Hat die KI-Revolution ihren Höhepunkt erreicht?
GPT-5 ist da. Das war’s? Irgendwie hatte ich mir mehr erhofft. Während die Tech-Welt seit Jahren über die kommende KI-Apokalypse diskutiert, fühlt sich die Realität im August 2025 ernüchternd an. Der große Wurf – die KI-Revolution – blieb aus. Stattdessen hagelte es Beschwerden.
Die Ernüchterung setzt ein
Über 3.000 Nutzer petitionierten erfolgreich für die Rückkehr zu GPT-4o.[^1] Reddit explodierte mit Beschwerden wie „GPT-5 ist schrecklich“. Gary Marcus, ein prominenter KI-Kritiker, brachte es auf den Punkt: „I don’t hear many companies saying that 2025 models are much more useful than 2024 models, even though 2025 models perform better on benchmarks.“[^2]
Das ist das Problem. Benchmarks werden besser, aber die praktische Nutzbarkeit stagniert. Das riecht nach Höhepunkt.
Die Mauer wird sichtbar
Die fundamentalen „Scaling Laws“ der KI-Entwicklung zeigen Ermüdungserscheinungen. Mehr Daten, mehr Parameter, mehr Rechenleistung – das Rezept funktioniert nicht mehr so gut. Ilya Sutskever, Mitbegründer von OpenAI, verkündete bereits im November 2024: „LLM-Skalierung hat ein Plateau erreicht“ und bezeichnete das Internet als „fossilen Brennstoff der KI“.[^3]
Die Datenkrise ist real. Epoch AI prognostiziert: Hochwertige, menschlich generierte Trainingsdaten werden zwischen 2026 und 2032 vollständig aufgebraucht sein. Mit 80%iger Wahrscheinlichkeit ist 2032 Schluss.[^4] Dann war’s das mit den einfachen Leistungssprüngen.
Hinzu kommen physikalische Grenzen. Forscher haben fundamentale Limitationen der Transformer-Architektur aufgedeckt. Diese theoretischen Grenzen manifestieren sich praktisch: LLMs können komplexe mehrstufige Reasoning-Aufgaben immer noch nicht konsistent bewältigen.
Die Wirtschaft wird skeptisch
Das MIT’s State of AI in Business 2025 Report ist ernüchternd: 95% der Unternehmen, die in generative KI investiert haben, sehen keinen messbaren Return on Investment.[^5] McKinsey fand heraus, dass über 80% der Unternehmen keine materiellen Auswirkungen auf ihre Gewinne durch KI-Einsatz verzeichnen.[^6]
Das ist brutal. Wenn die Wirtschaft nicht mitzieht, war’s das mit dem Hype.
Aber halt – meine eigene Erfahrung erzählt was anderes
Vergangene Woche hatte ich ein Problem. Ein Programm spuckte zehntausende Datensätze aus. Chaos pur. Ich lud einen Teil in Cursor AI und sagte: „Schreib mir eine Web-Anwendung, die das löst.“ Nach 5 Arbeitstagen hatte ich eine fertige Anwendung mit Datenbankanbindung. Mehrere tausend Zeilen Code. Sieht sogar passabel aus.
Das wäre vor wenigen Jahren undenkbar gewesen. Ich hätte Wochen investieren oder zehntausende Euro ausgeben müssen. Klar, ich musste verstehen, was die KI macht. Aber in 2-4 Jahren wird sie das noch selbständiger können.
Wir sind erst in Jahr 3 nach ChatGPT. Die Technologie lernt gerade laufen. Vielleicht muss sie ihren Weg in der Welt erst noch finden.
Die Gegenargumente haben Power
Neue Paradigmen entstehen bereits. Test-Time Scaling – die Fähigkeit von Modellen, während der Antwort länger „nachzudenken“ – zeigt vielversprechende Ergebnisse. OpenAI’s o1-Modell demonstriert: Reinforcement Learning kann dramatische Leistungssprünge ermöglichen.
Vier neue Treiber des KI-Fortschritts zeichnen sich ab:
- Scaling Pretraining mit 12x jährlichem Wachstum der Rechenleistung
- Post-Training Reinforcement Learning mit 40.000x Skalierungspotential
- Erweiterte Denkzeiten: 100.000x längeres „Nachdenken“ bei komplexen Aufgaben
- Agent-Scaffolding: Von Minuten- zu wochenlangen Aufgaben
Quantentechnologie wird operational. Quantum Machine Learning verarbeitet komplexe Berechnungen bereits 1.000 Mal schneller als traditionelle Systeme. Das könnte die Compute-Limitationen sprengen, die heutiges KI-Training begrenzen.
Edge AI bringt intelligente Verarbeitung direkt zu den Geräten. 5x Leistungsverbesserung, 70% Energiereduktion. Das umgeht die Engpässe zentralisierter Systeme und ermöglicht völlig neue Anwendungsszenarien.
Die Multimodale Revolution läuft. Text, Bilder, Videos und Audio werden nahtlos integriert. Das eröffnet Anwendungsfelder jenseits reiner Textverarbeitung.
Mein Fazit: Übergangsphase statt Höhepunkt
Die Evidenz deutet auf eine Übergangsphase hin. Nicht auf einen definitiven Höhepunkt. Die traditionellen Scaling Laws erreichen ihre Grenzen, aber neue Paradigmen entstehen bereits.
Es ist eine Phase der Konsolidierung. Der KI-Start war superschnell. Nun müssen sich alle erstmal sortieren. In 1-2 Jahren wird es weitergehen. Quantencomputer machen KI tausendmal schneller. Smartphones werden so schlau wie heutige Server. Neue Chip-Designs umgehen die aktuellen Grenzen.
Jeremy Kedziora von der Milwaukee School of Engineering bringt es auf den Punkt: „Die Deep-Learning-Revolution läuft gegen Beschränkungen, aber das bedeutet nicht das Ende des Fortschritts.“
KI ist da um zu bleiben. Bis wir alle unsere Jobs verlieren, dauert es vielleicht noch ein paar Tage. Oder Jahre. Schwer zu sagen bei dieser Übergangsphase.
Quellen
[^1]: Fortune: „GPT-5’s model router ignited a user backlash against OpenAI“ (August 2025) – https://fortune.com/2025/08/12/openai-gpt-5-model-router-backlash-ai-future/
[^2]: Gary Marcus: „GPT-5: Overdue, overhyped and underwhelming“ (August 2025) – https://garymarcus.substack.com/p/gpt-5-overdue-overhyped-and-underwhelming
[^3]: Reuters/PC Gamer: „OpenAI co-founder reckons AI training has hit a wall“ (November 2024) – https://www.pcgamer.com/software/ai/open-ai-co-founder-reckons-ai-training-has-hit-a-wall-forcing-ai-labs-to-train-their-models-smarter-not-just-bigger/
[^4]: Epoch AI: „Will we run out of data to train large language models?“ (Juni 2024) – https://epoch.ai/blog/will-we-run-out-of-data-limits-of-llm-scaling-based-on-human-generated-data
[^5]: MIT NANDA: „The GenAI Divide: State of AI in Business 2025“ (Juli 2025) – https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
[^6]: McKinsey: „The state of AI: How organizations are rewiring to capture value“ (März 2025) – https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
