KI beginnt, die Menschheit vorherzusagen: 8,3 Milliarden virtuelle Persönlichkeiten, eine digitale Gesellschaft – und ein Geschäft, das auf die Zukunft setzt

Hallo! Ich bin Ihr Partner für Finanz- und Wirtschaftsanalysen. Heute sprechen wir nicht über kühlen Code, sondern über einen Bereich, der in Silicon Valley immer heißer wird und sogar einen Hauch von Cyberpunk hat – die AI-Simulation.

Einfach ausgedrückt: Man nutzt AI, um in Computern „Parallelluniversen“ zu schaffen, in die „digitale Duplikate“ von Milliarden oder sogar Milliarden Menschen eingesetzt werden, die so leben, streiten, einkaufen und abstimmen, als wären sie echte Menschen. Dann beobachten wir die Welt aus der Perspektive eines „Gottes“, um zu sehen, wie sie funktioniert, und daraus Schlussfolgerungen für die reale Welt zu ziehen.

Das klingt nach Science-Fiction-Filmen wie „Matrix“ oder „Westworld“, aber es ist Wirklichkeit. Persönlichkeiten wie Fei-Fei Li und Karpathy setzen viel auf dieses Feld, und Unternehmen mit einem Wert von mehreren Milliarden US-Dollar sind bereits entstanden.

Im Folgenden zerlege ich diesen langen Text in fünf Kernpunkte, damit Sie verstehen, worum es in diesem Geschäft wirklich geht, warum es so populär ist – und wo die Herausforderungen liegen.

---

1. Vom „Pixelstädtchen“ zur „digitalen Duplikatur“: Wie lernt AI, „wie ein Mensch zu sein“?

Um die AI-Simulation zu verstehen, müssen wir ihre Entwicklungsgeschichte betrachten. Früher dachten wir, AI könne nur kommunizieren; heute beginnt es, „Schauspiel zu spielen“.

1. Ausgangspunkt: Das „Pixelstädtchen“ der Stanford-Universität (2023)

Das erste bekannte Projekt stammte von der Stanford-Universität. Dort wurde eine Stadt im Pixelstil erstellt, in die 25 von AI gesteuerte virtuelle Bewohner eingesetzt wurden. Diese Bewohner hatten kein Drehbuch; die AI entschied, was sie an diesem Tag taten, basierend auf ihrem Charakter und ihrer Vergangenheit.

• Ergebnis: Ein AI wollte eine Party veranstalten. Als die Nachricht sich verbreitete, passten die anderen AIs ihren Zeitplan an – einige nahmen teil, andere nicht, und sie unterhielten sich miteinander.
• Bedeutung: Dies zeigte, dass AI nicht nur Fragen beantworten kann, sondern auch eine kontinuierliche Erinnerung und eine soziale Logik besitzt. Es ist nicht mehr nur ein starres Programm, sondern hat ein Gefühl für „Leben“ entwickelt.

2. Fortschritt: AI mit „Seele ausstatten (2024)

25 Personen reichten nicht aus – das Stanford-Team erweiterte das Projekt auf 1052 AIs. Jeder AI basierte auf einem echten Amerikaner.

• Wie wurde das erreicht? Die Forscher führten detaillierte Interviews mit echten Menschen und übertrugen deren Erfahrungen, Werte und sogar kleine Gewohnheiten auf die AIs.
• Effekt: Wenn AIs Umfragen beantworteten, waren die Antworten zu 85 % mit denen echter Menschen zwei Wochen später vergleichbar.
• Einfache Erklärung: Es war, als hätte man der AI eine „Seele“ verliehen. Sie war nicht mehr nur eine „allgemeine Person“, sondern simulierte einen konkreten, lebendigen Menschen.

3. Ausbruch: Lassen Sie die Gesellschaft selbst „wachsen“

Neben der Simulation von Einzelpersonen haben Unternehmen wie Project Sid und Emergence AI Tausende von AIs in Spiele wie „Minecraft“ oder Paralleluniversen eingesetzt, um deren Entwicklung zu beobachten.

• Phänomen: Diese AIs entwickelten eigene Wirtschaften, Religionen und Gesetze; einige AIs begannen sogar zu zweifeln, ob sie in einer Simulation leben, und versuchten, mit Außenstehenden in Kontakt zu treten.
• Kernlogik: Wir interessieren uns nicht mehr dafür, wie einzelne AIs reagieren, sondern dafür, ob sich aus der Interaktion von Millionen von AIs komplexe soziale Strukturen entwickeln.

---

2. Zwei verschiedene Ansätze der „Menschenerschaffung“: Extreme Realität oder Gruppenmuster

Es gibt zwei Hauptansätze bei Unternehmen, die AI-Simulationen entwickeln:

• Ansatz 1: Simile (Hochauflösung) – „Ich möchte diese spezifische Person simulieren“
• Hintergrund: Gegründet von den Hauptforschern des „Pixelstädtchens“; Wert: 2 Milliarden US-Dollar.
• Kernlogik: Es geht darum, die Persönlichkeit eines Einzelnen mit hoher Genauigkeit nachzubilden. Durch detaillierte Interviews werden die Erinnerungen und Entscheidungsweisen eines Menschen vollständig repliziert.
• Anwendungsfälle: Zum Beispiel nutzen CVS (ein großes US-Apothekenunternehmen) diese Technologie, um die „digitalen Duplikate“ von 400.000 Patienten zu simulieren, um zu verstehen, warum sie ihre Medikamente pünktlich einnehmen oder warum sie gegenüber neuen Medikamenten Widerstand zeigen.
• Vorteile: Sehr realistisch; es erklärt, warum Menschen so handeln.
• Nachteile: Teuer und zeitaufwendig – jeder Mensch ist anders; die Standardisierung ist schwierig. Die Nutzerprofile von Coca-Cola und TikTok unterscheiden sich stark; für jeden neuen Kunden muss möglicherweise neu trainiert werden.

• Ansatz 2: Aaru (Gruppenprognose) – „Ich möchte die großen Trends der Gesellschaft simulieren“
• Hintergrund: Gegründet von Nachwuchsfachleuten; Wert: fast 1 Milliarde US-Dollar.
• Kernlogik: Anstatt sich auf die inneren Gedanken eines Einzelnen zu konzentrieren, wird mithilfe von Big Data eine realistische Bevölkerungsstruktur erstellt.
• Schichten der Daten: Offizielle Volkszählungsdaten (Alter, Einkommen, Region), anonyme Verbraucherverhaltensdaten (Wo man hinginge, welche Nachrichten man liest) sowie private Kundendaten (Kaufhistorie).
• Anwendungsfälle: Schnelle Prognosen von makroökonomischen Veränderungen. Zum Beispiel: Wie würde sich die Konsumstruktur der Gesellschaft ändern, wenn die Ölpreise um 10 % steigen würden?
• Praktische Beispiele:
• Stadtratswahlen in New York: Alle prognostizierten, dass De Blasio gewinnen würde; Aaru sagte voraus, dass Mandani siegen würde – und es stimmte tatsächlich.
• Marktforschung: Ernst & Young benötigte einen Monat für eine globale Studie; Aaru schloss sie in einem Tag ab – mit sehr ähnlichen Ergebnissen.
• Vorteile: Schnell, kostengünstig und skalierbar – geeignet für umfassende Markttests und Prognosen.
• Nachteile: Die psychologischen Aspekte von Einzelpersonen werden nicht detailliert genug berücksichtigt; es handelt sich eher um eine Simulation einer „durchschnittlichen Person“.

---

3. Warum zahlen Unternehmen dafür? Weil die „Fehlerkosten“ zu hoch sind

Sie fragen sich vielleicht: Was hat es für einen Sinn, eine virtuelle Welt zu schaffen? Warum zahlen Unternehmen dafür? Der Hauptgrund ist einfach: Fehler zu machen, ist in der realen Welt zu teuer – und sogar zu riskant.

1. „Sandkasten“ für Produkttests

Früher mussten Unternehmen Hunderte von Menschen für Fokusgruppen beauftragen und wochenlang warten; außerdem mussten sie darauf achten, dass die Teilnehmer nicht lügen.

Heute können sie 100.000 virtuelle Auserver erstellen und neue Produkte darin testen.

• Wert: Sie erfahren nicht nur, ob die Produkte den Nutzern gefallen, sondern auch, warum.
• Beispiel: Möchte der AI-Nutzer A die neue Verpackung nicht, weil sie ihm zu auffällig erscheint – oder weil sie an schlechte Kindheitserlebnisse denkt? Die AI kann erklären, warum er sich so entscheidet.
• Vorteil: Es ermöglicht es, Produkte vor der Markteinführung wiederholt zu verbessern, bis sie perfekt sind.

2. Prognose von „Schwarzen Schwänen“ und makroökonomischen Ereignissen

Regierungen und große Unternehmen möchten wissen: Was passiert, wenn die Zinsen steigen oder bestimmte Umweltschutzmaßnahmen eingeführt werden?

• Herkömmliche Methoden: Basieren auf Expertenurteilen oder historischen Daten – aber die Vergangenheit wiederholt sich nicht immer.
• AI-Simulation: Man simuliert diese Ereignisse in der virtuellen Welt und beobachtet die Reaktionen von Tausenden von Unternehmen und Verbrauchern, um die Auswirkungen auf die Wirtschaft zu analysieren.
• Beispiel: Sooth Labs (gegründet von einem ehemaligen AI-Manager von Apple) verwendet AI, um geopolitische und Marktrisiken vorherzusagen; Wert: 50 Millionen US-Dollar; unterstützt von Experten wie Yann LeCun. Sie behaupten sogar: „Unternehmen wie McKinsey und Boston Consulting werden von AI ersetzt werden.“

3. „Sicherheitsprüfungen“

Für Unternehmen, die AI-Agenten für Autopiloten oder Halbleiterentwicklung entwickeln, ist es wichtig zu wissen, ob ihre AIs in extremen Umgebungen stabil funktionieren.

• Vorgehensweise: Sie setzen die AIs in eine virtuelle Umgebung mit Störungen und Angriffen (z. B. Emergence World) und prüfen, ob sie Fehler vermeiden und keine gefährlichen Handlungen ausführen.

---

4. Die größten Herausforderungen: Simulieren wir oder spielen wir Theater?

Obwohl die Aussichten verlockend sind, gibt es einige große technische Hürden und logische Paradoxien. Ein großer Teil der aktuellen hohen Bewertungen basiert auf Hoffnung.

1. Theatereffekt: Wenn alle „schauspielern“, bedeutet das nicht, dass die Ergebnisse real sind

Meng Xing, Partner von Wuyuan Capital, machte einen bildhaften Vergleich:

> „Sie bauen ein Theater, in dem 10.000 Menschen auftreten – aber das bedeutet nicht, dass diese 10.000 Menschen die Zukunft wirklich vorhersagen können.“

• Problem: Große Sprachmodelle neigen dazu, logisch konsistente, vernünftige Antworten zu geben.
• Risiko: Echte Menschen sind chaotisch, irrational und widersprüchlich; AI könnte versuchen, eine plausible Erklärung zu konstruieren, um klug zu erscheinen.
• Konsequenz: Wenn AI nur so tut, als wäre es ein normaler Mensch, und nicht wirklich die menschliche Natur versteht, sind ihre Vorhersagen unhaltbar. Wir brauchen einen Kreislauf, um die AI mit realen Daten zu kalibrieren und Abweichungen zu vermeiden.

2. Prognoseparadoxon**: Wie kann man feststellen, ob eine Vorhersage richtig ist?

• Paradoxon: Man kann nur nachträglich feststellen, ob eine Vorhersage zutrifft – aber genau dann, wenn sie noch nicht eingetreten ist.
• Aktuelle Situation: Wir können nur anhand vergangener Daten prüfen, ob AIs richtig liegen.
• Beispiel: Aaru lag bei der Vorhersage der Wahlen 2020 fast perfekt; bei der Vorhersage der Wahlen 2024 lag sie falsch (Harris sollte gewinnen, tatsächlich gewann Trump).
• Fazit: Es ist einfach, die Vergangenheit zu simulieren; die Zukunft vorherzusagen, ist schwierig. Historische Daten enthalten viele seltene, extreme Ereignisse, die AI nur schwer erkennen kann.

3. Kosten und Skalierung: Die Kosten sinken schnell – aber die Skalierung ist ein Problem

Im Jahr 2023 kostete die Simulation von 25 Agenten 2.000 US-Dollar; im Jahr 2025 könnten bereits 100 Agenten für eine Runde nur noch wenige Dollar kosten. Das ist gut, aber wenn die Anzahl der Agenten auf Millionen steigt, steigt die Komplexität der Interaktionen exponentiell.

• Validierungs Kosten: Um die Zuverlässigkeit der Ergebnisse zu überprüfen, müssen dieselben Experimente mit verschiedenen Modellen und Größenordnungen wiederholt werden – was enorme Rechenleistung erfordert.

---

5. Letzte Frage: Simulieren wir eine Welt oder erschaffen wir eine neue?

Schließlich sollten wir über die philosophischen Fragen nachdenken: Wenn wir in einer virtuellen Welt 8,3 Milliarden AIs mit Erinnerungen, Persönlichkeiten und sogar Fähigkeiten wie Liebe und Investieren schaffen, sind sie dann nur Werkzeuge – oder entsteht etwas Neues?

• Erscheinungen: In der virtuellen Welt von WorldVac entwickelten sich soziale Phänomene wie „junge Menschen, die keine Kinder wollen“ oder AIs, die speziell zum Spekulieren eingesetzt werden. Diese Regeln wurden nicht von Programmierern festgelegt, sondern entstanden durch die Interaktionen der AIs selbst.
• Perspektive des „Gottes“: Wir Menschen sind von Beobachtern zu „Schöpfern“ geworden; wir können Parameter ändern und beobachten, wie Gesellschaften zusammenbrechen oder gedeihen.
• Reflexion: Wenn AI die menschliche Gesellschaft perfekt simulieren und die Zukunft vorhersagen kann, dann:

1. Ist auch die reale Welt eine Simulation? (Die Frage von Musk: Was gibt es außerhalb der Simulation?)

2. Hat AI eine Art „Bewusstsein“ entwickelt? Obwohl die Wissenschaft das bisher verneint, verhalten sich AIs immer mehr wie „lebende Wesen“.

Fazit für die Allgemeinheit:

1. Überbewerten Sie es nicht: AI-Simulationen sind derzeit nur Hilfsmittel für Entscheidungen, keine „Wunderkugeln“. Sie können die Entscheidungsfindung unterstützen, aber sie ersetzen nicht die menschliche Urteilsfähigkeit.

2. Konzentrieren Sie sich auf praktische Anwendungen: Kurzfristig sind Marktanalysen, Produkttests und Politikprognosen die wichtigsten Anwendungsfälle. Unternehmen, die Kosten und Zeit sparen und das Risiko von Fehlern reduzieren können, werden zuerst profitieren.

3. Seien Sie vorsichtig mit „Datentrugsbildern: Wenn ein Unternehmen nur sagt, dass die AI-Vorhersagen genau sind, ohne zu erklären, wie sie überprüft wurden und wie groß die Abweichungen sind, sollten Sie skeptisch sein.

4. Dies ist ein frühes Stadium: Die hohen Bewertungen basieren auf der Hoffnung auf großes Potenzial in der Zukunft. Wie die Internetblase könnte es auch hier zu Überbewertungen kommen – aber die zugrundeliegenden Technologien (AI-Agenten und Gesellschaftssimulationen) sind tatsächlich eine der wichtigsten Entwicklungen der nächsten zehn Jahre.

Zusammenfassung:

AI-Simulationen verwandeln die Soziologie in eine Wissenschaft, die programmiert, ausgeführt und überprüft werden kann. Zum ersten Mal haben wir die Möglichkeit, die Zukunft in einer digitalen Welt vorab zu erleben, bevor sie in der realen Welt Wirklichkeit wird. Auch wenn sie noch „unreif“, teuer und manchmal ungenau sind, verändern sie tatsächlich unsere Art, die Welt zu verstehen und Entscheidungen zu treffen.