Weißt du noch, wie es sich anfühlt, etwas nicht zu wissen — und es selbst herauszufinden?
Nicht googeln. Nicht fragen. Sondern: nachdenken, suchen, irren, weitermachen. Das Gefühl wenn sich etwas zusammensetzt, langsam, aus eigenem Antrieb. Es ist noch nicht lange her, dass das normal war. Es fühlt sich trotzdem an wie eine andere Zeit.
Wir haben uns daran gewöhnt, Antworten zu bekommen bevor wir die Frage zu Ende gedacht haben. Das passiert nicht durch Zwang. Es passiert durch Nützlichkeit — und das ist das Tückische daran. Niemand hat uns überredet. Wir haben es selbst gewählt, jeden Morgen neu, weil es funktioniert. Weil es schneller ist. Weil es gut genug ist. Und irgendwo in diesem „gut genug" liegt der Anfang von etwas, über das kaum jemand laut nachdenkt.
Künstliche Intelligenz ist gerade dabei, sich in Workflows einzuschreiben, in Entscheidungsprozesse, in Alltagsroutinen — still, fast unsichtbar, immer mit dem Versprechen von Effizienz. Unternehmen bauen Prozesse auf Systemen auf, die sie nicht kontrollieren. Einzelpersonen delegieren Denkvorgänge, die sie früher selbst durchgeführt hätten. Das fühlt sich nach Fortschritt an. Und vielleicht ist es das auch — teilweise. Aber Fortschritt und Abhängigkeit schließen sich nicht aus. Sie wachsen oft zusammen.
Die Frage ist nicht ob KI nützlich ist. Die Frage ist: zu welchem Preis, und wer setzt ihn fest?
Wer die Mathematik hinter dieser Industrie auch nur oberflächlich betrachtet, stößt schnell auf ein Unbehagen das sich nicht wegargumentieren lässt. Die großen Anbieter — Microsoft, Google, Amazon, Anthropic, Open AI — haben in den letzten Jahren Hunderte Milliarden Dollar in Infrastruktur investiert. Rechenzentren, Kraftwerke, Chips. Eine Wette auf die Zukunft in einem Ausmaß, das in der Technologiegeschichte kaum Vergleichbares hat.
Diese Investitionen müssen sich rentieren. Das ist keine Vermutung, das ist Arithmetik.
Und jetzt rechne kurz mit: Ein Großteil der Menschen, die KI-Systeme täglich nutzen, zahlt nichts. Die, die zahlen, zahlen zwanzig Euro im Monat. Die Infrastruktur dahinter kostet ein Vielfaches davon. Die Hardware in diesen Rechenzentren — spezialisierte Prozessoren, die an der Grenze des physikalisch Machbaren operieren — ist in zwei, drei Jahren veraltet und muss ersetzt werden. Der Investitionszyklus hört nicht auf. Es gibt keine Schwelle nach der sich alles amortisiert hat und die Preise sinken können.
Das ist kein Geschäftsmodell. Das ist Marktaufbau.
Lock-in funktioniert nicht durch Schlösser. Es funktioniert durch Gewohnheit, durch eingewachsene Prozesse, durch die schleichende Unmöglichkeit zurückzugehen. Wer seinen Unternehmensworkflow auf einem dieser Systeme aufgebaut hat — Texte, Analysen, Kundenkorrespondenz, Entscheidungsvorbereitung — hat nicht nur ein Werkzeug integriert. Er hat eine Abhängigkeit geschaffen. Und Abhängigkeiten haben Preise.
Der Moment in dem diese Preise sichtbar werden, kommt nicht als Ankündigung. Er kommt als schleichende Verschiebung. Was heute im kostenlosen Tarif enthalten ist, wird morgen Premium. Was heute zwanzig Euro kostet, kostet in drei Jahren das Fünffache — und dann ist der Wechsel teurer als die Erhöhung. Das kennen wir. Von Softwarelizenzen, von Cloud-Diensten, von Plattformen die erst kostenlos waren und dann unverzichtbar.
KI ist nicht anders. Es ist nur größer.
Besonders laut sind gerade die, die das nicht sehen wollen — oder es nicht sehen dürfen, weil ihr Geschäftsmodell davon abhängt, dass andere es auch nicht sehen. Die Kurse, die Webinare, die LinkedIn-Posts: Wie du mit KI in drei Monaten dein Einkommen verdoppelst. Sie verkaufen Werkzeuge deren Fundament sie nie hinterfragt haben. Sie bauen auf Sand und nennen es Strategie.
Das Problem dabei ist nicht nur die Naivität. Es ist die Weiterverbreitung. Wer so denkt und andere so denken lässt, beschleunigt genau die Abhängigkeit, die er selbst nicht sieht.
Aber es geht um mehr als Geld.
Es gibt eine subtilere Form von Verlust, über die noch weniger gesprochen wird. Wenn Systeme übernehmen was wir früher selbst gedacht haben — nicht nur recherchiert, sondern wirklich gedacht, strukturiert, in Frage gestellt — verkümmert etwas. Nicht sofort. Nicht spürbar. Aber stetig.
Fähigkeiten die nicht genutzt werden, erodieren. Das gilt für Muskeln, für Sprachen, für Denkgewohnheiten. Wer aufhört selbst zu formulieren, verliert das Gespür für Sprache. Wer aufhört selbst zu strukturieren, verliert das Gespür für Argumentation. Wer jede Unsicherheit sofort auflösen lässt, verliert die Toleranz für das Nicht-Wissen — und damit einen der wichtigsten Motoren für echtes Lernen.
Das ist keine Kulturkritik. Es ist eine praktische Beobachtung.
Was also tun?
Das wäre die falsche Frage — zumindest als Erwartung an diesen Text. Es gibt keine saubere Antwort, keine Liste von Maßnahmen die das Problem lösen. Wer das erwartet, hat das Ausmaß noch nicht verstanden.
Was es gibt, ist eine Haltung. Die Entscheidung, die Abhängigkeit zu kennen bevor sie entsteht. Zu wissen welche Teile des eigenen Denkens, des eigenen Arbeitens, des eigenen Urteilens man bereit ist abzugeben — und welche nicht. Lokale Modelle zu kennen als echte Alternative, nicht als Dogma. Token-Effizienz nicht als Sparmaßnahme, sondern als Denkprinzip: Was brauche ich wirklich, was ist Rauschen?
Und die Bereitschaft, unbequeme Fragen nicht delegieren zu lassen.
Hier sind die Zahlen. Hunderte Milliarden investiert. Hardware die in drei Jahren veraltet ist. Preise die sich heute nicht rechnen. Abhängigkeiten die täglich tiefer wachsen. Nutzer die nicht zahlen, Nutzer die zu wenig zahlen, Infrastruktur die trotzdem weitergebaut wird.
Irgendwann muss diese Rechnung aufgehen.
Wer sie bezahlt, und zu welchen Bedingungen — das wird gerade still entschieden. Nicht in Parlamenten. Nicht in öffentlichen Debatten. In Serverfarmen, Investorenrunden und Produktentscheidungen, die weit weg sind von dem Moment in dem du morgens dein Gerät aufklappst und fragst.
Weißt du noch, wie es sich anfühlt, etwas nicht zu wissen?
Halt das fest.