Als sicher markiert vor dem neuesten Modell

Im September 2024 machte ich mich daran, mein erstes Start-up zu bauen: Lira.

An der Oberfläche war es ein Selbstlern-Netzwerk für Schulen, Universitäten und Unternehmen. Darunter sollte es drei Dinge zugleich sein: ein Ort, an dem Studierende wirklich lernen; eine Talentmaschine, die Fähigkeiten früh erkennt und zu Arbeitgebern weiterleitet; und, noch eine Ebene tiefer, ein kognitives Signal, sauber genug, um Institutionen und sogar politische Entscheidungsträger zu informieren. Eine sehr frühe Lösung für den Olodo Uprising.

Eine KI, die mit dir lernt, dich dort abholt, wo du stehst, und einen Studierenden tiefer versteht, als es ein unterbezahlter Lehrer mit überfülltem Klassenzimmer je könnte. Das Profil, das sie aufbaut, würde dich ins Berufsleben begleiten und Arbeitgebern ein wahreres Bild geben, als ein Lebenslauf es je tut.

Im Grunde LinkedIn, von Grund auf neu gebaut. Was passend wirkte, da mein eigener LinkedIn-Account bis dahin dreimal gelöscht worden war — mit nichts als automatisierten Antworten darüber, dass ich gegen die Nutzungsbedingungen verstoßen hätte. Bedingungen, die, als ich endlich zu menschlichen Mitarbeitern durchdrang, nicht benannt werden konnten.

Ich hatte mich ohnehin davon überzeugt, dass das ganze Einstellungssystem kaputt war. Zu statisch, zu viel Reibung, eine Blackbox, in der die meisten Bewerbungen zu verschwinden schienen. Also beschloss ich, jemand sollte es ersetzen, und dieser Jemand könnte genauso gut ich sein.

Damals wirkte das wahnsinnig überambitioniert. Drei koordinierte Produkte zu bauen bedeutete Jahre an Arbeit und ein Team, das ich nicht hatte — eine Weile sah es also so aus, als hätte ich mich mit dieser Idee übernommen. Die meiste Skepsis richtete sich auf den Bau: technische Komplexität, Kosten und Zeit.

Genau die Beschränkung, die sich mit jedem neuen Release eines Frontier-Modells vorhersehbar aufgelöst hat. Ich weiß das, weil ich seitdem Paylo gebaut habe — eine zweiseitige Commerce-Plattform mit ziemlich großen Ambitionen, größtenteils allein, auf der anderen Seite dieses Wandels.

Was 2024 wie Übergriffigkeit aussah, ist heute das Gerüst eines Wochenendes.

Hätte ich dranbleiben sollen?

Nein — aber nicht aus diesem Grund. „Überambitioniert“ war eine Kritik am Bau, doch der stand kurz davor, billig zu werden. Die Modelle würden besser werden, schnell, und die Kosten, Software zu schreiben, würden mit ihnen fallen. Die Zeit zum Iterieren würde deutlich kürzer. Kaum der Rede wert.

Die meisten, die diese Kritik äußerten, hatten diese Information nicht — sie zu beantworten hätte also bedeutet, die falsche Frage zu beantworten. Die einzig sinnvolle Option war, den Rahmen zurückzuweisen. Du brauchst keine Erlaubnis, um auf dem zu bauen, was du weißt. Was auch immer Lira töten würde, es würde etwas anderes sein müssen.

Wenn also der Bau nicht das Problem war — was dann?

So sollte Lira funktionieren: Schulen und Universitäten übernehmen es als Standardsystem für die Vergabe von Aufgaben. Jeder Studierende muss lernen, also wird es der Ort, an dem gelernt wird. Lernwerkzeuge auf der einen Seite, ein wachsendes kognitives Profil auf der anderen — und das Profil ist das eigentliche Produkt.

Aber ich entdeckte bald, dass Universitäten ihre eigenen Ökosysteme hatten. Ihre eigenen Hierarchien, ihre eigene Politik, ihre eigenen Gründe, warum die Dinge so gemacht wurden, wie sie gemacht wurden. Es war keine Frage mehr, ob die Software gut war oder ob sie überhaupt gebaut werden konnte. Hinter allem saß ein tieferes Problem, und die Software kam nicht an es heran. Wer entscheidet. Wer seine Arbeitsweise ändern muss. Wer etwas verliert, wenn das hier eingeführt wird — und vor allem: Wen kennst du, der das zum Entscheider bringen kann, falls es den überhaupt interessiert?

Davon abgesehen scheitern digitale Lösungen wie diese in Nigeria öfter, als dass sie gelingen — aus Gründen, die nichts mit dem Code zu tun haben: unzuverlässiger Strom, lückenhafte Konnektivität, wie wenige sich das Gerät überhaupt leisten können, und das schiere Gewicht der Anpassung, die es bräuchte, um die zu erreichen, die es nicht können.

Es war den Aufwand einfach nicht wert. Also traf ich die harte Entscheidung und beerdigte das Projekt.

Zurück in die Gegenwart. GPT-6 Astra erschien am Donnerstag. Die Kill-Listen gingen planmäßig online, und alle paar Monate wiederholt sich der Zyklus: Ein Schwung echter Teams mit beeindruckender Traction wacht auf und stellt fest, dass ihr gesamtes Wertversprechen als Feature ausgeliefert wurde — von einem Unternehmen mit größerem Modell und besserer Distribution. Dann gehen die Posts hoch. ChatGPT hat mein Start-up getötet. OpenAI hat mein Start-up getötet.

Manche sind Witze, manche Nachrufe, und es ist traurig anzusehen. Aber nichts davon war eine Überraschung. Die Modelle sind eine Flut, und Fluten kommen mit Gezeitentafel. OpenAI hat die Scaling Laws 2020 veröffentlicht: Fähigkeit steigt mit Rechenleistung und Daten, auf einer Kurve, die man zeichnen kann. Jedes Release seither ist eine Ablesung auf dieser Kurve. Ein Labor, das ein Modell ausliefert, verkündet, dass das Wasser die Marke erreicht hat, die es angekündigt hatte.

Jedes Unternehmen, das von einem Release erwischt wurde, stand also schlicht unterhalb einer veröffentlichten Wasserlinie.

Lira nicht. Wäre ein Frontier-Modell mein einziges Problem gewesen, hätte ich weitergemacht — denn ein besseres Modell verbessert nur meinen Output, ohne meinen Daseinsgrund zu ersetzen. Lira starb am menschlichen Faktor. Beziehungen, Hierarchien, wer das letzte Wort hat, ob irgendjemand sein Verhalten ändern würde, um es einzuführen.

Darüber will ich sprechen:

Was genau können diese Unternehmen nicht töten?

Fang beim Geld an

Die Finanzierung und Forschung, die in KI fließen, sind nicht das, was man ausgibt, um ein besseres Autocomplete zu bekommen. In dieser Größenordnung ist das einzig kohärente Ziel: Fähigkeit über alles, was sich in Code ausdrücken lässt. Ob man es als Profit oder als Mission rahmt, ändert nichts an der Implikation: Wird das Ziel erreicht, landet alles, was als Code lebt — also der Großteil der digitalen Infrastruktur der Welt — in Reichweite von drei, vier Unternehmen.

Worauf sie hinbauen

Es gibt zwei Wege, alles zu besitzen, was auf Code läuft.

Ein Explosionsdiagramm: ein App-Store mit der Beschriftung ‚der Store‘ schwebt über einer Platine mit der Beschriftung ‚der Chip‘, dazwischen Start-ups als Kacheln, gefangen zwischen den Schichten

Der eine: der Store sein — der Ort, an dem Intelligenz gekauft wird und an dem Start-ups zu Apps werden. Der GPT Store und die Connector-Verzeichnisse sind frühe Skizzen davon, und MCP ist die Verrohrung darunter, bei der jedes Werkzeug zum Plug-in der Plattform wird, die es aufruft.

Der andere: der Chip sein — still unter allen sitzen, so wie Intel, Nvidia und Qualcomm es tun, und von allem einen Anteil nehmen, ohne gesehen werden zu müssen.

Ich glaube nicht, dass sie sich entscheiden werden.

Apple hat beides gebaut.

Der Store entscheidet, was Distribution bekommt, das Backend kassiert bei allem anderen mit, und ein Unternehmen, das beides hält, hat keinen Grund, irgendetwas liegen zu lassen. Start-ups auf dieser Plattform werden tun, was Apps auf Telefonen taten: geduldet werden, bis das Feature im Betriebssystem erscheint.

Wenn das so ist, zählt jetzt, was selbst bei viel höherer Fähigkeit außerhalb der Reichweite des Modells bleibt — und warum.

Drei Gründe, warum etwas draußen bleibt

Es ist privat: Das Modell kann es nicht sehen.
Es ist nicht erlaubt: Das Modell darf nicht darauf agieren.
Es ist strukturell: Es existiert aufgrund der Art, wie Menschen, Recht und physische Systeme angeordnet sind, und keine Menge Intelligenz ändert die Anordnung.

KI kann dir helfen, diese Lücken schneller zu überbrücken als je zuvor, aber sie kann sie nicht verschwinden lassen. Sollten sie je verschwinden, dann weil sich das Grunddesign des Internets geändert hat — nicht, weil ein Modell klüger geworden ist.

Auftrieb

Ich habe mir einen einfachen Test ausgedacht. Vier Fragen, gestellt an jedes Produkt, jedes Unternehmen. Ein „Ja“ bei den ersten drei heißt: Es sinkt. Ein „Ja“ bei der vierten heißt: Es schwimmt. Drei Ja und ein Nein, und du bist ein Feature, das wegautomatisiert wird. Mit einem Ja bei der vierten hast du einen Burggraben — auch wenn du weiterhin auf operative Ineffizienz und Kapitalbedarf achten musst, denn ein Burggraben führt das Geschäft nicht für dich.

Ist es auf etwas gebaut, das bereits im globalen Datensatz liegt, und nur darauf? Dann kann es jetzt schon getötet werden. Das Modell hat gelesen, was du gelesen hast.
Läuft es auf Code? Wenn es noch nicht tot ist, wird es das in ein paar Jahren sein. Code ist das, wofür sie das Geld ausgeben, um es zu besitzen.
Hängt es davon ab, ein digitales System vollständig zu verstehen, ein nicht-menschliches? Dann wird es getötet. Digitale Systeme sind für Modelle lesbar auf eine Weise, wie Menschen es nicht sind.
Hängt es von etwas ab, auf dem die Gesellschaft gebaut ist, statt von etwas, das auf der Gesellschaft gebaut wurde? Privatsphäre. Vertrauen. Fürsorgepflicht. Verantwortung. Regulierung. Der persönliche Einsatz von jemandem an einem Ergebnis.

Diese Dinge sind nicht im Datensatz und können dort auch nicht hinein, denn sie sind Beziehungen zwischen Menschen oder Regeln, die Menschen übereinander aufgestellt haben — keine Beschreibungen von ihnen. Auf absehbare Zeit sind sie vor jedem Release als sicher markiert. Diese Kategorie ist das, was Lira getötet hat. Jetzt schützt sie alles, was ich seither gebaut habe.

Steigendes Wasser bedeckt drei untere Stufen mit den Beschriftungen ‚im Datensatz‘, ‚läuft auf Code‘ und ‚versteht ein digitales System‘, während auf der obersten Stufe mit der Beschriftung ‚die Gesellschaft ist darauf gebaut‘ eine Stadt trocken steht

Alles, was nicht auf dieser obersten Stufe sitzt, wird vermutlich fortgespült.

Schwarz, Weiß und eine Menge Grau

Am einen Ende: die Dinge, die fortgespült werden. Alles, was gespeichert und abgerufen statt frisch erarbeitet wird. Fakten, Zahlen, Konstanten, Definitionen, das gelöste Problem, der Referenztext. Vieles von dem, was wir in Klassenzimmern eingetrichtert haben, um die Welt zu bauen, die wir jetzt haben, lebt hier — und Modelle können es bereits gut. Abruf ist nahezu gelöst.

Ein Verlaufsbalken von Schwarz nach Weiß: ‚Abruf‘ am dunklen Ende, ‚Vertrauen, Moral, Verbindlichkeit‘ am hellen Ende, und ein Fragezeichen über ‚Schlussfolgern, Interpretation‘ in der grauen Mitte

Wenn dein Job darin besteht, die Antwort zu erinnern, hat das Modell sie auch erinnert.

Schlussfolgern ist allerdings kein Abruf. Neuartige Mathematik, ungelöste Physik, eine Herleitung, die noch niemand gemacht hat — das sind keine gespeicherten Antworten, und Modelle sind darin sichtbar schlechter als im Abrufen. In dem Moment, in dem du ein Problem so veränderst, dass die auswendig gelernte Version nicht mehr passt, bricht die Leistung ein. Das ist weder die sichere Zone noch die fortgespülte.

Es ist die umkämpfte Mitte — genau dort, wo das Geld ausgegeben wird. Also leg die Frontier nicht unter „bereits verloren“ ab.

Am anderen Ende: die Dinge, die halten. Moral, Ethik, Glaube, Emotion, Vertrauen. Ein Modell kann endlos Sätze darüber produzieren, aber es sind keine Fakten zum Abrufen. Es sind Beziehungen zwischen Menschen und die Verbindlichkeiten, die Menschen einander geben. Du kannst eine Verbindlichkeit nicht in einen Datensatz legen. Du kannst nur eine beschreiben.

Und dann das breite graue Band dazwischen — dort wird die eigentliche Auseinandersetzung der nächsten Jahre stattfinden.

Nimm das Recht. Ein Modell, das jedes Gesetz liest und die einschlägige Klausel aufsagt, ist Abruf. KI assistiert, und das ist in Ordnung. Das ist der fortgespülte Teil, der nützliche Arbeit leistet. Aber ein Modell, das das Gesetz interpretiert — das entscheidet, was es für dich bedeutet, mit deiner Geschichte, deiner Erfahrung und deinen persönlichen Umständen —, ist ein völlig anderer Akt. An diesem Punkt ruft die KI keine Daten mehr ab. Sie übernimmt eine Rolle, die Autorität trug, weil eine Person dafür verantwortlich war. Die Gefahr war nie, dass das Modell den Text kennt. Sie ist, dass dem Modell die Interpretation übergeben wird — denn in der Interpretation wohnte die menschliche Beziehung, und das Modell kann nur deren Worte aufführen, ohne irgendetwas von der Verantwortung zu tragen.

Alles im Grau sitzt dort, weil es in beide Richtungen schneidet. Der Großteil des kommenden Diskurses wird nicht um Fähigkeit gehen. Er wird um dieses Sortieren gehen: was schwarz ist, was weiß — und wer die Linie durchs Grau ziehen darf.

Ich habe nie Zeit auf etwas verwendet, das ein Modell bloß noch nicht konnte. Das ist eine Wette gegen die Kurve, und die Kurve verliert nicht. Paylo sitzt auf der anderen Seite der Linie — dort, wo das Modell mich schneller macht, aber nicht den Grund ersetzen kann, warum ein Käufer und ein Verkäufer, die sich nie begegnet sind, derselben Transaktion vertrauen.

Code ist nicht mehr der Burggraben

Als ich im Juni beim Breet Builders Grant gepitcht habe, sagte ich, der Code sei nur ein Geschirr, eine Halterung. Damals dachte ich mir nichts dabei. Aber jetzt, beim Schreiben, merke ich: Das hätte wohl etwas mehr Kontext gebraucht.

Ein massiver schwarzer Würfel, gehalten von weißem Gerüst — die Halterung um das, was zählt

Ein komplexes System kostete früher ein Team. Zwei Engineers für sechs Monate waren irgendwo zwischen 120.000 und 200.000 Dollar an Gehältern, bevor auch nur ein Kunde auftauchte — und das war die schlanke Version. Code war also das, wofür man Geld einsammelte, und weil er der teure Teil war, wurde er zum geschützten Teil.

Heute ist das Repo nahezu kostenlos. Was Geld kostet, ist das Ding, das es schreibt — und das gehört drei, vier Unternehmen, die es pro Token abrechnen.

Code ist immer noch proprietär. Er ist nur nicht mehr deiner allein. Der Wert liegt in dem, was er an Ort und Stelle hält, darin, wie er eingesetzt wird, und im Terrain, in das er eingesetzt wird.

Die Linie neu ziehen

Jeder Kostensprung nach unten lässt das Wasser steigen, und die freien Modelle dürften Astra binnen Wochen einholen. Die oberste Stufe bleibt aus den genannten Gründen trocken, während alles darunter nasser wird.

Die Dinge, auf die ich gebaut habe, sitzen auf dieser Stufe — aber der Code, mit dem ich sie bediene, nicht. Er sitzt direkt an der Kante. Was heißt: Bei diesem Tempo kreuzt die Linie jedes Quartal etwas von mir, und ich muss sie neu ziehen.

Das ist einfach Grundwartung.