9 Minuten
Eine Vorstellung: Gerichtssäle und Krankensäle der Zukunft
Stellen Sie sich einen Gerichtssaal vor, in dem ein junger Assistent in Sekundenschnelle die komplette Aktenhistorie herbeizaubert. Oder eine Krankenhausstation, auf der das Tablet einer Ärztin jede Interaktion, mögliche Medikamentenwechselwirkungen und relevante Studien sofort überprüft. Leise, effizient. Beängstigend? Vielleicht.
Solche Szenen sind längst keine reine Science-Fiction mehr: Fortschritte in der Künstlichen Intelligenz (KI), insbesondere bei großen Sprachmodellen und Retrieval-Systemen, ermöglichen genau diese Art von Echtzeitwissen. Geschwindigkeit, Vollständigkeit und Zugänglichkeit verändern die Erwartungen von Klienten, Patientinnen und Kundinnen grundlegend.
Raoul Pal: Eine provokante These
Raoul Pal — Mitbegründer und CEO von Real Vision und ehemaliger Leiter des europäischen Verkaufs für Hedgefonds bei Goldman Sachs — formulierte auf dem Podcast The Diary of a CEO eine provokante Behauptung: Künstliche Intelligenz sei dabei, gespeichertes Wissen praktisch wertlos zu machen. Er ging noch weiter und nannte KI die bedeutsamste Erfindung der Menschheit bisher, nur übertroffen durch die Spaltung des Atoms in ihrer Tragweite. Diese Aussage erzeugte Aufmerksamkeit; wichtiger noch ist jedoch seine Interpretation dessen, was passiert, wenn Wissen seine Knappheit verliert.
Warum Knappheit eine Rolle spielt
Warum spielt Knappheit überhaupt eine Rolle? Weil Märkte und Berufe darauf aufgebaut sind. Juristinnen und Juristen, Fachspezialisten, Beraterinnen und einige Ärztinnen verlangen hohe Honorare, weil sie Zugang zu schwer zugänglichen Informationen und jahrelang geschärfter Mustererkennung bieten. Diese Experten haben das implizite Versprechen, weniger offensichtliche Risiken zu sehen, relevante Präzedenzfälle zu erkennen oder subtile diagnostische Differenzen zu bemerken.
Wenn große Sprachmodelle plötzlich juristische Präzedenzfälle abrufen, klinische Forschung zusammenfassen oder Marktstatistiken in einem Augenblick konsolidieren können, bricht die Prämie zusammen, die allein an das Besitzen von Fakten gebunden ist. Die Information wird zur Ware, zur Infrastruktur — vergleichbar mit Elektrizität oder Internetzugang. Das hat weitreichende Konsequenzen für Preismodelle, Berufsrollen und die Organisation von Wissen in Unternehmen.
Wie KI als Referenzbibliothekar fungiert
Man kann sich KI als einen unerschöpflichen Referenzbibliothekar vorstellen — aber einen, der wie ein Mensch spricht und lernt, was Sie fragen. Werkzeuge wie ChatGPT, Gemini und Claude können Zusammenfassungen erstellen, Arzneimittelinteraktionen markieren, Rechtsargumente skizzieren und Unternehmensberichte analysieren — oft binnen Sekunden. Der technische Aufbau hinter diesen Fähigkeiten kombiniert große Sprachmodelle mit Retrieval-Augmented-Generation (RAG), Wissensdatenbanken, Vektorsuchsystemen und spezialisierter feinkörniger Feinabstimmung.
Aus praktischer Sicht bedeutet das: Für viele Routineaufgaben schlagen Geschwindigkeit und Verfügbarkeit traditionelle Torwächter der Expertise. Ein Anwalt, der früher Stunden in Bibliotheken oder Datenbanken verbrachte, kann nun auf eine KI zurückgreifen, die relevante Passagen und Argumentationslinien sofort zusammenfasst. Eine Ärztin kann sekundenschnell Studien und Wechselwirkungswarnungen abrufen, um erste Hypothesen zu verifizieren.
Technische Einschränkungen und Risiken
Die Realität ist komplexer als die Metapher des perfekten Bibliothekars. Große Sprachmodelle haben Schwächen: sie neigen zu Halluzinationen (falsche oder erfundene Antworten), können veraltete oder fehlerhafte Daten reproduzieren und sind sensibel gegenüber dem Design von Eingaben (Prompt-Engineering). Außerdem hängt die Qualität der Ausgabe stark von der Qualität und Aktualität der zugrundeliegenden Datenquellen ab. Deshalb entstehen parallel Technologien wie Quellenverifikation, Chain-of-Thought-Explaining und Integrationen mit verifizierten Datenbanken, um Zuverlässigkeit zu erhöhen.
Regulatorische und rechtliche Fragen verstärken die Unsicherheit. Datenschutz, Haftungsfragen bei falschen Empfehlungen, medizinische Zulassungsverfahren sowie Urheberrechtsfragen im Kontext von KI-generierten Texten sind aktive Bereiche der politischen und juristischen Auseinandersetzung.
Welche Werte bleiben knapp?
Die Gegenposition zu Raoul Pals These ist nicht, dass Wissen unwichtig wird, sondern dass Menschen nicht nur für Daten bezahlen. Sie bezahlen für Urteil in Stresssituationen, für moralische und rechtliche Verantwortung und für praktische Erfahrung, wenn etwas schiefgeht. Es besteht ein Unterschied zwischen dem Erhalt eines Research-Briefs und dem Moment, in dem jemand die Verantwortung übernimmt, die Unterlagen unterschreibt und haftbar gemacht werden kann, wenn eine Entscheidung scheitert.
Wenn Information billig wird, ist Ihr Vorteil Urteil, Timing und Verantwortung.
Konkrete knappe Güter
- Urteil in Situationen mit Unsicherheit und Ambiguität (komplexe ethische Entscheidungen, strategische Weichenstellungen).
- Timing und situatives Entscheiden (Know-how, wann Informationen in einer Sequenz angewendet werden müssen).
- Reputation und haftbare Verantwortung (Signaturpflichten, persönlich übernommene Gewährleistung).
- Beziehungs- und Kommunikationsfähigkeiten (Verhandeln, Überzeugen, Vertrauen aufbauen).
Diese Fähigkeiten sind schwer zu automatisieren, weil sie häufig menschliche Intuition, Vertrauen und institutionelle Verantwortung voraussetzen. Auch wenn KI als Assistenzsystem diese Prozesse unterstützen kann, bleibt die finale Verantwortung oft beim Menschen — zumindest solange rechtliche Rahmen und Kundenerwartungen dies verlangen.
Wirtschaftliche Implikationen: Von Informationsbündeln zu Ausführungsdienstleistungen
Praktisch gesehen sieht die Verschiebung weniger nach kompletter Obsoleszenz aus als nach einer Neuausrichtung. Wissensspeicher werden zu Versorgungsinfrastrukturen. Ausführung, Beziehungspflege und Vertrauen werden zur knappen Ressource. Firmen, die Information lediglich horten, werden Margendruck erleben. Unternehmen, die Erkenntnisse in umsetzbare Entscheidungen, durchsetzbare Prozesse und persönliche Verantwortung verpacken, behalten oder erhöhen ihren Wert.
Neue Geschäftsmodelle entstehen an dieser Schnittstelle: Abonnements für verifizierte, aufbereitete Daten; „human-in-the-loop“-Beratung, die KI-Ausgabe validiert und garantiert; Haftungsmodelle, bei denen Anbieter Teilverantwortung übernehmen; und hybride Teams, in denen Expertinnen KI-gestützte Scans durchführen und Menschen die finale Bewertung und Kommunikation leisten.
Preismodelle und Monetarisierung
Erwartete Veränderungen der Preisstruktur umfassen:
- Sinkende Preise für reine Rechercheprodukte und Informationsabonnements.
- Höhere Preise für End-to-End-Verantwortungsleistungen (z. B. notarielle Prüfung, chirurgische Entscheidungsträger, Compliance-Garantien).
- Verlagerung hin zu nutzungsabhängigen, outcome-orientierten Abrechnungen, bei denen Anbieter an Erfolg oder getroffenen Entscheidungen partizipieren.
Was Fachleute tun sollten: Anpassung statt Widerstand
Wo lässt das die Berufstätigen? Anpassung ist notwendig. Diejenigen, die lernen, mit KI als Kollaborateur zu arbeiten statt als Konkurrent, werden Vorteile haben. Reputationskapital — Glaubwürdigkeit, Vertrauen, nachweisbare Erfolge — gewinnt an Wert. Fähigkeiten, die Maschinen schwer imitieren, sollten gezielt ausgebaut werden: komplexe ethische Abwägungen, zwischenmenschliche Verhandlungssituationen und die vollständige Verantwortung für Prozesse von Anfang bis Ende.
Konkrete Schritte zur Integration
- Technologische Integration: Implementieren Sie KI-gestützte Werkzeuge als First-Responder für Recherche, wobei Menschen die Verifikation und finale Autorisierung übernehmen.
- Organisatorische Anpassung: Entwickeln Sie Prozesse, in denen KI-Ergebnisse systematisch geprüft werden (Human-in-the-Loop) und klare Haftungs- sowie Eskalationspfade bestehen.
- Aus- und Weiterbildung: Schulen Sie Mitarbeiterinnen in kritischem Umgang mit KI, Prompt-Engineering, Datenqualität und in Kommunikationstechniken.
- Reputationsmanagement: Investieren Sie in Marken-, Vertrauens- und Rechtskapital; dokumentieren Sie Entscheidungen und Verantwortungsübernahmen sichtbar für Klienten.
- Produktinnovation: Verpacken Sie Wissen als Service mit konkreten Garantien, SLA (Service Level Agreements) und Haftungsklauseln.
Diese Schritte sind nicht nur defensiv; sie eröffnen Chancen. Wer früh beweist, dass er KI sicher, transparent und verantwortungsvoll einsetzt, wird neue Kundensegmente anziehen, die Geschwindigkeit und Zuverlässigkeit priorisieren.
Regulierung, Ethik und Haftung
Mit dem technologischen Wandel kommen Fragen der Regulierung und ethischen Verantwortung. Legislative Rahmen, Aufsichtsbehörden und Berufsverbände prüfen bereits, wie Haftung und Zulassungen bei KI-gestützten Entscheidungen ausgestaltet werden müssen. Wichtige Themen sind:
- Verantwortlichkeit: Wer haftet, wenn eine KI-gestützte Empfehlung Schaden verursacht?
- Transparenz: Wie lassen sich Quellen und Entscheidungswege nachweisen?
- Bias und Fairness: Wie werden systematische Verzerrungen in Trainingsdaten erkannt und korrigiert?
- Datenschutz: Wie werden personenbezogene Daten geschützt, wenn KI Modelle trainiert oder abgefragt werden?
Unternehmen, die proaktiv Governance-Strukturen implementieren — inklusive Audit-Trails, Änderungsprotokollen und unabhängigen Prüfungen — werden regulatorische Risiken mindern und zugleich Vertrauen bei Kundinnen aufbauen.
Technische Tiefe: Wie Modelle Wissen verarbeiten
Die technische Funktionsweise beeinflusst die praktische Anwendung. Große Sprachmodelle (Large Language Models, LLMs) basieren auf neuronalen Netzwerken, die Muster in riesigen Textkorpora lernen. Für den produktiven Einsatz sind häufig folgende Komponenten nötig:
- Retrieval-Systeme: Suchen und Bewerten relevanter Dokumente aus firmeneigenen oder öffentlichen Quellen.
- Vektordatenbanken: Ermöglichen semantische Suche und Ähnlichkeitsabfrage.
- Fine-Tuning & Prompting: Anpassung der Modelle an domänenspezifische Sprache und gewünschte Antwortstile.
- Verifikationsschichten: Cross-Checking gegen verifizierte Quellen, Quellenangaben und Confidence-Metriken.
Das Zusammenspiel dieser Komponenten bestimmt, ob eine KI-Anwendung lediglich ein schnelles Antwortwerkzeug bleibt oder zu einer belastbaren Entscheidungsunterstützung wird.
Wer gewinnt, wer verliert?
Prognosen sind nie absolut, aber einige Tendenzen lassen sich erkennen. Branchen und Tätigkeiten, die stark informationsgetrieben und wiederholbar sind, sind anfälliger für Preisverfall. Bereiche mit hoher Verantwortungsdichte, komplexer ethischer Abwägung und intensivem Beziehungsaufwand behalten Vorteile:
- Gefährdete Bereiche: Standardisierte Recherchetätigkeiten, einfache Berichtserstellung, Basisanalyse.
- Resiliente Bereiche: Komplexe Rechtsfälle mit hoher Präzedenzwirkung, spezialisierte klinische Entscheidungen, Führungs- und Strategieberatung.
Eine differenzierte Sicht zeigt: Nicht alle Aufgaben verschwinden; sie wandeln sich. Der Markt differenziert stärker zwischen Rohinformation und verlässlicher, kontingenter Anwendung dieser Information.
Fazit: Wenn Daten zur Handelsware werden
Raoul Pals Aussage ist eine Provokation. Sie zwingt Fachleute und Firmen, eine Frage nicht länger aufzuschieben: Wenn Daten zur Ware werden, was verkaufen Sie dann? Die Antwort liegt nicht ausschließlich in technischer Aufrüstung. Sie liegt in der Kombination aus technologischer Kompetenz, organisationaler Gestaltung, ethischer Verantwortung und der Bereitschaft, persönliche Haftung zu übernehmen, wo es nötig ist.
Die KI-Revolution wird nicht nur Arbeitsplätze verändern — sie verändert die Wertschöpfungskette von Wissen selbst. Wer professionell und strategisch reagiert, wird nicht nur bestehen, sondern neue, werthaltige Angebote schaffen. Wer dies versäumt, könnte zusehen, wie ihre oder seine Kompetenzen zu einer austauschbaren Infrastruktur verflachen.
Die zentrale Herausforderung lautet: Informationen sind bald überall verfügbar; bauen Sie Ihr Geschäft um das herum, was Maschinen nicht über Nacht liefern können — Urteilskraft, Timing, vertrauenswürdige Verantwortung und menschliche Beziehungspflege.
Raoul Pals These bleibt ein Weckruf: Wenn Information zur Commodity wird — was werden Sie verkaufen?
Quelle: smarti
Kommentar hinterlassen