Shot Learners”), die API-Beta startete am 11. Juni 2020. 175 Milliarden Parameter — und ein Kontextfenster von gerade einmal 2.048 Tokens, also ein paar Absätze, mehr Gedächtnis hatte es nicht. Das Training kostete geschätzt 4,6 Millionen Dollar; auf einer einzelnen GPU hätte es rechnerisch rund 355 Jahre gedauert.

Und man kam nicht einfach ran. GPT-3 lag hinter einer Warteliste. Erst am 18. November 2021 — anderthalb Jahre später — entfernte OpenAI die Warteliste und gab die API allgemein frei.

Der berühmteste Text aus dieser Zeit sagt viel über den echten Stand. Am 8. September 2020 druckte der Guardian einen von GPT-3 verfassten Meinungsbeitrag: „A robot wrote this entire article. Are you scared yet, human?” Er begann mit „I am not a human. I am Artificial Intelligence.” und enthielt den Satz „I have no desire to wipe out humans.” Klingt beeindruckend — bis man das Kleingedruckte liest. GPT-3 hatte acht Versuche produziert (gefüttert von einem Berkeley-Studenten), und die Redaktion schnitt daraus die besten Teile zusammen. „Entirely written by AI” war also, sagen wir, großzügig gerundet.

Die Fachwelt war entsprechend nüchtern. Gary Marcus und Ernest Davis titelten am 22. August 2020 in der MIT Technology Review: „GPT-3, Bloviator: OpenAI’s language generator has no idea what it’s talking about.” In einer bewusst unsystematischen Testsammlung — die Autoren nannten sie ausdrücklich keinen Benchmark — lag GPT-3 bei Alltags-Reasoning etwa zur Hälfte klar richtig, zur Hälfte klar falsch. Im März 2021 prägten Emily Bender und Kolleginnen auf der FAccT-Konferenz den Begriff, der hängen blieb: „stochastische Papageien” — Maschinen, die Wortmuster nachplappern, ohne irgendetwas zu verstehen. Marcus’ Urteil zwei Jahre später, im März 2022: „For all its fluency, GPT-3 can neither integrate information from basic web searches nor reason about the most basic everyday phenomena.”

Und die Bilder? Am 5. Januar 2021 zeigte OpenAI DALL·E — einen 12-Milliarden-Parameter-Ableger von GPT-3, der Bilder aus Text malte. Niedrige Auflösung, oft daneben. Ein Kuriosum, kein Werkzeug.

Halt dieses Bild fest: Warteliste, Papagei, kuratierter Text, verpixeltes Kätzchen. Das war der Stand vor dreieinhalb Jahren.

Die Timeline

Ab hier wird es dicht. Ich setze die Schlüssel-Releases mit Datum — und dazu jeweils, was sie zum ersten Mal praktisch möglich machten. Diese Liste wächst weiter; ich ergänze sie, wenn Neues kommt.

Mai/Juni 2020 — GPT-3 als Preprint und API-Beta. In OpenAIs eigenem Test erkannten Prüfer maschinengeschriebene Kurzartikel nur in 52 % der Fälle korrekt — kaum besser als Münzwurf. Erstmals: Text, der auf Absatzlänge menschlich klingt.

Januar 2021 — DALL·E 1. Erstmals: Bild aus beliebigem Text — aber grob und klein.

21. Juni 2022 — GitHub Copilot wird allgemein verfügbar, 10 Dollar im Monat. Erstmals: eine KI, die beim Programmieren mittippt, für jeden Entwickler bezahlbar.

Juli/August 2022 — der Bild-Durchbruch kommt Schlag auf Schlag: DALL·E 2 (angekündigt 6. April, Beta 20. Juli), Midjourney (offene Beta 12. Juli), Stable Diffusion (22. August, Open Source, lokal auf Consumer-Hardware lauffähig). Erstmals: fotorealistische, komponierbare Bilder — und mit Stable Diffusion auf dem eigenen Rechner, ohne Cloud.

Ende August / Anfang September 2022 — Jason Allens Midjourney-Bild „Théâtre D’opéra Spatial” gewinnt bei der Colorado State Fair den ersten Platz (Kategorie digital bearbeitete Fotografie, 300 Dollar). Die Jury wusste nicht, dass es KI war. Die öffentliche Debatte folgte im September.

30. November 2022 — ChatGPT, kostenlose Preview auf Basis von GPT-3.5. Eine Million Nutzer in fünf Tagen, rund 100 Millionen im Monat nach zwei Monaten. Erstmals: Der Papagei bekommt ein Gesprächsfenster — und die ganze Welt darf hinein.

14. März 2023 — GPT-4, multimodal (versteht auch Bilder), Kontext bis 32.000 Tokens statt 2.048. Im selben Monat startet Runways Gen-2 als eine der ersten brauchbaren Text-zu-Video-Betas. Erstmals: KI, die ein hochgeladenes Bild „sieht” — und erste bewegte Sekunden aus Text.

Oktober 2023 — DALL·E 3, direkt in ChatGPT. Erstmals: Bildern, die tatsächlich das treffen, was man tippt, inklusive lesbarer Schrift.

15. Februar 2024 — OpenAI kündigt Sora an: bis zu 60 Sekunden hochrealistisches 1080p-Video aus einem Prompt. Erstmals: Video, das man auf den ersten Blick für echt halten kann.

12. März 2024 — Cognition zeigt Devin, den „ersten KI-Softwareingenieur” mit eigener Shell, Editor und Browser. Erstmals: eine KI, die eine Programmieraufgabe eigenständig von vorn bis hinten abarbeitet.

März/April 2024 — Suno V3 (21. März, komplette Songs mit Gesang bis vier Minuten, auch gratis) und Udio (10. April, öffentliche Beta). Erstmals: ein fertiger Song mit Stimme aus einem Satz.

13. Mai 2024 — GPT-4o, ein „omni”-Modell für Text, Audio und Bild in einem. Erstmals: fließendes Sprechen mit der Maschine in Echtzeit.

24. Februar 2025 — Claude Code startet als Research Preview, im Mai 2025 allgemein verfügbar. Erstmals: Programmieren wird zum Dialog im Terminal — auch für mich, diese Seite entsteht so.

25. März 2025 — OpenAI baut Bildgenerierung nativ in GPT-4o. Der virale „Studio-Ghibli”-Trend überrollte den Dienst so, dass die Gratis-Version verzögert werden musste. Erstmals: Bildbearbeitung im Gespräch — „mach den Himmel wärmer”, und es passiert.

20. Mai 2025 — Google Veo 3: erstmals synchron mitgenerierter Ton — Dialoge, Soundeffekte, lippensynchron. Veo 3.1 folgt Mitte Oktober 2025. Erstmals: Video, das nicht nur aussieht, sondern klingt.

7. August 2025 — GPT-5, von OpenAI beschrieben als „Team von PhD-Level-Experten in der Hosentasche”.

30. September 2025 — Sora 2: synchroner Ton, bessere Physik, „Cameo”-Funktionen — dazu eine eigene App im TikTok-Format. Erstmals: KI-Video als soziales Medium, nicht als Labor-Demo.

Lies diese fünf Jahre am Stück, und der Papagei von 2020 wirkt wie aus einem anderen Jahrhundert.

Was niemand auf dem Schirm hat

Über ChatGPT redet jeder. Über das hier viel zu wenige — dabei ist es womöglich der größere Teil der Geschichte.

Im November 2020 gewann AlphaFold 2 den CASP14-Wettbewerb mit einem Median-Score um 92 GDT_TS und löste damit ein Problem, an dem die Biologie fünfzig Jahre gescheitert war: aus der Abfolge der Aminosäuren die dreidimensionale Faltung eines Proteins vorherzusagen. Das ist keine Spielerei. Proteinfaltung ist die Grundlage dafür, zu verstehen, wie Krankheiten funktionieren und wie Medikamente andocken. Die AlphaFold-Datenbank enthielt ab 2022 über 200 Millionen Strukturen, bis 2024 mehr als 214 Millionen, genutzt von über zwei Millionen Forschenden aus 190 Ländern. Am 8. Mai 2024 kam AlphaFold 3, das auch Komplexe aus Proteinen, DNA, RNA und Wirkstoffmolekülen vorhersagt.

Die Anerkennung folgte auf höchster Ebene: Der Chemie-Nobelpreis 2024 ging zur einen Hälfte an David Baker für computergestütztes Proteindesign, zur anderen gemeinsam an Demis Hassabis und John Jumper für die Vorhersage von Proteinstrukturen. Ein KI-System steht im Zentrum eines Chemie-Nobelpreises.

Und es hört nicht bei Proteinen auf:

  • Medizin: Rentosertib, ein KI-entdeckter Wirkstoff gegen die Lungenkrankheit IPF, zeigte in einer Phase-IIa-Studie mit 71 Patienten an 22 Zentren eine dosisabhängige Verbesserung der Lungenfunktion nach zwölf Wochen — publiziert am 3. Juni 2025 in Nature Medicine. 2023 identifizierte ein Deep-Learning-Modell (Kooperation von McMaster University und MIT) den Wirkstoff Abaucin gegen einen gefährlichen Krankenhauskeim, aus rund 7.500 gescreenten Molekülen.
  • Materialien: DeepMinds GNoME sagte Ende 2023 die Stabilität von 2,2 Millionen neuen Kristallen voraus. Am selben Tag zeigte das A-Lab in Berkeley, wie ein Roboter mit ML in 17 Tagen neue anorganische Materialien synthetisiert. (Ehrlichkeitshalber: Beide Arbeiten stehen inzwischen in der Kritik — bei GNoME gilt vielen die Zahl der wirklich neuen Strukturen als aufgebläht, beim A-Lab musste Nature eine Korrektur nachschieben. Der Durchbruch ist real, die Bilanz umstritten.)
  • Wetter: GraphCast sagt bis zu zehn Tage Wetter in unter einer Minute auf einem einzigen Rechner voraus — und war auf mehr als 90 % von 1.380 geprüften Zielgrößen genauer als das etablierte Modell des ECMWF. GenCast legte Ende 2024 mit besseren Zyklon-Bahnen nach.
  • Reine Mathematik: AlphaProof und AlphaGeometry 2 lösten bei der Internationalen Mathematik-Olympiade 2024 vier von sechs Aufgaben, 28 von 42 Punkten — Silber-Niveau, einen Punkt unter Gold. Eine der gelösten Aufgaben hatten von über 600 menschlichen Teilnehmern nur fünf vollständig geknackt. Und FunSearch fand Ende 2023 eine nachweisbar neue Lösung für ein offenes mathematisches Problem — das erste Mal, dass ein Sprachmodell echtes, überprüfbares neues Wissen beisteuerte.

Der Papagei, der angeblich nur nachplappert, hat also Proteine gefaltet, Wirkstoffe gefunden und Mathematik betrieben, die kaum ein Mensch schafft.

Die Zahlen

Wenn ich wissen will, ob eine Technologie ernst ist, folge ich dem Geld — und den Jobs.

Die weltweiten Unternehmensinvestitionen in KI erreichten 2024 laut Stanford HAI rund 252 Milliarden Dollar. 2025 verdoppelten sie sich auf 581,7 Milliarden. Die privaten Investitionen allein sprangen um 127,5 % auf 344,7 Milliarden. Generative KI — der Teil, der Bilder, Text und Video macht — wuchs 2025 um rund 200 % auf etwa 171 Milliarden Dollar, fast die Hälfte aller privaten KI-Investitionen. Die USA führen mit 285,9 Milliarden privater Investition, das 23-Fache Chinas.

Die Nutzung zieht mit: 78 % der Organisationen berichteten 2024 KI-Einsatz (nach 55 % im Jahr davor); McKinsey kam 2025 auf 88 % mit regelmäßiger Nutzung in mindestens einer Geschäftsfunktion. Der Haken dabei — und den nenne ich bewusst: Nur etwa ein Drittel der Unternehmen skaliert über Pilotprojekte hinaus, und nur eine Minderheit weist einen messbaren Gewinneffekt nach. Es wird viel ausprobiert, wenig durchgezogen.

Und die Arbeit? Da liegt der Nerv. Der IWF schätzt, dass rund 40 % der weltweiten Beschäftigung KI-exponiert ist, in Industrieländern etwa 60 %. Die Hälfte dieser Jobs dürfte profitieren, die andere Hälfte Kernaufgaben verlieren. IWF-Chefin Kristalina Georgieva fasste es so: „We are on the brink of a technological revolution that could jumpstart productivity, boost global growth and raise incomes around the world. Yet it could also replace jobs and deepen inequality.”

Das WEF rechnet bis 2030 mit 170 Millionen neuen Stellen, 92 Millionen wegfallenden — netto plus 78 Millionen. Also nicht nur Verlust. Am schnellsten wachsen Big-Data-Spezialisten (+110 %), FinTech-Ingenieure (+95 %), KI-/ML-Fachleute (+85 %); am stärksten schrumpfen klassische Bürojobs wie Sachbearbeiter und Kassierer. 39 % der heute geforderten Kern-Fähigkeiten gelten bis 2030 als veraltet.

Ein Detail, das mich optimistisch stimmt: Der Anthropic Economic Index wertete Anfang 2026 rund zwei Millionen KI-Gespräche aus. Erstmals überholte die Augmentation (52 %) — die KI hilft einem Menschen bei seiner Arbeit — die Automation (45 %), bei der sie die Aufgabe ganz übernimmt. Häufiger Assistent als Ersatz. Zumindest bisher.

Damals vs. heute — meine eigene Rechnung

Jetzt wird es konkret, denn genau hier lebe ich. Ein KI-Store, ein Blog — die Bilder darauf müssen irgendwoher kommen. Also habe ich mir angeschaut, was ein klassisches Foto-Shooting für Werbung tatsächlich verlangt. Nicht das Klischee, sondern die Rechnung.

Fangen wir bei den Rechten an, denn das übersehen die meisten. Für die Nutzung eines Bildes kommt zur Gage ein „Buy-out” obendrauf — ein Aufschlag, gestaffelt nach Reichweite und Dauer, „longer period, higher buyout”, wie es die Agenturen formulieren. Lizenzen laufen typisch ein bis fünf Jahre; danach darf man das Bild nicht mehr benutzen. Und in den USA braucht man für jede erkennbare Person einen Model Release — ohne den ist die kommerzielle Nutzung schlicht illegal, egal ob Prominenz oder nicht.

Dann die Menschen am Set. Eine Agentur nimmt 15–20 % Kommission vom Model und legt beim Auftraggeber noch einmal auf. Ein Fashion-Shoot für einen einzigen Tag summiert sich schnell: Fotograf 1.000–3.500 Dollar (in New York oder L.A. gern 3.000–8.000+), Model 500–3.000, Studio 300–1.500, Hair & Make-up 400–1.200, Stylist 400–1.800, Retusche pro Bild obendrauf. Eine schlanke Produktion landet um 2.600 Dollar, eine mittlere um 12.700, High-End zwischen 25.000 und 100.000 Dollar — pro Tag. Und der Drehtag ist, wie eine Produktionsfirma trocken anmerkt, „the smallest part”: Bei einem TV-Spot macht die Vorproduktion 40–50 % der Zeit aus, ein Spot braucht insgesamt 6–10 Wochen, eine Kampagne 8–12. Casting, Location-Scouting mit Permits und Versicherung, eine Crew von 2 bis 200 Personen, Wetter-Contingency.

Ein Beispiel, das hängen bleibt: Ein Promi-Hairstylist berechnete für zwei Drehtage 12.000 Dollar — nur für die Leistung, ohne Reise und Agentur. Nur die Haare.

Und heute? Genau dieses Ergebnis — die Person, das Licht, der Ort, die Stimmung — ist ein Prompt. Sekunden statt Wochen. Kein Buy-out, kein auslaufender Lizenzvertrag, kein Wetter. Diese Seite und der Shop sind das lebende Beispiel: Was du hier an Bildern siehst, hätte vor drei Jahren eine mittlere fünfstellige Produktion und einen Monat Vorlauf bedeutet. Wie diese Bilder entstehen, zeige ich auf der KI-Seite — die KI-Werkzeuge sind der Werkzeugkasten dahinter.

Ich sage das nicht, um irgendwem die Arbeit abzusprechen. Ein guter Fotograf, ein guter Stylist — das bleibt Können. Ich sage es, weil die Schwelle verschwunden ist. Was früher Budget und Beziehungen verlangte, verlangt heute eine gute Idee und einen präzisen Satz.

Der Haken

Damit das kein Werbetext wird, der ehrliche Teil. Der Staat nutzt diese Modelle kaum, und viele Firmen auch nicht — aus Datenschutzgründen. Und das ist nicht dumm, sondern nachvollziehbar. Wer sensible Daten in ein fremdes Cloud-Modell tippt, gibt Kontrolle ab, die er vielleicht nicht abgeben darf. Ein Amt, eine Klinik, eine Kanzlei können nicht einfach Personendaten an einen US-Anbieter durchreichen.

Nur: Die Antwort darauf ist nicht „gar nicht”, sondern „wie kommt man hin”. Erinnere dich an Stable Diffusion vom August 2022 — das lief von Anfang an lokal, auf normaler Hardware, ohne dass ein Byte die eigene Maschine verließ. Genau diese Richtung — Modelle, die auf dem eigenen Rechner oder im eigenen Haus laufen — ist für Behörden und datensensible Firmen der Weg, ohne die Kontrolle zu verlieren. Die Technik dafür wird Monat für Monat besser und kleiner. Wer das ignoriert, verschiebt das Problem nur, statt es zu lösen.

Zum Schluss

Das Muster ist immer dasselbe. Erst „das wird nie”, dann „na gut, aber es zählt nicht”, dann ist es Alltag und niemand erinnert sich, es je bezweifelt zu haben. Go. Übersetzung. Proteinfaltung. Bilder, Stimmen, Video mit Ton. Und ja, damals auch das Internet und das „digitale Geld”, das angeblich nur Rattengift war.

Ich behaupte nicht zu wissen, wo das endet. Niemand weiß das. Aber die eine Lehre aus dreieinhalb Jahren traue ich mich hinzuschreiben: Es kommt schneller, als fast alle denken — auch schneller, als die Klugen denken, die „nie” sagen.

Deshalb führe ich diese Timeline weiter. Jedes Mal, wenn wieder etwas fällt, das gestern noch unmöglich hieß, kommt ein Eintrag dazu. Wenn du mitwachsen willst, schau hin und wieder vorbei — und wenn du etwas gesehen hast, das hier fehlt, schreib mir über die Kontaktseite. Diese Liste ist nicht fertig. Sie fängt gerade erst an.