Wozu braucht man noch eine studierte Person, wenn die Wissensfrage jeder bearbeiten kann?

Dieser Text ist zuerst am 19. Oktober 2026 auf LinkedIn erschienen. Er ist ein persönlicher Standpunkt, keine Beratungsempfehlung — die Belege zu den genannten Zahlen stehen am Ende.

In der AI Bubble ist aktuell ein großes Thema die Statistik, wie unwissend wir alle sind.

Die meisten Menschen hören nur aus den Nachrichten oder über Bekannte, was künstliche Intelligenz so alles kann und wo das wohl hinführen wird.

Mitgründer von OpenAI, Andrej Karpathy, hat vor ca. einer Woche einen interessanten Beitrag auf X geschrieben.

Nur 0,2 % der Menschen haben überhaupt Erfahrungen, was KI in CLI für Wirkungskräfte hat. Nur 0,00006 % haben die Kräfte von Agentenschwärmen bisher erleben dürfen.

Was ich zu sagen habe, ist darum nur aus meiner kleinen Sicht als sogenannter Power User innerhalb des 0,2-%-Anteils.

Die Zukunft macht mir Angst, nicht weil ich glaube, die Welt geht unter (3 Kreuze schlagend), sondern weil ich merke, dass die Menschheit nicht vorbereitet ist, und damit meine ich nicht mal die Dritte Welt, sondern uns.

Niemand kann die Zukunft vorhersagen, aber es fällt mir immer schwerer zu glauben, dass wissensbasierte Jobs und Tätigkeiten irgendwie in unserem jetzigen Ökosystem gehalten werden können.

Im Mai 2026 hat eine KI von OpenAI eine 80 Jahre alte Vermutung des Mathematikers Paul Erdős widerlegt, fast ohne menschliche Hilfe.

Was bringt dir dein Doktor in Strategieberatung, wenn die KI auf Professorenlevel jeden berät, der Zugang hat?

Warum sollte überhaupt ein Mensch beraten werden? Warum nicht direkt ein Agent?

Ein Agent kann 24/7 und um ein Vielfaches schneller arbeiten, je nachdem, wie gut designed er ist.

Microsoft-CEO Satya Nadella sagt: KI-Modelle werden zur Commodity.

Meine Lesart: Alle Anbieter nähern sich dem optimalen Punkt, die Unterschiede werden marginal, am Ende entscheidet der Preis.

Wenn das zutrifft, wird im selben Atemzug auch wissensbasierte Arbeit zur Commodity. Und die meisten Menschen werden in dem bekannten Arbeitsumfeld nicht mehr benötigt.

Der NVIDIA-Chef erzählte Absolventen im Mai, dass jetzt alle an der Startlinie stehen, nahezu alle gleiche Bedingungen haben, sich ihren Platz in der Welt zu sichern.

Metaphorisch wollte er darauf hinaus, dass eigentlich jetzt alle dieselben Bedingungen und Möglichkeiten haben – das gilt aber nicht nur für die Studenten.

Alle an derselben Linie, gleich ausgestattet — bis auf die wenigen, die wissen, dass das Rennen bereits läuft.

Was passiert mit denen, die gar nicht wissen, dass es aktuell eine neue Startlinie gibt? Die gar nicht teilnehmen wollen an dem Wettbewerb, der ausgerichtet wird?

In unserem aktuellen Wirtschaftssystem wird es nur eine Frage der Zeit sein, dass der neue State of the Art keine menschlichen Teams mehr sind, und wer nicht mitzieht, wird abgehängt.

Was das für alle Menschen bedeutet, weiß ich nicht. Ich weiß nur, dass die Skalierungsfähigkeiten – und zwar nur die, die ich bereits gesehen habe – menschliche Arbeit am Schreibtisch überflüssig machen.

Ich kann nur jedem, der noch mehr als 5 Jahre plant zu arbeiten, raten, das nicht auf die leichte Schulter zu nehmen. Ich hoffe, wir finden eine Lösung für dieses Problem und skalieren nicht die Hälfte der Menschheit in die Bedeutungslosigkeit.

---

Belege und Einordnung — Stand 19.10.2026

• Die Zahlen 0,2 % und 0,00006 % stammen aus der Grafik „The widening LLM understanding gap” von Andrej Karpathy auf X vom 11.10.2026. Wörtlich nennt die Grafik auf der 0,00006-%-Stufe (rund 5.000 Menschen) „Internal frontier access / Agent swarms”. Auf der 0,2-%-Stufe steht „Frontier use in math & code” — die Zuordnung zur Kommandozeile ist meine Lesart, nicht der Wortlaut. Karpathy selbst bezeichnet seine Schätzung als „napkin math”. Berichterstattung: The Decoder
• Zu Karpathys Rolle: Er war von 2015 bis 2017 Gründungsmitglied von OpenAI und arbeitet seit Mai 2026 bei Anthropic — Bloomberg Law, 19.05.2026
• Die Erdős-Vermutung: OpenAI meldete im Mai 2026, ein internes Modell habe ein Gegenbeispiel zu einer Vermutung von Paul Erdős aus dem Jahr 1946 gefunden. Fields-Medaillenträger Timothy Gowers erklärte, er hätte die Arbeit „without any hesitation” zur Veröffentlichung empfohlen, wäre sie von einem Menschen eingereicht worden. Einordnung durch eine Mathematikerin: The Conversation, 26.05.2026 · TechCrunch, 20.05.2026. Wichtige Einschränkung: Ein Peer-Review wird in beiden Artikeln nicht erwähnt, und OpenAI hatte bereits 2025 voreilig gelöste Erdős-Probleme gemeldet, die sich als bereits in der Literatur vorhanden erwiesen. Diesmal haben unabhängige Mathematiker das Ergebnis eingeordnet und darauf aufgebaut.
• Nadella zur Commodity-These: Wörtlich „the models are getting commoditized” — The Decoder, 09.03.2025. Seine Begründung dort ist, dass Modelle allein nicht genügen und der gesamte System-Stack entscheidet. Die Ableitung über den optimalen Punkt und den Preis ist meine eigene, im Text als solche gekennzeichnet.
• Die Startlinie: Rede von Jensen Huang vor Absolventen der Carnegie Mellon University am 10.05.2026 — NVIDIA-Blog
• Zur Einordnung von Produktivitätsversprechen: Die bekannteste kontrollierte Studie zu Büroarbeit misst 40 % weniger Zeit und 18 % bessere Qualität bei kurzen Schreibaufgaben — also etwa das 1,7-Fache, nicht das Zehnfache. Noy & Zhang, Science 2023, Zusammenfassung bei MIT News. Für Agenten gibt es bislang keine vergleichbare unabhängige Studie.

Dieser Beitrag gibt eine persönliche Einschätzung wieder und ist weder Rechts- noch Anlageberatung. Stand: 19. Oktober 2026.