Ich raste 9 Minuten lang über die Dummheit von Firmen aus
MMaximilian Schwarzmüller
컴퓨터/소프트웨어경제 뉴스경영/리더십
Transcript
00:00:00Sprechen wir über einen der dümmsten Trends, die wir in den letzten Wochen und Monaten gesehen haben,
00:00:05der, wie es scheint, bereits wieder endet. Zu Recht, denn er ergibt keinen Sinn.
00:00:12Token Maxing. Beim Token Maxing geht es, falls Sie es nicht wissen, einfach darum, so viele
00:00:18KI-Token wie möglich pro Monat, pro Jahr oder für welchen Zeitraum auch immer zu nutzen
00:00:24oder, könnte man sagen, zu verbrauchen. Die Idee aus Unternehmenssicht – denn das ist ein Begriff aus
00:00:30der Unternehmenswelt – ist eigentlich, dass man seine Mitarbeiter dazu motivieren möchte, so viele
00:00:37KI-Token wie möglich zu nutzen, zum Beispiel durch Tools wie Claude Code. Und nur am Rande: Das ist ein nützliches Tool,
00:00:44genau wie Codex und andere. Man kann damit Arbeit erledigen. Ich habe Kurse zu Claude Code
00:00:50und Codex, falls Sie mehr darüber erfahren möchten. Sie sind sehr tiefgehend und zeigen Tipps und Tricks. Aber
00:00:54die Idee ist, diese Tools zu nutzen, um so viele Token wie möglich zu verbrauchen, denn
00:01:00das führt zu großartigen Ergebnissen, oder? Nein. Wie erwähnt, sind diese Tools wertvoll. Als Entwickler
00:01:09glaube ich, dass man mit diesen Tools arbeiten können muss, aber sie als Unterstützung einsetzen sollte. Der Anreiz hinter
00:01:16Token Maxing besteht natürlich klar darin, dass man am Ende einfach Token verschwendet,
00:01:23dass man sie gedankenlos ausgibt, dass man Prompt auf Prompt setzt, dass man sich
00:01:29den Output so wenig wie möglich ansieht oder natürlich gar nicht, denn das würde einen nur vom weiteren
00:01:36Prompten abhalten. Wir haben von Unternehmen gehört, die interne Bestenlisten führen, bei denen diejenigen, die die meisten
00:01:42Token verbrauchen, nun ja, ganz oben stehen und möglicherweise Belohnungen erhalten. Und das ergibt natürlich keinen Sinn. Und natürlich
00:01:50spreche ich hier meistens von KI für die Softwareentwicklung, weil das mein Bereich ist. Aber ich würde sagen,
00:01:57dass es in keinem Kontext Sinn ergibt. Aber besonders wenn wir davon sprechen, KI zum Schreiben
00:02:03von Code zu verwenden, möchte man diesen Code verstehen und überprüfen. Es geht nicht darum, so viel
00:02:11Code wie möglich auszuspucken. Das war es noch nie. Selbst vor der KI war es keine gute Idee, die Produktivität eines
00:02:20Entwicklers an den Zeilen Code zu messen, die er an einem Tag schreiben kann. Und das ist mit KI nicht anders. Die Qualität
00:02:27zählt. Und ich weiß, dass dies etwas zu sein scheint, dem nicht alle Unternehmen heutzutage zustimmen würden. Aber ja,
00:02:35sie zählt. Wenn man den Weg in den Spaghetti-Code-Kaninchenbau geht und die KI all diesen
00:02:43Spaghetti-Code generieren lässt und man völlig den Überblick verliert und nicht versteht, worum es in dem Code
00:02:50geht und man nicht mehr in der Lage ist, irgendwann manuell in den Code einzutauchen, weil es einfach zu viel ist,
00:02:55dann hat man verloren. Dann hat man wirklich verloren. Denn KI ist alles andere als perfekt, wie wir vermutlich alle wissen. Also natürlich
00:03:03brauchen wir diesen menschlichen Touch, diese menschliche Kontrolle, um KI effizient zu nutzen und gute Ergebnisse zu erzielen. Und
00:03:11deshalb sage ich in all meinen Videos, und ich glaube immer noch fest daran, dass KI ein nützliches
00:03:17Werkzeug sein kann. Aber es ist ein Werkzeug. Es ist kein Ersatz für Entwickler, egal wie sehr sich gewisse Unternehmen
00:03:23das wünschen. Und natürlich ist die ganze Idee hinter Token Maxing letztendlich die, dass man
00:03:30aus Unternehmenssicht hoffentlich an einen Punkt kommt, an dem die Mitarbeiter so viel KI nutzen, dass
00:03:37sie jede Menge erstaunlichen Output produzieren. Und man als Unternehmen irgendwann sagen kann: Großartig, jetzt brauchen
00:03:42wir all diese Mitarbeiter nicht mehr, oder zumindest brauchen wir weniger von ihnen. Nun, es stellt sich heraus, dass das nicht
00:03:49allzu gut funktioniert. Es gibt diesen Bericht über Uber, der auf X beispielsweise in den letzten Wochen
00:03:57recht populär wurde, in dem der Uber-COO und ich glaube auch der CTO letztendlich erwähnten, dass sie ihr
00:04:05gesamtes KI-Budget für 2026 in vier Monaten verbrannt haben. Sie hatten also ein Budget an Token, die sie bezahlen oder nutzen wollten,
00:04:14und sie haben es innerhalb weniger Monate aufgebraucht. Nun, natürlich, und das ist wichtig, denke ich,
00:04:20ist ein Grund, dass das Budget vermutlich 2025 festgelegt wurde, würde man annehmen, oder Ende 2025 oder Anfang
00:04:292026. Und dann erlebte agentisches Coding Anfang 2026 den Durchbruch. Das ist also passiert. Und das geschah
00:04:40natürlich, weil bestimmte Modelle wie Opus 4.5, aber auch GPT 5.4 oder Codex davor, wirklich
00:04:50gut wurden oder besser wurden, besonders beim Befolgen von Anweisungen Ende letzten Jahres. Und dann
00:04:55wurden diese Tools – Claude Code, Codex, wozu ich die genannten Kurse habe, die großartig sind, sowohl die Tools als auch
00:05:00die Kurse – auch besser und nutzten diese Modelle wirklich effizient. Und natürlich auch andere
00:05:05Tools wie Pi, das ein erstaunlicher Coding-Agent ist, und so weiter. Die Kombination daraus führte zu mehr
00:05:12Nutzung dieser Tools. Aber da wir hier von agentischem Coding sprechen, bei dem diese Tools
00:05:18oder die Modelle in diesen Tools denken und Tools verwenden, Tools aufrufen, Suchen durchführen, die Suchergebnisse
00:05:25analysieren, kostet das alles viel mehr Token als die Art und Weise, wie wir oder diese Unternehmen KI letztes Jahr verwendet haben, als es
00:05:35kürzere Sitzungen waren, nicht so viele lang laufende agentische Sitzungen. Und natürlich, je länger eine Sitzung läuft,
00:05:40desto mehr Token verbraucht sie. Die Berechnung, die 2025 stattfand, hat also nichts mit der Realität
00:05:47zu tun, wie KI im Jahr 2026 mit diesen verbesserten agentischen Coding-Modellen und den dazugehörigen Tools verwendet wird.
00:05:55Aber dennoch hat Uber sein gesamtes Budget aufgebraucht. Wenn sie großartige Ergebnisse erzielt hätten,
00:06:02hätten sie ihr Budget sicher erhöht, aber es sieht nicht so aus, als ob das passiert wäre. Ein NVIDIA-Manager
00:06:10sagte auch, dass die Kosten für Rechenleistung weit über den Kosten für Mitarbeiter liegen. Es ist also momentan teurer,
00:06:18KI zu nutzen als Menschen. Natürlich könnte man sagen, es spielt keine Rolle, ob KI zehnmal so produktiv
00:06:25wie ein menschlicher Mitarbeiter ist. Es ist in Ordnung, wenn sie zehn- oder achtmal so teuer ist, oder? Vielleicht wäre es sogar
00:06:31in Ordnung, wenn sie 15-mal so teuer wäre, weil sie noch besser werden kann, während bei der menschlichen
00:06:39Produktivität, diese zwar auch steigen kann, aber vermutlich nicht so sprunghaft wie die der KI.
00:06:45Aber wir sind auch nicht annähernd bei diesen Zahlen von 10x oder 15x, weil, wie gesagt, die Anzahl der generierten Codezeilen
00:06:54kein gutes Maß ist. Und wir brauchen menschliche Mitarbeiter mit ihrer Erfahrung, mit ihrer Empathie, mit ihrem
00:07:01Verständnis für eine Codebasis, mit ihrer Verbindung zu anderen Abteilungen und einem Unternehmen, mit all den
00:07:08Nuancen, die einen Job ausmachen. Natürlich mit all dem Vertrauen, das einem Menschen entgegengebracht wird. Und natürlich
00:07:15auch mit ihrem tiefen Verständnis dafür, was eine gute Codebasis ausmacht, was als Nächstes in einer
00:07:21Codebasis nötig sein wird, welche zukünftigen Fähigkeiten gebraucht werden könnten. Alles Dinge, die KI-Modellen natürlich fehlen. Es ist also so
00:07:29dumm, aus so vielen verschiedenen Blickwinkeln die Produktivität von KI-Modellen mit menschlicher Produktivität zu vergleichen.
00:07:36Und die ersten Unternehmen erkennen das, glaube ich. Weshalb dieses ganze Token Maxing hier nun
00:07:43zu einem Ende kommt. Man kann über immer mehr Unternehmen wie Amazon, Meta und viele, viele andere lesen, die
00:07:48bei ihren Token-Bestenlisten zurückrudern, die ihre KI-Budgets kürzen oder ihren
00:07:54Token-Maxing-Ansatz hier zurückfahren. Und ich hoffe wirklich – ich weiß es nicht, aber ich hoffe –, dass wir bald in eine Ära eintreten, in der
00:08:02sich die Dinge etwas mehr beruhigen. KI ist gekommen, um zu bleiben, und KI ist nützlich. Es ist ein hilfreiches Werkzeug.
00:08:09Sie kann dich produktiver machen. Sie ist großartig für zusätzliche Recherche. Sie ist großartig für das Erstellen von
00:08:15Boilerplate-Code oder auch dem Nicht-Boilerplate-Code. Aber basierend auf klar definierten Spezifikationen mit menschlicher
00:08:22Überprüfung, idealerweise basierend auf einer Codebasis, die zumindest von einem Menschen geformt und feinabgestimmt wurde, kann KI
00:08:30dort wirklich nützlich sein. Und sie kann sogar für „Wipe Coding“ nützlich sein, wenn man ein kleines Tool braucht, das einfach
00:08:38etwas erledigt, das man gerade jetzt tun muss, von dem man nicht plant, es der Welt zu veröffentlichen, bei dem man sich
00:08:43nicht um all die Fehler schert und bei dem man nicht viele Funktionen hinzufügen wird, die man nicht warten muss.
00:08:48Auch dafür kann sie großartig sein, für diese Einweg-Tools. Es gibt viele großartige Anwendungsfälle für KI und
00:08:55es ist eine Technologie, die hier ist, die bleiben wird und die natürlich besser werden wird. Und niemand weiß,
00:09:00was in zehn Jahren oder so sein wird. Aber momentan hoffe ich wirklich, dass sich die Dinge etwas mehr beruhigen
00:09:07und wir die KI für das nutzen, was sie ist: ein nützliches Werkzeug, aber nicht das magische Ding, das gerade
00:09:15alles verändert, alle Jobs abschafft und alle Mitarbeiter und alle Menschen innerhalb
00:09:20der nächsten 12 Monate oder so ersetzt. Und es sieht so aus – vermutlich jedoch aus PR-Gründen –, dass selbst unsere bevorzugten
00:09:28Tech-CEOs, Sam Altman und besonders auch Dario Amodei, von diesen recht starken Aussagen abweichen, wie bald
00:09:36KI so gut wie alle Büroarbeit ersetzen wird, oder? Sam Altman sagte
00:09:45in einem Interview, dass er sich bezüglich der wirtschaftlichen Auswirkungen von KI ziemlich geirrt habe. Und Anthropic-CEO Dario Amodei,
00:09:52der vor nicht allzu langer Zeit erwähnte, dass die meiste oder so gut wie alle Büroarbeit durch KI
00:09:59relativ bald ersetzt werden würde, sagt nun, dass Automatisierung die Arbeit, die Menschen tun, tatsächlich erweitern könnte. Wahrscheinlich jedoch,
00:10:06weil ihre PR-Abteilung ihnen sagte, dass es zwar großartig ist, ihre Tools an Unternehmen zu verkaufen,
00:10:13wenn sie sagen, wie viele Mitarbeiter sie ersetzen können, es aber nicht so großartig ist, wenn sich die ganze Welt gegen
00:10:21sie stellt. Ich habe mich vorher nicht allzu sehr um ihre Aussagen geschert und tue es auch jetzt nicht, nachdem sie sie revidieren,
00:10:28ich war schon immer ziemlich überzeugt, dass KI in naher Zukunft bei weitem nicht alle Büroarbeit ersetzen wird.
00:10:37Ich bin sicher, dass sie tatsächlich eher zu mehr Arbeit führen wird. Das war bei all diesen technologischen
00:10:43Durchbrüchen der Fall. Und wie bei all diesen sehen wir einfach nicht, wie zukünftige Rollen aussehen werden. Aber wenn wir
00:10:48einen Blick auf das Programmieren werfen, sind wir noch nicht einmal annähernd an dem Punkt, an dem man KI den gesamten
00:10:56Code schreiben lassen möchte und sich bei keinem ernsthaften Produkt darum kümmern würde. Zumindest würde ich das definitiv nicht, und ich glaube,
00:11:03jedes Unternehmen, das dies täte, würde schwerwiegende Fehler begehen. Aber wie es scheint, beginnen Unternehmen auch hoffentlich zu
00:11:11erkennen, dass KI besser als großartiges Werkzeug verwendet wird statt als „Alles-in-einem“-Lösung.
Community Posts
No posts yet. Be the first to write about this video!
Write about this video