Von Ingenieuren und Profiteuren

Die Forschung zu Universaltechnologien hat mittlerweile eine lange Tradition. Eine wichtige Rolle spielt dabei die Unterscheidung zwischen dem Universellen und dem Speziellen. Beispielsweise kann man einen Halbleiter als Universaltechnologie betrachten. Dessen Anwendung – in Mobiltelefonen, „Smart Home“-Geräten, Fahrzeugen, Laptops – benötigt aber eine Reihe ergänzender Innovationen und ­Design-Entscheidungen.

Das führt zu einem anderen Aspekt, der in der wissenschaftlichen Literatur vielfach thematisiert wird: ein potenzielles Marktversagen. Zum einen fehlen den Entwicklern einer Universaltechnologie für deren Anwendungen oft die Kapazitäten. Die erfolgreiche Entwicklung eines Large Language Model (eine Form von KI, bei der es um die softwaretechnische Realisierung eines mathematischen Sprachmodels geht, wie beispielsweise bei ChatGPT) bedeutet nicht automatisch, dass die Erfinder auch die Kapazität hätten, daraus ein Angebot zur juristischen Beratung zu machen. Ohne Anwendungen lässt sich aber eventuell nicht ausreichend Kapital anziehen. Das führt dann dazu, dass die Innovatoren nicht in der Lage sind, ihre Universaltechnologie zu Ende zu entwickeln.

Hinzu kommt, dass diejenigen Unternehmen, die die neue Technologie anwenden könnten, in der Regel nicht willens sind, dafür zu bezahlen, bis sich nicht ein bestimmtes Niveau etabliert hat. So kann es sein, dass zwar der Nutzen einer neuen Universaltechnologie anerkannt wird, die Erfinder aber dennoch die Entwicklung nicht finanzieren können, weil die Anwender darauf warten, dass die Technologie ausgereift ist. 

Historisch betrachtet gibt es einen Weg, mit diesen „Koordinierungsproblemen“ umzugehen, nämlich durch „vertikale Integration“. Unternehmen wie der US-Telefonkonzern AT&T oder der Computerpionier IBM waren beispielsweise vertikal integriert, und auch das Telefonie-Unternehmen Bell hat Grundlagenforschung und Innovationen parallel zur Fertigung und industriespezifischer Anwendung betrieben. Allerdings waren solche Unternehmen häufig Ziel staatlicher Interventionen; sie wurden zerschlagen oder in ihrer Marktmacht beschränkt.

Die KI-Labore glauben, dass mehr Rechenleistung und mehr Daten zu ­fähigeren Modellen führen

Die Entwicklung von KI folgt in manchem diesen historischen Mustern, aber die Abweichungen von diesen Mustern sind sehr aufschlussreich. 

Der erste Unterschied besteht darin, dass die Versuche, die Trennung zwischen dem Universellen und dem Speziellen zu überwinden, in den meisten Fällen nicht durch vertikale Integration in Form von direkter Eigentümerschaft unternommen werden. Google, Huawei, aber auch Microsoft sind hierbei Ausnahmen, denn die Unternehmen haben sich stark bei der Entwicklung industriespezifischer KI-Modelle engagiert, und jedes von ihnen hat bedeutende Tochterunternehmen, die sich mit KI-Anwendungen beschäftigen, etwa in den Segmenten Gesundheit oder Fitness.

Statt direkter Eigentümerschaft setzen die Unternehmen, die universelle KI entwickeln, auf das Scaling-Paradigma – den Glauben, dass mehr Rechenleistung und mehr Daten zu fähigeren Modellen führen. Diese Annahme hat sich bislang bestätigt, und die immer größeren Fähigkeiten von KI überraschen sogar ihre Entwickler. Um ein aktuelles Beispiel zu nennen: Claude Opus 5.5 ist in der Lage, professionell aussehendes Videomaterial allein aus Codes zu generieren, ohne dass ein spezielles Video-Erzeugungsmodell dazu „geschult“ worden wäre. Bedenkt man, dass spezielle Modelle häufig von den sich schnell weiterentwickelnden universellen Modellen überholt werden, ist es verständlich, warum KI-Labore meinen, die historisch bekannten Probleme bei der Entwicklung von Universaltechnologien könnten durch immer größere Fortschritte gelöst werden. Und ab einem gewissen Punkt werden die Modelle dann selbst in der Lage sein, die Adaptions- und Anwendungsarbeit zu leisten, statt auf externe Unternehmen zu vertrauen. 

Eine Reihe von Wirtschaftssektoren spürt bereits diese Dynamik: Juristische Beratung, Design, Buchhaltung und andere werden in immer größerem Maße Teil der universellen Modelle. Derweil hat Reinforcement Learning (bei dieser Art von maschinellem Lernen werden autonome KI-Agenten trainiert, Entscheidungen zu treffen, indem sie mit ihrer Umgebung interagieren) dazu geführt, dass Bereiche wie Coding und Mathematik als Ganzes von den Universalmodellen „geschluckt“ werden.

Während sie auf die Ankunft echter Allgemeiner Künstlicher Intelligenz warten – einer KI, die menschlicher Intelligenz tatsächlich entspräche –, suchen die KI-Unternehmen neue Lösungen, um die Trennung der universellen und der speziellen Charakteristika von Universaltechnologien zu überwinden. 

In erster Linie geschieht dies durch das Einstellen sogenannter Forward Deployed Engineers (FDEs) – eine Position, die in der Technologiewelt derzeit zu den gefragtesten Jobs zählt. Insbesondere Palantir hat den Einsatz von FDEs vorangetrieben. Hierbei werden Vertriebs-, Beratungs- und Ingenieursrollen miteinander vereint. FDEs sind in Anwendungsunternehmen „eingebettet“ und arbeiten eng mit ihnen zusammen, um herauszufinden, was sich ändern muss – innerhalb der Unternehmen, aber auch beim KI-Modell –, um die Anwendungsgebiete zu erweitern.

Die US-Regierung schenkt der immer stärkeren  Konzentration von KI-
Unternehmen keine besondere Aufmerksamkeit

Indem sie eng mit ihren Kunden zusammenarbeiten, sind FDEs ein Mechanismus, um das Universelle auf das Spezielle anzuwenden. Allerdings dienen sie auch dazu, um Spezielles zu generieren und dann in das Universelle einzuspeisen – auch, um damit dem Ziel von Allgemeiner Künstlicher Intelligenz näherzukommen. Als beispielsweise OpenAI mit dem Landmaschinenhersteller John Deere auf der Grundlage von FDEs zusammenarbeitete, fanden die erreichten Verbesserungen bei der Anwendung  Einzug in das universelle Model von  OpenAI. 

Ein anderer Weg, den KI-Labore beschreiten, sind Joint Ventures mit Kapitalbeteiligungs-Gesellschaften. Hier geht es vor allem darum, durch das Unternehmensportfolio, das sich im Besitz der Kapitalbeteiligungs-Gesellschaften befinden, privilegierten Zugang zu deren Anwendung von KI zu gewinnen. Diese kann dann ein „proof of concept“ erbringen und dazu führen, dass sich der Kreis der Unternehmensanwender stetig vergrößert. So gewinnen die Labore Einfluss auf die Anwender und lösen die Herausforderungen, denen Universaltechnologien früher begegnet sind, per Integration der  Investitionsstrukturen.

Diese unheilige Allianz zwischen KI-Laboren und Kapitalbeteiligungs-Gesellschaften hat eine historische Parallele. Im Zeitalter der Elektrifizierung gründete General Electric eine Holding: die Electric Bond and Share Company (EBASCO). Diese hielt Aktienanteile diverser Elektrizitätsunternehmen quer durch die Vereinigten Staaten und kontrollierte sie. Die Markteinführung von Elektrizität erforderte den Einsatz von viel Kapital, großes Ingenieurswissen und professionelle Managementstrukturen. EBASCO konnte diese drei Dinge anbieten und so den kleineren Versorgern helfen, die neue Technologie einzuführen.  

Allerdings führte die stetige Expansion des GE-Elektrizitätsimperiums zu starker politischer Kontrolle. 1925 wurde GE gezwungen, EBASCO aufzugeben; die Federal Trade Commission legte einen 48 000-seitigen Bericht vor, der zum Public Utility Holding Company Act von 1935 führte, der wiederum der Konzentration ökonomischer Macht auf dem Elektrizitätsmarkt ein Ende setzte.

Beim „KI-Rennen“ ist das bislang anders. Die US-Regierung schenkt der immer stärkeren Konzentration keine besondere Aufmerksamkeit. Tatsächlich führen die strukturelle Macht der Unternehmen und ihre Rolle als Wachstumstreiber derzeit dazu, dass der Staat ihr Ausgreifen auf andere Teile der Wirtschaft aktiv unterstützt.

Die EU, die sich um eine Regulierung der Unternehmen bemüht – beispielsweise durch den Digital Markets Act –, erfährt immer öfter, dass sie kaum über effektive Druckmittel verfügt. In China hingegen hat der Staat das Ausgreifen von KI-Laboren in spezielle Anwendungssektoren mitgesteuert, beispielsweise durch das Verbot einer Übernahme des KI-Agenten-Start-ups Manus durch den Meta-Konzern. Allerdings lag dies vor allem an Sicherheitsbedenken. Mit anderen Worten: Die Sorgen der chinesischen Regierung zielten nicht so sehr auf die Konzentration von wirtschaftlicher Macht, sondern darauf, dass diese Macht vor allem in den USA konzentriert ist.

Weitreichende Folgen

Im Unterschied zu historischen Beispielen erfährt das Ausgreifen der neuen Universaltechnologie-Unternehmen also keinen signifikanten staatlichen Eingriff. Im Gegenteil: Sie werden gefördert, auch um Vorteile im geopolitischen Wettbewerb zu gewinnen. Dies könnte weitreichende Folgen haben. Der Mehrwert, der durch die Anwendung von KI generiert wird, könnte in immer größerem Maße bei den Innovatoren landen. 

Und nicht nur das: Die Unternehmen gewinnen auch Zugriff auf immer größere Datenmengen, die dann weitere Skalierung ermöglichen. Dies wiederum könnte dazu führen, dass KI-Labore sich am Ende die Unternehmen einverleiben, die ihre KI-Modelle anwenden. Denn sie erhalten potenziell nicht nur Zugang zu deren Kern-Datenbanken, sondern auch Informationen zu den Beweggründen für Unternehmensentscheidungen, zu anderem internen Wissen wie Problemlösungsansätze und so weiter.

Microsoft-Chef Satya Nadella hat vor diesem Hintergrund davor gewarnt, dass Unternehmen das Risiko eingehen, auf diese Weise für KI „doppelt“ zu bezahlen, „mit Geld und dann mit etwas noch Wertvollerem: mit Eigentümerwissen, das man offenlegen muss, um die Anwendungen wirklich nützlich zu machen“. Dabei setzen Unternehmen wie Microsoft bereits KI zur massenhaften Überwachung ihrer Mitarbeiter mit dem Ziel ein, ihre Kenntnisse und Fähigkeiten zu dokumentieren und zu replizieren, um diese letztlich für die Produktionsprozesse überflüssig zu machen; sie sollen durch KI-Agenten ersetzt werden.

Die Frage, wem Universaltechnologien gehören, war stets weniger wichtig als die Frage, wer deren Verbreitung und Anwendung kontrollierte. Während die Wertschöpfung in der Vergangenheit in überwiegendem Maße bei den Anwendern lag und der Gesellschaft insgesamt zugutekam, könnte sie in der KI-Ära stark konzentriert sein – erst recht, wenn universelle Unternehmen die speziellen Unternehmen komplett absorbierten. Bei den einzelnen Volkswirtschaften bliebe dann nichts mehr hängen.

Aus dem Englischen von Henning Hoff