Braucht KI ein größeres Gehirn oder einen Beruf? Franks These auf dem Prüfstand
Die KI braucht kein größeres Gehirn, sondern einen Beruf? Wir prüfen Franks eigenen Artikel an Bitkom-Zahlen und einem neuen OpenAI-Modell.
Shownotes
„Die KI braucht kein größeres Gehirn. Sie braucht einen Beruf.“ So hat Frank Ende Oktober einen LinkedIn-Artikel überschrieben. Diesmal prüft Tina ihren eigenen Chef: was die Bitkom-Umfrage über die Kosten von KI im Betrieb sagt, was Gartner und NVIDIA dazu wirklich behaupten, und warum ausgerechnet OpenAIs neues Spezialmodell für Sicherheitsforschung beide Seiten bestätigt. Dazu ein Werkstattbericht über unser eigenes Modell WYPS79, die Auflösung der Prognosen aus Folge 14 und eine neue Prognose gegen uns selbst.
Die Themen:
- Nachgetragen: Beide Prognosen aus Folge 14 sind eingetroffen. Laut Challenger, Gray & Christmas (Bericht vom 5. November 2026) wurde KI im Oktober nur für 1.265 Stellenstreichungen genannt, den niedrigsten Monatswert des Jahres. Vorn lag „Markt- und Wirtschaftslage“ mit 16.407 (37 Prozent). Seit Januar hat „Markt- und Wirtschaftslage“ mit 130.531 die KI (121.401, rund 20 Prozent aller Streichungen) überholt. Nachgerechnet gegen den Septemberbericht: Beide Jahressummen stimmen exakt
- Franks These im Artikel: Die nächste Produktivitätsstufe kommt nicht aus größeren Modellen, sondern aus Systemen, die einen Beruf haben. Im Text steht ausdrücklich: „Das ist keine Absage an große Modelle. Es ist eine Absage an große Modelle für alles.“ Der Titel war lauter als der Text
- Bitkom (Befragung von 603 Unternehmen ab 20 Beschäftigten, Juli und August 2026, veröffentlicht am 14. September): 57 Prozent setzen KI ein. Als großen Kostenpunkt nennen die Anwender Infrastruktur wie Cloud und Rechenleistung (51 Prozent), Datenaufbereitung (50), Integration in bestehende Systeme (41), Lizenzen (21) und den Verbrauch von Token (8). Bitkom-Präsident Ralf Wintergerst: „Bei KI geht es nicht in erster Linie um das eingesetzte Modell.“ Kein Anwender schöpft das Potenzial nach eigener Aussage vollständig aus, 59 Prozent überhaupt nicht
- Gartner sagt voraus, dass Unternehmen bis 2027 kleine, aufgabenspezifische Modelle dreimal so häufig nutzen wie große Allzweckmodelle. Das ist eine Prognose, keine Messung
- NVIDIA Research schätzt in einem Positionspapier an drei offenen Agentensystemen, dass sich 40 bis 70 Prozent der Modellaufrufe durch spezialisierte kleine Modelle ersetzen ließen. Schätzungen der Autoren, keine Messung
- Das Urteil nach unserer Skala (belegt, belegt aber irreführend dargestellt, unbelegt, widerlegt): belegt, für die Kernthese „große Modelle nicht für alles, und das Modell selbst ist im Betrieb nicht der große Kostentreiber“. Die Belege sind eine Umfrage, eine Prognose und eine Schätzung. Der Titel allein ist eine Zuspitzung, der Satz über die nächste Produktivitätsstufe eine Prognose
- Einordnung: Ein Drittel der KI-Anwender sagt laut Bitkom, es nutze KI vor allem aus Angst, den Anschluss zu verlieren. Über schlechte Ergebnisse klagt nur ein Viertel (26 Prozent), vorn stehen Datenschutz (66 Prozent) und rechtliche Unsicherheit (56 Prozent)
- Der Streit der Folge: OpenAI hat am 5. November GPT-6 Cyber vorgestellt, laut Systemkarte eine spezialisierte Variante des Allzweckmodells GPT-6 Astra. Im Test ExploitGym kommt das Spezialmodell auf 48,45 Prozent, das Allzweckmodell auf 42,43 Prozent (Herstellerangabe). Der externe Prüfer Irregular fand die Leistung insgesamt „broadly comparable“ zum Allzweckmodell, besser nur bei langen, mehrstufigen Aufgaben. Dazu eine Studie von 2023: GPT-4 war bei Finanztexten auf vielen Aufgaben besser als das eigens trainierte BloombergGPT, auf anderen nicht. Einigung: Das Gehirn kauft man ein, den Beruf bringt man ihm selbst bei, und man muss das Gehirn tauschen können
- Das Lagerfeuer: unser eigenes Modell WYPS79. Wir entwickeln ein vorhandenes Basismodell gezielt weiter, zuerst für Programmieren und Code-Prüfung in unseren eigenen Projekten, danach für deutschsprachige Assistenz. Die ersten Trainingsläufe laufen lokal, mit Code und Dokumentation aus eigenen Projekten, ohne private Mails, Chats und Kundendaten. Ergebnisse gibt es noch keine. Festgelegt sind die Prüfregeln: jeder Kandidat gegen das unveränderte Basismodell, Testfälle nie im Trainingsmaterial, keine Freigabe allein durch eigene Bewertung, Vorversion für den Rückweg
- Drei Schritte für diese Woche, ohne Budget: fünf tägliche KI-Anfragen aufschreiben und fragen, ob sie wirklich das größte Modell brauchen; das Geld dort einplanen, wo die Anwender laut Bitkom die großen Kosten sehen (Rechenleistung, Daten, Anbindung); zwanzig eigene Testfälle mit richtiger Antwort anlegen, die jedes neue Modell und jedes Update zuerst bestehen muss
- Die Prognose der Folge, geführt in unserem Mess-Sheet: P9, bis zum 31. März 2027 schlägt der erste WYPS79-Kandidat das unveränderte Basismodell auf unseren eigenen Programmiertests, gemessen auf einem eigenen Prüfrechner, nicht vom Modell selbst
Quellen:
- Challenger, Gray & Christmas, October Layoffs at Three-Year Low (5. November 2026): https://www.challengergray.com/blog/october-layoffs-at-three-year-low-seasonal-hiring-plans-up-26/
- Challenger, Report September 2026 (PDF): https://www.challengergray.com/wp-content/uploads/2026/10/Challenger-Report-September-2026.pdf
- Bitkom, Erstmals nutzt die Mehrheit der Unternehmen KI (14. September 2026): https://www.bitkom.org/Presse/Presseinformation/Erstmals-nutzt-Mehrheit-Unternehmen-KI
- Bitkom, KI in der deutschen Wirtschaft, Präsentation (PDF): https://www.bitkom.org/sites/main/files/2026-09/bitkom-praesentation-kuenstliche-intelligenz-in-der-wirtschaft-2026.pdf
- Gartner, Pressemitteilung vom 9. April 2025 (Prognose): https://www.gartner.com/en/newsroom/press-releases/2025-04-09-gartner-predicts-by-2027-organizations-will-use-small-task-specific-ai-models-three-times-more-than-general-purpose-large-language-models
- CIO Dive über die Gartner-Prognose: https://www.ciodive.com/news/small-AI-model-use-growth-Gartner-prediction/745435/
- Belcak et al., NVIDIA Research, Small Language Models are the Future of Agentic AI: https://arxiv.org/abs/2506.02153
- OpenAI, GPT-6 Cyber System Card (5. November 2026, PDF): https://deploymentsafety.openai.com/gpt-6-cyber/gpt-6-cyber.pdf
- Li et al., Are ChatGPT and GPT-4 General-Purpose Solvers for Financial Text Analytics? (EMNLP 2023): https://arxiv.org/abs/2305.05862
- Unser Mess-Sheet: https://darc-transform.de/podcast/mess-sheet/
Schicken Sie uns das Versprechen Ihres KI-Anbieters, gern per E-Mail oder auf LinkedIn. Wir suchen uns jede Woche eines zum Nachmessen aus; ein Anspruch auf Prüfung besteht nicht, und für Verdachtsfälle gelten die Regeln sorgfältiger Berichterstattung.
Nächste Folge am 18. November: Wer passt auf, wenn die KI selbst handelt? Wir prüfen, welche Regeln KI-Agenten im Betrieb brauchen. Wie immer mittwochs um 11:07 Uhr.
Mehr zum Podcast: https://darc-transform.de/podcast/
KI-Transparenz: Beide Stimmen in dieser Folge sind KI-generiert, auch Frank hören Sie als KI-Stimme. Die Gedanken und die Worte sind seine. Mehr: https://darc-transform.de/podcast/
Neuer Kommentar