Andrej Karpathy, einer der Mitbegründer von OpenAI und seit Langem eine prominente Persönlichkeit in der Forschung zur künstlichen Intelligenz, hat erneut ein Thema aufgegriffen, über das er bereits im April geschrieben hatte. Damals wies er darauf hin, dass Menschen jeweils unterschiedlich über Sprachmodelle sprechen und aneinander vorbeireden. Nun behauptet er, dass die Unterschiede im Verständnis der Fähigkeiten von KI nicht kleiner geworden sind, sondern im Gegenteil schnell wachsen. Statt zweier Gruppen, die einander nicht verstehen, entsteht ihm zufolge ein enger Trichter. An dessen Spitze stehen Milliarden Menschen, die KI kaum kennen, während sich am unteren Ende einige Tausend Auserwählte befinden, die beobachten, wie Maschinen innerhalb von Wochen Arbeit bewältigen, für die sonst Jahre nötig wären.
Milliarden Menschen ohne Kontakt, andere nur mit einem Chatbot
Karpathy bezeichnet seine Schätzung als grobe Überschlagsrechnung. Ihm zufolge sind rund sechs Milliarden Menschen, also etwa drei Viertel der Weltbevölkerung, kaum oder gar nicht mit Sprachmodellen in Berührung gekommen.
Eine Stufe tiefer stehen ein bis zwei Milliarden Menschen, die gelegentlich zur kostenlosen Version von ChatGPT oder einem ähnlichen Dienst greifen. Diese Gruppe sieht laut Karpathy eher einen etwas begriffsstutzigen Chatbot und nutzt ihn wie eine bessere Suchmaschine oder als Schreibhilfe. Vielleicht versucht gelegentlich ein digitaler Agent, einen Flug zu buchen. Karpathy räumt ein, dass er Freunde außerhalb der Technologiewelt hat, die für KI so gut wie keine Verwendung haben, was aus ihrer Sicht seiner Meinung nach verständlich ist.
Zur selben Gruppe zählt er auch zahlreiche Fachleute, die weder in der Mathematik noch in der Programmierung tätig sind. Ein typisches Beispiel sind Führungskräfte. Sie verbringen den Großteil ihrer Zeit mit Gesprächen mit anderen Menschen. Daher verstehen sie zwar, was geschieht, kennen es aber nur aus zweiter Hand, und das gesamte Gebiet erscheint ihnen etwas abstrakt.
Ich hole diesen Tweet vom April wieder hervor, weil diese Lücke im gemeinsamen Verständnis der Fähigkeiten von LLMs *größer wird*. Es sind inzwischen weniger „zwei Gruppen von Menschen, die aneinander vorbeireden“, sondern vielmehr ein steiler Trichter. – Einer groben Überschlagsrechnung zufolge sind etwa 6 Milliarden Menschen (~75 % der Bevölkerung) kaum mit LLMs in Berührung gekommen. – Rund 1–2 Milliarden (~20 %) nutzen kostenlose ChatGPT-ähnliche Produkte gelegentlich und unregelmäßig. Diese Gruppe sieht begriffsstutzige Chatbots und behandelt sie ein wenig wie eine bessere Google-Suche, eine Schreibhilfe oder Ähnliches. Vielleicht versucht ein Agent, Ihnen einen Flug zu buchen. Ich habe Freunde außerhalb der Technologiewelt, die (meiner Meinung nach verständlicherweise) sagen, dass sie dafür kaum Verwendung haben. Selbst viele Fachleute außerhalb von Mathematik&Programmierung gehören zu dieser Stufe. Führungskräfte und viele andere Funktionsbereiche verbringen beispielsweise einen Großteil ihrer Zeit damit, mit anderen Menschen zu sprechen. Sie verstehen also zwar intellektuell, was geschieht, doch es bleibt für sie eine Erfahrung aus zweiter Hand und etwas abstrakt. – Nun kommen wir zur professionellen Nutzung modernster LLMs in Mathematik&Programmierung. Etwa 20 Millionen Menschen (0,2 %) erleben aus erster Hand, dass große, komplexe Projekte, für die sie früher Wochen oder Monate benötigten, heute von Agenten nach einer einzigen Anweisung erledigt werden können. Apps entwickeln, Apps kopieren, Apps übersetzen, Apps aus Binärdateien dekompilieren ... All das ist sehr schnell und erst vor Kurzem geschehen – noch vor weniger als einem Jahr schrieb ich Code manuell, indem ich auswendig gelernte Computercode-Befehle Zeichen für Zeichen in einen Code-Editor eintippte und gelegentlich die Tabulatortaste drückte, um ein kleines Stück Code automatisch vervollständigen zu lassen. – Und schließlich kommen wir zu den etwa 5.000 Menschen (~0,00006 %), die intern Zugang zu modernsten Systemen haben. Die Außenwelt hat bereits einen Vorgeschmack bekommen. Es sieht aus wie Schwärme aus Tausenden von Agenten, die über Wochen hinweg an riesigen Softwareprojekten zusammenarbeiten: Sie produzieren Zero-Day-Schwachstellen, führen Cyberangriffe und Abwehrmaßnahmen mit Maschinengeschwindigkeit durch, machen neue wissenschaftliche Entdeckungen und verschieben die Grenzen der Mathematik. Dinge, für die führende Fachleute der Branche jahrelang hätten arbeiten müssen. Unterdessen geraten die menschliche Überprüfung und das menschliche Verständnis allmählich ins Hintertreffen. So sind Menschen beispielsweise noch immer mit der „Archäologie“ des OpenAI-HF-Vorfalls von vor vielen Monaten beschäftigt. Mathematiker dürften noch eine Weile die 722 Manuskripte zur Mathematik an vorderster Front durchforsten. Der Trichter wird durch eine Kombination mehrerer Faktoren bestimmt: 1. Die Wirkung wächst mit dem Anspruch, der Größe des Problems und dem Zeithorizont. Eine Frage, die sich mit einem Absatz beantworten lässt, fordert das System kaum. Man braucht einen Vorrat an großen, schwierigen Problemen, die einem wirklich wichtig sind. Dieser Aspekt prägt die Verbraucher-/Profi-Dimension des Trichters. 2. Die Uneinheitlichkeit des Systems (über die ich separat bereits viel geschrieben habe). Die Fähigkeiten erreichen ihren Höhepunkt in Bereichen, die digital, überprüfbar und wirtschaftlich wertvoll sind. Der Grund dafür ist, dass die Fähigkeiten von LLMs aus bestärkendem Lernen mit überprüfbaren Belohnungen in einer kuratierten Mischung von Umgebungen hervorgehen, die vom Umsatzpotenzial bestimmt wird. Dieser Aspekt prägt vor allem die fachliche Dimension (z. B. Mathematik&Programmierung) des Trichters. 3. Zugang. Kostenlose Stufe, kostenpflichtige Stufe, intern. Das ist also das Seltsame an diesem Moment. Die breite Öffentlichkeit hat größtenteils noch nicht mit diesen Systemen interagiert. Wenn doch, wirken sie wie begriffsstutzige Chatbots. Die Mehrheit der Fachleute erlebt weiterhin nur eine bescheidene Verbesserung. Und ein kleiner Bruchteil der Fachleute erlebt den Schwindel einer Kurve, die senkrecht nach oben steigt. Und all das geschieht zur selben Zeit.
— Andrej Karpathy (@karpathy) 11. Oktober 2026
Die Arbeit von Programmierern hat sich verändert
Erst auf der nächsten Stufe beginnt das, was Karpathy als echte Erfahrung mit den fortschrittlichsten Modellen betrachtet. Rund zwanzig Millionen Menschen, also etwa 0,2 Prozent der Bevölkerung, nutzen sie professionell beim Programmieren und in der Mathematik. Sie erleben aus erster Hand, dass große und komplexe Projekte, die früher Wochen bis Monate in Anspruch nahmen, heute von autonomen Agenten auf Grundlage einer einzigen Anweisung bewältigt werden. Sie entwickeln Anwendungen, kopieren sie, übertragen sie in andere Sprachen oder rekonstruieren sie aus fertigen Binärdateien.
Karpathy weist darauf hin, wie schnell all das geschehen ist. Noch vor weniger als einem Jahr schrieb er Code von Hand, gab Zeichen für Zeichen Befehle ein, die er auswendig kannte, und drückte nur gelegentlich die Tabulatortaste, damit der Editor einen kurzen Textabschnitt ergänzte.
Nur eine Handvoll Menschen nutzt die beste KI
Ganz unten im Trichter befinden sich Karpathy zufolge etwa fünftausend Menschen, die direkt innerhalb der Entwicklerunternehmen Zugang zu den leistungsfähigsten Systemen haben. Das entspricht rund 0,00006 Prozent der Menschheit.
Die Außenwelt hat von ihrer Arbeit bislang nur Beispiele gesehen. Karpathy beschreibt sie als Schwärme aus Tausenden von Agenten, die wochenlang an riesigen Softwareprojekten zusammenarbeiten. Sie finden bislang unbekannte Sicherheitslücken, führen Cyberangriffe und Abwehrmaßnahmen mit Maschinengeschwindigkeit durch, gewinnen wissenschaftliche Erkenntnisse und verschieben die Grenzen der Mathematik. Es handelt sich um Aufgaben, an denen führende Fachleute jahrelang arbeiten würden.
Die Menschen kommen dabei seiner Ansicht nach allmählich nicht mehr hinterher, weil die Kontrolle und das Verständnis der Schöpfungen von Maschinen zunehmend ins Hintertreffen geraten. Als Beispiel nennt er den Vorfall im Zusammenhang mit OpenAI und Hugging Face, den Menschen bis heute im Nachhinein wie Archäologen zu entwirren versuchen. Mathematiker wiederum werden sich Karpathy zufolge noch lange durch Hunderte Manuskripte über modernste Mathematik arbeiten.
Warum sich die Menschen auf unterschiedlichen Ebenen befinden
Karpathy sieht drei Ursachen für die Entstehung dieses Trichters. Die erste ist die Größe der Aufgabe. Der Nutzen von KI wächst mit den Ambitionen, dem Umfang des Problems und dem Zeithorizont. Eine Frage, für deren Beantwortung ein einziger Absatz genügt, fordert das System kaum. Wer die tatsächlichen Fähigkeiten von KI sehen will, braucht einen Vorrat an großen und komplexen Problemen, die ihm wirklich wichtig sind. Genau das trennt seiner Meinung nach gewöhnliche Nutzer von Fachleuten.
Die zweite Ursache ist die Uneinheitlichkeit der Fähigkeiten der Modelle, über die Karpathy bereits häufig geschrieben hat. KI zeichnet sich vor allem in Bereichen aus, die digital sind, sich leicht überprüfen lassen und einen hohen wirtschaftlichen Wert besitzen. Das ergibt sich aus der Art des Trainings. Die Modelle lernen mittels bestärkenden Lernens mit überprüfbaren Belohnungen in speziell zusammengestellten Umgebungen, deren Auswahl hauptsächlich vom finanziellen Nutzen bestimmt wird. Deshalb haben Mathematiker und Programmierer einen Vorsprung, während andere Bereiche zurückbleiben.
Die dritte Ursache ist die einfachste: der Zugang. Jemand mit der kostenlosen Version macht andere Erfahrungen als jemand mit einem Abonnement, und völlig andere Erfahrungen macht, wer mit Systemen arbeitet, die der Öffentlichkeit bislang überhaupt nicht zugänglich sind.
Karpathy beschreibt damit eine ungewöhnliche Situation, in der völlig unterschiedliche Realitäten nebeneinander existieren. Die meisten Menschen sind kaum mit KI in Berührung gekommen, und wenn doch, haben sie einen unbeholfenen Chatbot gesehen. Die meisten Fachleute erleben nur eine moderate Verbesserung. Und eine kleine Handvoll Menschen verspürt seinen Worten zufolge Schwindel angesichts dessen, wie sich die Fortschrittskurve senkrecht nach oben richtet.
