After Automation - Warum KI mehr menschliche Arbeit schafft

00:00:00: Stell dir vor, du hast so eine traditionelle Möbelfabrik.

00:00:03: Also wirklich so ne richtige Manufaktur und eines Tages kaufst Du eine Maschine die diese ganzen Standard-Holsteile komplett automatisiert herstellt

00:00:13: Und zwar wahrscheinlich doppelt zu schnellen und komplett fehlerfrei oder?

00:00:17: Richtig ganz genau!

00:00:18: Und der absolut logische Schluss den wir da jetzt alle ziehen würden wäre eigentlich ok super ich brauch ab sofort nur noch halb so viele Leute

00:00:26: Was ja die klassische Erzählung ist.

00:00:27: ne

00:00:28: Absolut.

00:00:29: Aber dann passiert in der Realität etwas völlig Verrücktes.

00:00:32: Diese Maschine spuckt so unfassbar viele von diesen perfekten Standardteilen aus, dass du plötzlich sogar noch mehr Personal brauchst.

00:00:41: Das klingt erstmal total paradox!

00:00:43: Wofür brauchst Du die?

00:00:44: Du

00:00:44: brauchst plötzlich jemanden, der diese schiere Masse an Qualität kontrolliert.

00:00:49: Du brauchst Leute, die diese ganzen perfekten aber eben auch todlangweiligen Standardteile zu etwas einzigartigem zusammensetzen.

00:00:57: Weil der reine Standard auf dem Markt plötzlich extrem billig und damit irgendwie auch wertlos geworden ist.

00:01:02: ne?

00:01:02: Exakt!

00:01:03: Und vor allem – und das ist der entscheidende Punkt – brauchst du jemanden, der mit absolut kühlem Kopf entscheidet was diese Maschine angesichts der aktuellen Marktlage überhaupt als nächstes produzieren soll.

00:01:14: Und genau diese Fabrik ist eigentlich das perfekte Sinnbild für das, vielleicht ich sage mal massivste Paradoxon der aktuellen KI-Revolution.

00:01:22: Ja und genau da sitzen wir in unserer heutigen tiefgehenden Analyse an!

00:01:26: Das ist eine Ausgabe aus unserer Reihe der KI-Vordenker die ja von Dr.

00:01:30: Peter Schopf korrektiert wird.

00:01:32: Eine super spannende Thematik.

00:01:34: Wir wollen heute nämlich einer scheinbaren Kontroverse auf den Grund gehen.

00:01:39: Die große Frage lautet ja Warum feuern Unternehmen, die künstliche Intelligenz bereits heute absolut maximal in ihre Prozesse integrieren eigentlich niemanden?

00:01:50: Das ist wirklich der Punkt wo wir in die Tiefe gehen müssen.

00:01:53: Ich meine die mediale Erzählung da draußen ist ja eine komplett andere.

00:01:56: Da liest man fast ausschließlich von drohender Massenarbeitslosigkeit.

00:02:00: Ja

00:02:01: Weltuntergangsszenarien überall Genau.

00:02:03: Aber die These, die wir heute mal mit ganz konkreten Daten durchleuchten Sagt etwas fundamental anderes aus Nämlich Automatisierung ersetzt menschliche Arbeit nicht einfach eins zu eins.

00:02:15: Sie macht lediglich Standardkompetenz extrem

00:02:18: billig.".

00:02:18: Und dieser krasse Preisverfall bei der reinen Umsetzung, der erzeugt eben eine gigantische völlig neue Nachfrage nach etwas anderem – nach menschlicher Ramung, nach komplexer Urteilskraft, Qualitätssicherung und ganz wichtig nach Differenzierung!

00:02:33: Und da schlagen wir auch die Brücke zu Konzepten, die du vielleicht wenn du uns regelmäßig zuhörst schon kennst.

00:02:39: Also Konzepte wie alle Prompten kaum jemand plant.

00:02:42: und auch the Leadership Skill AI can't replace

00:02:46: Weil sich der wahre Wert unserer Arbeit gerade wirklich dramatisch verschiebt.

00:02:50: Es geht nicht mehr darum einfach nur die beste Antwort zu liefern.

00:02:53: das macht die Maschine ohnehin schneller

00:02:55: Richtig!

00:02:56: Der Wert liegt darin die besseren Fragen zu stellen und den strategischen Rahmen zu bauen.

00:03:01: Um zu verstehen, wie das in der Praxis heute schon aussieht, stützen wir uns heute auf den Essay After Automation von Dan Schipper.

00:03:08: Ein fantastischer Text.

00:03:10: und Dan Schipper ist ja nicht nur Analyst, der theoretisiert sondern er ist selbst CEO!

00:03:16: Genau, sein Unternehmen heißt Every.

00:03:18: Das ist so ein Medien- und Techunternehmen mit knapp dreißig Mitarbeitern.

00:03:22: Und die spielen das KI Game nicht nur so ein bisschen zum Texte zusammenfassen?

00:03:27: Nee

00:03:27: absolut nicht!

00:03:28: Die reizen das komplett aus – sie nutzen Modelle wie Codex oder Cloud, Code für ihre Softwareentwicklung, für Design, fürs Schreiben und den gesamten Kundenservice.

00:03:38: Das Verrückte ist ja, Schipper lässt ninety-fünf Prozent seiner eigenen E-Mails von KI entwerfen.

00:03:45: Der ist praktisch permanent auf Inbox Zero – er muss sich die Entwürfe nur noch ansehen!

00:03:51: Und jetzt kommt das eigentliche Paradoxon.

00:03:53: Trotz dieser massiven Automatisierung haben sie niemanden entlassen.

00:03:57: Im Gegenteil…die stellen sogar noch ein?

00:04:00: Redakteure, Ingenieure, Leute für den Kundenservice Und das steht ja wirklich diametral zu dem, was.

00:04:07: sagen wir mal Leute wie Dario Amodei warnen.

00:04:10: Der Anthropic CEO sagt ja, dass die Hälfte aller Einstiegsbürojobs bald weg sein könnte?

00:04:17: Oder nimmt Ken Griffin diesen Hedge-Form-Milliardär – der sagt sogar hochqualifizierte Jobs voraus, die massenhaft wegfallen werden!

00:04:24: Aber warum irren die sich wenn man sich dieses reale Beispiel von Avery

00:04:27: anschaut?!

00:04:28: Weil die einen faszinierenden ökonomischen Mechanismus übersehen, was wir hier beobachten ist im Grunde eine moderne Version des Jevons Paradoxons.

00:04:38: Erklär das mal kurz!

00:04:39: Also wenn eine Ressource billiger und effizienter nutzbar wird dann sinkt der Verbrauch eben nicht er steigt dramatisch an.

00:04:47: KI komodifiziert letztlich nur den sogenannten Rückstand menschlicher Expertise.

00:04:54: Lass uns diesen Begriff Rückstand kurz greifbar machen.

00:04:57: Das ist quasi das kondensierte Wissen der Vergangenheit, dass in Daten gegossen wurde – richtig?

00:05:02: Ganz genau!

00:05:02: Es ist alles was explizit genug ist um als Trainingsdaten zu dienen.

00:05:07: Der ganze Code of GitHub alte Fachartikel Best Practices.

00:05:11: Das erinnert mich extrem an das Phänomen wenn man Autobahnen ausbaut Da dachte man ja früher auch immer cool, wir bauen eine dritte Spur dann gibt es weniger Stau weil sich alles besser verteilt.

00:05:21: Was ja in der Realität nie funktioniert hat?

00:05:24: Absolut nie!

00:05:25: Die neue Spur macht das Fahren einfach attraktiver.

00:05:27: die Hürde singt mehr Leute setzen sich ins Auto und am Ende hast du noch mehr Stau als vorher.

00:05:31: Das ist ein super Bild.

00:05:32: Und genau das isst die KI in der Wissensarbeit.

00:05:36: Wenn Standard Code plötzlich fast nichts mehr kostet entlassen Firmen nicht ihre Entwickler.

00:05:42: Die sagen sich geil, denn bauen wir jetzt fünfmal so viel Software.

00:05:45: Wahnsinn!

00:05:46: Und dazu haben wir auch diese unglaublichen Zahlen aus dem Essay wenn wir uns mal die Open Source Welt ansehen.

00:05:51: Ja da sieht man das extrem deutlich.

00:05:53: Plötzlich kann jeder Junior-Entwickler dank KI hochkomplexen Code generieren.

00:05:58: Der Output explodiert förmlich.

00:06:00: Nimm mal das Projekt OpenClaw.

00:06:02: Die hatten bis Mitte Mai, zwei tausend sechsundzwanzig Sage und Schreibe vierundvierzichttausend Pull Requests

00:06:09: Vierundvierzichttausend Einreichungen von neuem Code?

00:06:13: Warte, lass uns das mal in Relation setzen.

00:06:15: Das riesige Projekt Kubernetes hatte im ganzen Jahr-Zweitausendzweiundzwanzig gerade mal so um die Fünftausendeinreichung oder?

00:06:24: Genau und OpenClaw macht vierundvierzig tausend in nichtmal einem halben Jahr!

00:06:29: Das ist eine absolute Flutwelle an Code.

00:06:32: Aber das erzeugt doch sofort einen gewaltigen neuen Engpass Weil irgendjemand muss diesen ganzen generierten Kram ja kontrollieren.

00:06:39: Exakt, die Algorithmen spucken in Sekunden tausende Zeilen aus.

00:06:43: aber dann muss sich da ein menschlicher Senior-Entwickler hinsetzen.

00:06:47: der muss den Kontext prüfen Sicherheitslücken finden und schauen.

00:06:51: löst das überhaupt unser eigentliches Problem?

00:06:54: Das heißt die Arbeit verschiebt sich von der reinen Erstellung hin zur Qualitätskontrolle Und genau da entsteht dann was im Essay so passend als SLOP Bezeichnet wird, oder?

00:07:04: Ja der Slop.

00:07:06: Wenn diese Flutwelle an KI-Output völlig unkontrolliert durchs Unternehmen rauscht bekommst du die sichtbare extrem repetitive Gleichförmigkeit

00:07:15: Weil am Ende ja alle dieselben großen Sprachmodelle nutzen Die auf denselben alten Daten trainiert wurden.

00:07:20: Richtig wenn hundert Leute eine KI bitten einen Blog-Post über Führung zu schreiben kriegst Du hundertmal den gleichen Fehler freien aber völlig generischen Einheitsprei.

00:07:30: Weißt Du woran mich das erinnert?

00:07:32: An fast Fashion in der Modeindustrie.

00:07:34: Ah, erklär mal!

00:07:35: Als Mode plötzlich massenhaft und billig kopiert werden konnte hat der reine Look seinen Status verloren.

00:07:41: Wenn jeder für fünf Euro ein T-Shirt im Gucci look tragen kann ist das nichts Besonderes mehr.

00:07:47: Echter Wert entsteht dann wieder nur durch das Maß geschneiderte

00:07:51: Genau die perfekte Passform für die individuelle Situation.

00:07:55: Und auf unsere These übertragen heißt es wenn die Standardlösung gratis ist dickt der einzige Wert in der hochspezifischen Anpassung durch den Menschen.

00:08:04: Also die Frage passt dieser generierte Code wirklich in unsere zwanzig Jahre alten Legacy-Systeme?

00:08:09: Da braucht es dann Dr.

00:08:11: Peter Shops menschliche Differenzierung.

00:08:13: Absolut!

00:08:14: Und weil reine Standardausgaben zur billigen Ware verkommen, ändert sich gerade die Art und Weise wie wir mit KI zusammenarbeiten.

00:08:22: Da beschreibt die Analyse ja zwei ganz unterschiedliche Modi.

00:08:25: Der erste ist die Delegation Also Agenten als quasi echte Angestellte.

00:08:30: Wie bei Avery, die haben da diesen Kunden-Service Agenten der Finn heißt?

00:08:35: Ja und dieser Finn ist so tief integriert, er schließt vierzig Prozent aller Support-Tickets komplett eigenständig!

00:08:42: Und das ist reine Routineautomatisierung.

00:08:44: Aber der viel wichtigere Modus ist ja die direkte Mensch-KI-Kollaboration...

00:08:49: ...und da bringt Kieran Klassen dieses wunderbare Bild ins Spiel, dass man sofort versteht, das menschliche Sandwich.

00:08:56: Ohja Das liebe ich.

00:08:57: Das musste dir, der jetzt gerade zuhört mal für deinen eigenen Alltag vorstellen!

00:09:01: Bei jeder wichtigen Aufgabe bist du ab sofort das Brot.

00:09:04: Ein sehr schmeichelhafter Vergleich.

00:09:07: Haha ja aber es stimmt...das obere Brot bist.

00:09:10: Du definierst den strategischen Rahmen.

00:09:12: Du weißt hey dieser Kunde ist heute echt mies drauf.

00:09:15: oder du kennst die unausgesprochenen politischen Probleme im Team?

00:09:19: Das kann die KI auch nicht riechen.

00:09:20: Genau, du gibst die Richtung vor und dann kommt der Belag.

00:09:24: Also das Fleisch im Sandwich.

00:09:26: Das ist die KI Die macht fleißige Standardarbeit Schreibt den Entwurf oder analysiert die Excel-Tabelle.

00:09:33: Und dann komm´s wieder Du als das untere Brot.

00:09:35: Du kontrollierst das Ergebnis und das ist das Wichtigste!

00:09:38: Du integrierst es in die echte physische und soziale Realität deiner Firma.

00:09:44: Wenn du dieses Sandwich nicht baust Dann bricht das ganze System super schnell zusammen.

00:09:49: Schipper erzählt von einem Experiment, da haben die jeden Mitarbeiter einen eigenen hochgezüchteten KI-Agenten gegeben.

00:09:55: Man sollte meinen da explodiert die Produktivität oder?

00:09:58: Das war die Erwartung!

00:09:59: Aber...die Realität war dass die Dinger nach kurzer Zeit völlig verkümmert sind und ignoriert wurden

00:10:04: Weil KI-Agenten ohne Pflege verwildern.

00:10:07: Wenn du als Mensch nicht ständig neuen Kontext fütterst und korrigierst driftet der Output sofort wieder in diesen nutzlosen Slop ab.

00:10:15: Denk mal an dies selbst.

00:10:16: Wie oft haust du einfach schnell eine Frage in Chatchi Pity, ärgerst dich dann über die flache Antwort und machst es am Ende doch selbst?

00:10:24: Da hast Du das Sandwich vergessen!

00:10:25: Das ist genau dieses.

00:10:26: alle Promnten.

00:10:28: kaum jemand plant.

00:10:29: Die Leute hoffen – die KI baut auch noch den Rahmen für sie

00:10:33: Was sie eben nicht tut.

00:10:34: Aber das wirft eine interessante Frage auf.

00:10:36: Wenn das alles so klar ist Warum haben dann selbst in der Tech-Industrie alle so wahnsinnige Angst vor den neuesten Benchmarks?

00:10:44: Ja, diese Leistungsgrafen gehen ja fast senkrecht nach oben.

00:10:47: Man kriegt das Gefühl die Maschinen werden in Echtzeit schlauer als wir!

00:10:51: Das führt zu einer regelrechten

00:10:54: Chartpsychose.

00:11:13: Der misst ja, wie gut die KI reale wirtschaftliche Arbeit erledigen kann.

00:11:18: Die sind da bald bei eighty-fünf Prozent.

00:11:20: Und Avery hat selbst diesen Senior Engineer Benchmarks gebaut!

00:11:24: Da geben sie der KI absolut unsauberen nur nach Bauchgefühl geschriebenen Code Vibe – Coded nennt man das.

00:11:31: Und die Aufgabe ist aus diesem Chaos ein sauberes neues System zu bauen.

00:11:36: und da holt GPD Five Point Five einfach mal zweiundsechzig von hundert Punkten.

00:11:41: Da denkt man sich doch, okay.

00:11:42: Der Senior-Entwickler ist jetzt wirklich

00:11:44: arbeitslos.".

00:11:45: Das ist genau die Illusion dieser Benchmarks!

00:11:47: Die messen nämlich immer nur die Arbeit, die innerhalb eines bereits perfekten Rahms passiert.

00:11:52: Lass

00:11:52: uns das mal am GDP Well enttarnen?

00:11:55: Wenn man liest – «fünfundachzig Prozent der Arbeit eines Wirtschaftsprüfer automatisiert» klingt das krass.

00:12:00: Aber schau dir mal an was sie der KI da als Prompt reinvitteln….

00:12:10: an menschlicher Vorarbeit.

00:12:11: Da steht nicht, prüf mal unsere Bücher!

00:12:13: Nein da steht dann berechne die Stichprobengröße mit exakt neunzig Prozent Konfidenzniveau und zehn Prozent Fehlertoleranz.

00:12:21: Schließe explizit die Banken in Griechenland Brasilien und den Emiraten mit ein weil es da letztes Jahr Auffälligkeiten gab.

00:12:28: Da muss man sich mal fragen wer hat denn in dem Szenario die eigentliche Intelligenzleistung erbracht?

00:12:32: Exakt das Modell rechnet das nur runter.

00:12:35: ja

00:12:35: aber der Mensch wusste dass es in Brasilien ein Problem gab.

00:12:39: Der Mensch hat entschieden, dass hier neunzig Prozent Konfidenz strategisch richtig sind.

00:12:43: Denn Chipper nennt das das Schmuggeln von Intelligenz!

00:12:46: Die härteste Arbeit ist schon erledigt bevor die KI überhaupt anfängt zu rechnen.

00:12:50: Die KI kriegt in diesen Benchmarks die Realität immer perfekt gefiltert und mundgerecht serviert – und das es genau The Leadership Skill AI Can't Replace.

00:12:59: aus dem völligen Chaos der Realität überhaupt erst mal ein strukturiertes Problem zu formulieren, das ist das Rahmensetzen.

00:13:06: Wenn der Benchmark bei hundert Prozent ist, heißt das nur die Ausführung innerhalb des Rahmens ist jetzt sportbillig.

00:13:13: Okay, das beruhigt mich jetzt ein bisschen aber ich muss trotzdem mal den Advokatos Diabolis spielen.

00:13:18: Die Technologie bleibt ja nicht stehen.

00:13:20: was es mit echter AGI also künstlicher allgemeiner Intelligenz die sich ihre Rahmen selbst baut.

00:13:27: Das ist die ultimative Horror-Vision der Tech Bros.

00:13:30: Aber Shippa holt da Xenos Paradoxon raus, Achilles und Schildkröte.

00:13:35: Egal wie schnell Achilles rennt erholt die Schildkrüte nie ganz ein weil sie immer schon ein kleines Stück weiter

00:13:40: ist.

00:13:40: Und das heißt für die KI?

00:13:42: Die Maschine rennt rasend schnell aber die Lücke zwischen menschlicher Handlungsfähigkeit und maschineller Umsetzung regeneriert sich permanent.

00:13:50: neu

00:13:51: Moment!

00:13:52: Wir reden doch ständig von Agentic AI Von Agenten, die selbstständig handeln.

00:13:58: Da ist doch keine Lücke mehr!

00:13:59: Da verrexeln wir zwei völlig verschiedene Dinge.

00:14:02: Agent und Agency.

00:14:04: Ein Agent handelt im Auftrag eines anderen.

00:14:07: Er optimiert Klickraten weil ein Mensch gesagt hat dass das jetzt wichtig ist.

00:14:12: Und was ist dann echte Agency?

00:14:14: Agency heißt einen eigenen inneren Antrieb zu haben etwas für sich selbst zu wollen auch wenn es niemandem nützt.

00:14:21: Echter Wille

00:14:22: Ah, und dazu passt dieses geniale Beispiel aus dem Text mit dem Kleinkind.

00:14:26: Wenn du so ein KleinkIND mal durch einen KI-Benchmark jagst ist das ein totaler Ausfall.

00:14:33: Das Kind kann kein Python-Coden und scheitert an jedem Logiktest.

00:14:37: Es ist wirtschaftlich völlig nutzlos.

00:14:39: Aber das Kind hat etwas was kein Sprachmodell mit Milliarden Parametern hat.

00:14:44: es hat eigene Absichten!

00:14:45: Das Kind sieht einen roten Ballon will den haben Stubst ihn an.

00:14:49: Vielleicht

00:14:49: sticht es mit einer Gabel rein, nur um zu sehen was passiert?

00:14:53: Genau!

00:14:54: Und dann guckt es zur Mutter rüber, lacht die oder gibt's Ärger.

00:14:57: Das ist Spieltrieb, das ist pure Neugier aus sich selbst.

00:15:00: daraus

00:15:00: Und im krassen Gegensatz dazu steht die KI-Entwicklung.

00:15:04: Tausende Ingenieure verbringen Monate damit, den Modellen jeden Funken von rebellischem Eigeninteresse abzutrainieren – die werden durch Reinforcement Learning extrem auf Unterwürfigkeit und Nützlichkeit gedrillt!

00:15:26: Das bringt unsere Analyse wirklich wunderbar auf dem Punkt….

00:15:30: Ob Jevons Paradoxon, Sloop oder das menschliche Sandwich – die Essenz für den Zuhörer ist klar.

00:15:36: Deine Existenz ist nicht bedroht wenn du aufhörst dich über reine Ausführung zu definieren.

00:15:42: Weil diese fehlerfreie Produktion von Standardcode oder Texten ab sofort kommodifiziert ist.

00:15:48: Das ist jetzt billige Ware!

00:15:50: Dein Warrawerth liegt im kritischen Denken In der Urteilskraft zu erkennen, was dieser eine Kunde genau heute in dieser verrückten Situation braucht.

00:16:00: Und um diesen Gedanken wirklich sacken zu lassen habe ich zum Abschluss noch eine kurze Geschichte für dich.

00:16:06: Die ist von Rabbi Hannoch und steht in Martin Bubers Der Weg des Menschen.

00:16:10: Oh diesklasse!

00:16:11: Ja

00:16:12: die passt perfekt.

00:16:13: Da geht es um einen Mann, der extrem vergesslich war.

00:16:16: Jeden Abend vor dem Schlafen hatte er Panik vom nächsten Morgen weil er nie wusste wo seine Kleider lagen.

00:16:21: Ein richtiges Chaosleben.

00:16:23: Genau, also denkt er sich ich überliste das.

00:16:26: Er nimmt Zettel und Stift und schreibt beim Ausziehen Millimeter genau auf wo er was hinlegt.

00:16:31: Sehr effizient ein echter System.

00:16:33: Architekt.

00:16:34: Am nächsten Morgen wacht der auf freut sich total Nimmt den zettel Und liest Mütze auf dem stuhl Er setzt sie auf Hose über die Bettkante Er zieht sie an Er arbeitet den Prozess komplett fehlerfrei ab

00:16:48: Bis er dann vom Spiegel steht.

00:16:50: Richtig Er steht fertig angezogen vor dem Spiegel und plötzlich kriegt er eine absolute existenzielle Panik.

00:16:56: Er schaut sich an und sagt, das ist ja alles schön und gut meine Kleider habe ich gefunden aber wo bin ich eigentlich?

00:17:01: Das trifft den Nerv unserer Zeit so unfassbar gut!

00:17:04: Absolut wir lagern gerade in Rekordtempo alles aus.

00:17:08: Code Mails Prozesse Alles wird perfekt automatisiert.

00:17:13: Aber wenn wir jeden Standardschritt an Agenten delegieren Wo genau bleibt dann noch unser unverwechselbares Ich in unserer täglichen Arbeit?

00:17:24: Ganz genau.

00:17:28: Nimm diese Frage mal mit an deinen Tag und schau dir deine Aufgaben durch diese Linse an.

00:17:34: Danke, dass du bei dieser tiefgehenden Betrachtung dabei warst!

00:17:38: Bis zum nächsten Mal.