Es gibt nur zwei Gruppen von KI-Nutzern, sagt Andrej Karpathy

Andrej Karpathy, Mitbegründer von OpenAI und ehemaliger KI-Chef bei Tesla, veröffentlichte auf X einen Beitrag, der etwas genau auf den Punkt brachte, das viele von uns geahnt hatten, aber nicht richtig ausdrücken konnten. Es gibt zwei Gruppen von Menschen, die über künstliche Intelligenz sprechen. Und diese beiden Gruppen verstehen sich de facto nicht. Sie sprechen unterschiedliche Sprachen, arbeiten mit unterschiedlichen Werkzeugen und leben in verschiedenen Realitäten. Dennoch streiten sie über dasselbe.

Gruppe eins: Diejenigen, die ChatGPT kostenlos ausprobiert haben und denen das genügte

Sie kennen diesen Typ. Jemand hat sich im vergangenen Jahr ein kostenloses ChatGPT-Konto eingerichtet, ein paar Anfragen ausprobiert, ist auf Halluzinationen oder eine unsinnige Antwort gestoßen und weiß seither Bescheid: KI ist eine übertriebene Blase. In sozialen Netzwerken teilt diese Person dann virale Videos, in denen der Sprachassistent von OpenAI nicht auf die Frage antworten kann, ob man mit dem Auto oder zu Fuß zur Autowaschanlage fahren soll. Diese Erfahrung ist real. Sie sagt nur nichts darüber aus, wozu heutige KI tatsächlich in der Lage ist.

Karpathy zufolge spiegeln kostenlose und veraltete Modelle die Fähigkeiten der neuesten agentischen Systeme überhaupt nicht wider. Das sind verschiedene Welten. Das kostenlose ChatGPT vom vergangenen Jahr mit dem diesjährigen OpenAI Codex oder Claude Code zu vergleichen, ist so, als würde man ein Nokia 3310 mit einem heutigen Smartphone vergleichen. Beides sind Telefone, aber damit enden die Gemeinsamkeiten mehr oder weniger.

Gruppe zwei: Diejenigen, die eine „KI-Psychose“ erlebt haben

Am anderen Ende des Spektrums stehen Entwickler, Wissenschaftler und technische Fachkräfte, die für den Zugang zu den besten verfügbaren Modellen bezahlen und sie täglich bei anspruchsvollen Aufgaben einsetzen. Karpathy selbst räumte ein, dass er seit Dezember 2025 keine einzige Zeile Code mehr eigenhändig geschrieben hat. Stattdessen steuert er zehn bis zwanzig KI-Agenten gleichzeitig und bezeichnet diesen Zustand als „Psychose“.  Dabei handelt es sich nicht um einen klinischen Begriff, sondern um eine Beschreibung dafür, wie überwältigend und desorientierend dieser Wandel ist.

Warum gerade Dezember? Karpathy spricht von einem Wendepunkt, an dem Agenten aufhörten, unzuverlässige Werkzeuge zu sein, und zu tatsächlich funktionierenden Kollegen wurden. Zuvor bewältigten sie nur einzelne Teilaufgaben. Nach diesem Wendepunkt begannen sie, ganze Projekte zu bewältigen. Das Verhältnis von manuell geschriebenem zu agentisch erzeugtem Code sprang bei ihm von 80/20 auf 20/80, bis das manuelle Schreiben schließlich vollständig verschwand.

Diese Gruppe misst KI eine völlig andere Bedeutung bei. Sie erlebt Modelle, die eine Stunde lang selbstständig an der Umstrukturierung einer gesamten Codebasis arbeiten können. Oder Sicherheitslücken in Systemen finden.

Warum liegen diese beiden Gruppen so weit auseinander?

Hier kommt der wirklich interessante Teil. Die Leistungsfähigkeit heutiger KI ist Karpathy zufolge „unregelmäßig verteilt“: in bestimmten Bereichen stark, in anderen durchschnittlich. Und die Bereiche, in denen KI die größten Sprünge gemacht hat, sind hochgradig technisch: Programmierung, Mathematik und Forschung.

Warum gerade dort? Dafür gibt es zwei Gründe. Erstens bieten diese Fachgebiete überprüfbare Belohnungen für maschinelles Lernen. Entweder besteht der Code die Tests oder nicht. Dazwischen gibt es nichts. Anders als beim Schreiben oder bei Ratschlägen, wo die Bewertung der Qualität subjektiv und schwierig ist, liefert die Programmierung den Modellen eindeutiges Feedback. Das ist eine Goldgrube für das Training mittels bestärkenden Lernens.

Zweitens bringen diese Anwendungsfälle den Unternehmen das meiste Geld. Wo das Geld ist, gehen auch die Entwickler hin. Und so verbessern sich die Modelle dort, wo die Wirtschaft den größten Nutzen sieht.

Das Ergebnis ist, dass ein gewöhnlicher Nutzer, der einen Rat sucht oder sich von KI bei einer E-Mail helfen lassen möchte, den dramatischen Wandel, von dem Karpathy spricht, nicht erlebt. Ein erfahrener Entwickler mit kostenpflichtigem Zugang hingegen sieht jede Woche sprunghafte Fortschritte.

Was das für Unternehmen und Produktteams bedeutet

Diese Kluft ist nicht nur ein Thema der sozialen Netzwerke. Sie wirkt sich unmittelbar darauf aus, wie Unternehmen Produkte entwickeln und wie sie den Erfolg von KI-Werkzeugen bewerten.

Zusammenfassende Bewertungswerte von Modellen verschleiern verteilte Fehler, die Skeptiker und Behörden interessieren. Werkzeuge, die für erfahrene Entwickler optimiert sind, etwa benutzerdefinierte Anweisungen, die Verkettung von Agenten oder die Integration in die Infrastruktur, vertiefen die Zugänglichkeitskluft für gewöhnliche Nutzer. Und Vergleichstests, die im Labor hervorragend aussehen, müssen nichts über die tatsächliche Nutzung aussagen.

Daraus ergibt sich eine klare Aufgabe: die Benutzeroberflächen für Experten und Laien voneinander zu unterscheiden, in Erklärungen und Bildung zu investieren und damit aufzuhören, Erfolg anhand einer einzigen Zahl zu messen, die niemandem etwas sagt und bei der tatsächlichen Nutzung irreführend erscheint.

Erleben wir eine echte Spaltung der Realität?

Es ist faszinierend zu beobachten, wie ein einzelner Mensch, Karpathy, seine Meinung innerhalb der vergangenen sechs Monate zweimal um hundertachtzig Grad ändern kann. Im Oktober 2025 sagte er, agentische KI sei noch nicht für den tatsächlichen Einsatz bereit, und im Dezember wuchs sie ihm bereits über den Kopf. Heute steuert er Dutzende Agenten gleichzeitig und hat aufgehört, Code manuell zu schreiben. So schnell verändert sich die Realität.

Und genau deshalb ist seine Warnung vor der Kluft zwischen den Nutzern so wichtig. Es geht nicht darum, wer recht hat und wer sich irrt. Beide Gruppen beschreiben reale Erfahrungen. Doch diese Erfahrungen liegen so weit auseinander, dass ohne ein Verständnis des Kontexts nicht einmal ein sinnvolles Gespräch möglich ist. Die kommenden sechs bis zwölf Monate werden zeigen, ob Unternehmen beginnen, diese Kluft zu überbrücken, oder ob sich beide Gruppen noch weiter voneinander entfernen und jede in ihrer eigenen KI-Welt lebt.