Es braucht keine weiteren KI-Tools, sondern ein KI-System

Die Welt befindet sich mitten in der größten Transformation der jüngeren Geschichte. Die Zumutung der Künstlichen Intelligenz besteht nicht darin, dass sie Gedichte schreibt, Bilder malt oder E-Mails beantwortet. Sie besteht darin, dass sich im laufenden Betrieb verschiebt, was eine Maschine überhaupt leisten kann.

Dr. David Matusiewicz Dekan und Institutsdirektor, FOM Hochschule

War es, dass ein Sprachmodell plötzlich brauchbar programmieren konnte? Dass es medizinische Fälle strukturiert, Verträge zerlegt und Literatur durchforstet? Oder dass die Maschine, die gestern noch über die fehlende Intelligenz zur Unterscheidung Hundegesichter-mit-Warzen und Muffins-mit-Schokostreuseln scheiterte, heute mehrstufige Aufgaben plant?

Früher wurde über falsche Augen und sechs Finger gelacht. Heute kaum noch. Nicht, weil die Fehler verschwunden wären, sondern weil verstanden wurde: Die Entwicklung verläuft nicht linear. Die Entwicklung wird inzwischen gern mit einer »Verdopplung alle drei Monate« beschrieben. Als Naturgesetz taugt das nicht; je nach Benchmark, Modellklasse und Messmethode fällt die Kurve anders aus. Als Beschreibung des Tempos taugt es erschreckend gut.

Alle paar Monate verschiebt sich die Grenze dessen, was einer KI zugetraut wird. Und während noch diskutiert wird, ob ein Modell wirklich »denken« kann, wird die nächste Version bereits in Software, Suchmaschinen, Entwicklungsumgebungen und Unternehmensprozesse eingebaut. Anthropic zeigt die neue Größenordnung: Ende 2025 lag die annualisierte Umsatz-Run-Rate von Claude bei rund neun Milliarden Dollar, Ende Juli 2026 bei mehr als 65 Milliarden; für das Jahresende wurden mehr als 100 Milliarden erwartet. Das sind keine Jahresumsätze, sondern hochgerechnete Verkaufsgeschwindigkeiten – und genau deshalb so aufschlussreich.

Anthropic meldete im April bereits eine Run-Rate von mehr als 30 Milliarden und über 100 Milliarden Dollar Investitionen in AWS-Technologien über zehn Jahre. KI ist damit nicht nur Software-, sondern Infrastruktur-, Energie-, Chip- und Kapitalgeschäft. Und genau hier beginnt der strategische Fehler vieler Unternehmen: Sie sammeln KI-Tools wie früher Apps. Hier ein Copilot, dort ein Chatbot, daneben ein Übersetzungsdienst und irgendwo noch ein Bildgenerator. Das ist keine KI-Strategie. Das ist ein digitaler Werkzeugkasten mit sehr teuren Schraubenziehern.

Aus KI-Tools müssen KI-Systeme werden

Ein Tool beantwortet eine Frage. Ein System kennt den Prozess: Es greift auf Daten zu, holt Kontext, ruft Software auf, prüft Ergebnisse, setzt Prioritäten und übergibt Vorgänge. Der Sprung liegt deshalb nicht nur beim größeren Modell, sondern bei der Integration: CRM, ERP, Wissensdatenbank, E-Mail, Produktion, Patientenakte, Labor, Roboter. KI steht dann nicht mehr neben der Arbeit. Sie ist Teil der Arbeit. Das verändert auch die Frage nach der KI-Souveränität. Der erste Schritt ist nicht, möglichst schnell eine nationale Super-KI zu bauen. Der erste Schritt ist Adoption. Eine Technologie, die niemand produktiv nutzt, macht kein Land souverän. Souveränität bedeutet etwas anderes als Autarkie. Wer verlangt, die gesamte KI-Wertschöpfung müsse in Deutschland stattfinden, verwechselt strategische Kontrolle mit Selbstversorgung. Daten, Modelle, Rechenkapazität und kritische Infrastruktur sind wichtig. Aber auch bei Hosting in Deutschland kommen Chips, Speicher, Netzwerktechnik und Fertigungsanlagen aus globalen Lieferketten. Niemand baut die Weltwirtschaft in einem deutschen Rechenzentrum nach. Die Frage lautet: Wo braucht es eigene Kontrollen, wo Alternativen – und wo reicht verlässlicher Zugang zu internationalen Märkten? Diese Unterscheidung wird entscheidend, weil die KI-Ökonomie gerade ihre nächste Phase erreicht: Kosten werden wichtiger. Das Zeitalter »größer ist besser« bekommt Konkurrenz durch »billiger pro brauchbarer Aufgabe«. Ein Modell muss nicht das klügste der Welt sein, wenn es zuverlässig einen Prozess für einen Bruchteil der Kosten erledigt.

Kleinere, spezialisierte und offene Modelle gewinnen deshalb Gewicht. Open Source beziehungsweise Open-Weight-Ansätze drücken Preise, verbreitern Zugang und zwingen Labore zur Effizienz. Chinesische Anbieter zeigen, wie schnell ein Kostenargument strategisch werden kann; US-Unternehmen reagieren mit offenen Gewichten und günstigeren Modellen. Der Wettbewerb geht nicht nur um Intelligenz, sondern um Intelligenz pro Dollar. Hier zeigt sich, warum KI nicht bei der Antwortmaschine stehen darf. Medizin ist eine Kette aus Wahrnehmen, Einordnen, Entscheiden, Handeln und Kontrollieren. Moderne Systeme analysieren Bilder, führen klinische Informationen zusammen, durchsuchen Literatur und strukturieren komplexe Fälle. Reasoning-Modelle sollen klinische Argumentation unterstützen; agentische Systeme übernehmen bereits Teilaufgaben in Diagnostik, Behandlung und Aufnahmeplanung, sind aber noch nicht für unkontrollierten klinischen Einsatz bereit. Die Richtung ist klar: KI wandert vom Informationsdienst in den Versorgungspfad.

Damit kommt eine heikle Grenze näher: In Zukunft werden KI-Modelle Entscheidungen treffen. Nicht jede Entscheidung – und hoffentlich nie ohne Verantwortungskette. Aber sobald ein System Symptome priorisiert, Therapieoptionen auswählt, einen Roboter steuert oder festlegt, welcher nächste Prozessschritt ausgeführt wird, ist die KI nicht mehr bloß Assistentin. Sie wird Akteurin innerhalb eines Systems. Hier greift die alte Halluzinationsdebatte zu kurz. Ein falscher Satz im Chat ist ärgerlich. Eine falsche Entscheidung in Behandlung, Fabrik oder Roboter ist ein Systemfehler. KI muss deshalb nicht nur nach Sprachqualität bewertet werden, sondern nach Zuverlässigkeit, Unsicherheit, Überwachbarkeit, Haftung und ihrer Einbettung in reale Prozesse. Besonders sichtbar wird das bei Robotern. Die Robotik bekommt gerade ihr eigenes KI-Upgrade: sogenannte World Models sollen nicht nur erkennen, was vor einer Maschine liegt, sondern eine interne Vorstellung davon bilden, wie sich eine physische Welt verhält. Ein Roboter muss schließlich nicht nur wissen, dass da ein Instrument liegt. Er muss verstehen, was passiert, wenn er es greift, bewegt, fallen lässt oder in den Körper einführt. Genau deshalb gelten World Models als wichtiger Baustein für die nächste Generation physischer KI.

Nature beschreibt sie 2026 als einen Ansatz mit großem Potenzial für Robotik; in der robotischen Chirurgie werden sie unter anderem als Möglichkeit diskutiert, knappe Trainingsdaten durch simulierte, physikalisch konsistente Szenarien zu ergänzen. Ein Roboter, der in einer Fabrik einen Karton falsch greift, produziert Ausschuss. Ein medizinischer Roboter braucht dagegen ein Modell der Welt, das Unsicherheit, Gewebe, Instrumente, Menschen und Konsequenzen berücksichtigt. Die KI muss sehen, planen, handeln und aus Rückmeldung lernen. Das ist eine andere Kategorie von Technologie.

Wir befinden uns ganz nüchtern betrachtet in dem größten Wandel der Menschheit.

Die nächsten Jahre werden weniger nach einer Fortsetzung der Chatbot-Geschichte aussehen als nach dem Beginn einer neuen industriellen Ära. Das Modell wird zum Bauteil, der Agent zum Prozess, der Roboter zum ausführenden Arm, Daten zum Gedächtnis und Schnittstellen zur Infrastruktur. Der Wettbewerb entscheidet sich zunehmend daran, wer diese Komponenten zu einem funktionierenden System verbinden kann. Die Illusion, KI sei vor allem ein neues Programm auf dem Bildschirm, sollte verabschiedet werden. Erst kam das Tool, dann die Organisation – nun folgt die physische Welt. Das Tempo bleibt brutal. Nicht jede Verdopplung wird eintreten, nicht jede Milliardenprognose sich erfüllen, nicht jedes Modell die Welt verändern. Aber die Richtung ist unübersehbar: Die Leistungsgrenzen steigen, die Kosten pro Anwendung sinken, die Modelle werden handlungsfähiger und die Integration wird tiefer.

Wer heute noch fragt, ob KI kommt, stellt die falsche Frage. Sie ist längst da. Die bessere Frage lautet: Wo soll KI entscheiden, wo muss sie erklären, wo darf sie handeln? Welche Teile ihrer Wertschöpfung sollten selbst beherrscht werden? Und welche Fähigkeiten werden morgen benötigt, wenn das Betriebssystem der Arbeit nicht mehr allein von Menschen bedient wird? Die Antwort darauf entscheidet nicht darüber, ob die Gesellschaft in der KI-Zukunft ankommt. Sie entscheidet darüber, welche Rolle sie dort spielt.