Zusammenfassung der Kerninhalte
In letzter Zeit hat die AI-Branche ein „Wettrennen um das Verschwenden von Geld“ erlebt. Viele Unternehmen verwenden jedoch die „Tokenverbrauchsmenge“ (die Menge an Texten/Daten, die von AI verarbeitet werden) als KPI-Kriterium. Diese Herangehensweise, die nur auf Quantität und nicht auf Qualität achtet, ist genauso absurd wie das Beurteilen der Fähigkeiten eines Kochs anhand des Gasverbrauchs. Eine große Menge an Kapital wird in wertlose AI-Aktivitäten verschwendet. Als die Rechnungen eintrafen, wurden die Unternehmen, die blind dem Trend folgten und nur Geld ausgaben, ohne auf die tatsächlichen Ergebnisse zu achten, endlich gewarnt und begannen, über den wirklichen Wert ihrer AI-Investitionen nachzudenken.
I. Das Wettrennen um das Verschwenden von Geld in der AI-Branche: Wohin geht das Geld eigentlich?
Das Verschwenden von Geld in der AI ist nicht willkürlich – jedoch wird viel Geld an drei Hauptstellen ausgegeben:
1. Rechenleistungskosten: Das Trainieren großer Modelle erfordert Supercomputer (z. B. GPU-Clustern), und eine einzige Ausführung kann Millionen oder sogar Milliarden kosten. Beispielsweise soll OpenAI für das Training von GPT-4 mehrere hundert Millionen Dollar ausgegeben haben – das entspricht dem Wert von Dutzenden privater Flugzeuge. Der größte Teil dieses Geldes geht für Stromkosten und Hardwareverschleiß auf (GPUs erhitzen sich während der Berechnungen stark und benötigen spezielle Kühlsysteme).
2. Entwicklungskosten: Die Gehälter von AI-Engineern sind sehr hoch; Spitzenkräfte verdienen oft Millionen im Jahr. Um Talente zu gewinnen, bieten einige Unternehmen zusätzliche Anreize wie „Unterzeichnungsgelder“ oder Aktienoptionen. Diese Personalkosten können mehr als 30 % der Gesamtausgaben ausmachen.
3. Datenbeschaffung: Für das Trainieren von AI benötigt man große Datenmengen (Bilder, Texte, Videos). Einige Unternehmen kaufen teure, aber minderwertige Daten, um die erforderliche Menge zu erreichen – am Ende sind die trainierten Modelle jedoch nutzlos.
Das Problem ist, dass viele Unternehmen nach dem Geldausgeben keine wirklichen Ergebnisse erzielen: Ihre AI-Produkte „sehen zwar hochentwickelt aus“, werden aber von den Nutzern nur einmal verwendet und danach nicht mehr genutzt oder lösen gar keine echten Probleme.
II. Der Tokenverbrauch als KPI – warum ist das der teuerste Witz der Welt?
„Tokens“ sind im Grunde die „kleinsten Einheiten“, die von AI verarbeitet werden. Wenn man beispielsweise mit ChatGPT chattet, zählt jeder eingegebene Buchstabe oder Satz sowie jede von AI ausgegebene Antwort als Token. Einige Unternehmen verwenden die Gesamtmenge an verbrauchten Tokens als KPI – das ist vergleichbar damit, einen Koch nach dem Gasverbrauch zu beurteilen: Egal, ob das Essen schmeckt oder nicht – wenn viel Gas verwendet wird, gilt der Koch als „gut“. Oder man beurteilt Bergarbeiter danach, wie lange sie eine Schaufel halten; egal, wie viel Kohle sie abbauen, wenn sie die Schaufel lange halten, gelten sie als „gute Bergarbeiter“.
Diese Bewertungsmethode führt zu einem Chaos beim „Token-Spammen“: Unternehmen lassen ihre Mitarbeiter beispielsweise wiederholt Fragen wie „Wie ist das Wetter heute?“ oder „Was ergibt 1+1?“ stellen oder generieren sinnlose Texte (z. B. „Ich liebe AI“), was viel Token verbraucht, aber dem Geschäft keinen wirklichen Nutzen bringt. Am Ende stellt sich heraus, dass Millionen ausgegeben wurden, um nur nutzloses „Zahlenmüll“ zu erhalten.
III. Die „24K-reinen AI-Untertanen“ sind erwacht: Unternehmen, die blind dem Trend gefolgt sind, haben nun klare Gedanken
„AI-Untertanen“ sind solche Unternehmen, die Geld ausgeben, ohne selbst einen Bedarf oder die entsprechenden Fähigkeiten zu haben – sie folgen einfach dem Trend. Beispiele:
- Einige traditionelle Hersteller, die ursprünglich Kleidung herstellen, bauen trotzdem AI-Labore und verschwenden Millionen für diese Investitionen; die entwickelten „AI-Designsysteme“ können nicht einmal einfache Designs erstellen.
- Kleine Unternehmen, die bereits finanzielle Schwierigkeiten haben, leihen sich Geld, um GPU zu kaufen und große Modelle zu entwickeln – am Ende gehen sie bankrott, bevor die Modelle überhaupt fertig sind.
Die Rechnungen haben diese Unternehmen zur Vernunft gebracht: Sie erkennen, dass Geldausgaben keinen Gewinn bringen und nicht einmal Kunden halten. Daher stoppen sie die sinnlosen Investitionen und konzentrieren sich auf „nützliche“ Anwendungen von AI – beispielsweise die Optimierung von Produktionsprozessen oder die Senkung von Kosten.
IV. Ist der Rückgang des „Geldverschwenders“ in der AI-Branche gut oder schlecht?
Kurzfristig könnte das Abkühlen des Wettrennens um das Geld dazu führen, dass einige durch Finanzierung überlebende AI-Unternehmen scheitern. Langfristig ist es jedoch positiv:
1. Entfernung von Blasen: Viele AI-Unternehmen haben früher nur mit „Geschichten“ finanziert; jetzt müssen sie tatsächliche Produkte und Einnahmen vorweisen. Nur die Unternehmen mit echter Technologie und Fähigkeiten, Probleme zu lösen, werden überleben.
2. Rückkehr zur Essenz: Der Wert von AI liegt nicht darin, wie viele Tokens verbraucht werden, sondern darin, welche Probleme sie für die Nutzer lösen können. Beispiele: In der Medizin helfen AI-Systeme Ärzten bei der Auswertung von CT-Bildern, im Bildungswesen unterstützen sie Schüler individuell und in der Industrie helfen sie Fabriken bei der Vorhersage von Maschinenausfällen – das sind wirklich wertvolle Anwendungen.
3. Verringerung von Verschwendung: Unternehmen investieren nicht mehr Geld in sinnlose KPIs, sondern in die tatsächliche Entwicklung und Umsetzung von AI-Lösungen, damit AI zu einem echten Produktivitätswerkzeug wird – und nicht nur zu einem Mittel zum Geldausgeben.
V. Was sollten normale Menschen von diesem „Rückgang des Geldverschwenders“ halten?
Für die Allgemeinbevölkerung ist es keine Sorge:
- Wirklich nützliche AI-Produkte (z. B. intelligente Assistenten, Übersetzungsdienste, medizinische Tools) werden zunehmen und vielleicht auch günstiger werden.
- Produkte, die mehr Show als Funktion sind (z. B. Roboter, die nur chatten können), werden allmählich verschwinden.
- Wenn Sie in die AI-Branche einsteigen möchten, sollten Sie sich nun auf praktische Anwendungen konzentrieren – nicht auf bloße Konzeptualisierungen.
Kurz gesagt: AI ist weder ein „Mythos“ noch ein „Witz“; es handelt sich um ein Werkzeug, das nur dann wertvoll ist, wenn es richtig eingesetzt wird. Der aktuelle Rückgang des Geldauswenders ist eine notwendige Entwicklung, damit AI wirklich in das Leben der Menschen einziehen und tatsächliche Wert schaffen kann.