KI verdoppelt sich alle 7 Monate. Dein Unternehmen nicht.
Exponentielles Wachstum klingt abstrakt — bis du die Zahlen siehst. Was Kurzweil, Epoch AI und der Kostenverfall der letzten zwei Jahre für den Mittelstand bedeuten. Und warum die Kurve allein gar nichts bringt.
30 Schritte
Ich starte meine Keynotes manchmal mit einer einfachen Frage: Wie weit kommst du in 30 Schritten?
Die lineare Antwort ist trivial: 30 Meter. Ein kurzer Spaziergang.
Die exponentielle Antwort ist absurd: 1 Milliarde Meter. 26 Mal um den Planeten.
Das ist keine Mathematikspielerei. Das ist die Realität der KI-Entwicklung, in der wir gerade leben. Und der Grund, warum fast jede Prognose über KI falsch liegt — sie rechnet linear, während die Technologie exponentiell liefert.
Ray Kurzweil hat das in seinem Buch The Singularity Is Nearer (2024) auf den Punkt gebracht: Wir befinden uns auf der zweiten Hälfte des Schachbretts. Die erste Hälfte war beeindruckend, aber handhabbar — 4 Milliarden Reiskörner. Die zweite Hälfte bringt 18,4 Trillionen — genug, um die Erdoberfläche zweimal zu bedecken. Jede einzelne Verdopplung wird jetzt transformativ.
Das Problem: Unser Gehirn kann das nicht. Der Physiker Albert Bartlett hat seinen berühmten Vortrag über exponentielles Wachstum 1.742 Mal gehalten und dabei immer den gleichen Satz gesagt: "The greatest shortcoming of the human race is our inability to understand the exponential function."
Er hat recht. Und genau deshalb treffen so viele Unternehmen die falschen Entscheidungen.
Die Zahlen, die alles verändern
Kurzweils Law of Accelerating Returns klingt theoretisch. Die aktuellen Daten von METR und Epoch AI machen es konkret: KI-Fähigkeiten verdoppeln sich etwa alle sieben Monate. Mit einem R-squared von 0,97 — das ist kein Rauschen, das ist ein Trend.
Was das in der Praxis bedeutet:
Coding — Die besten KI-Modelle haben im HumanEval-Benchmark 2020 exakt 0 % erreicht. 2024: 96,3 %. Von null auf fast perfekt in vier Jahren.
Mathematik — Der MATH-Benchmark startete 2021 bei 6,9 %. Heute erreicht o3 von OpenAI 96,7 %. Zum Vergleich: Ein menschlicher Mathematik-Olympiade-Goldmedaillengewinner schafft 90 %. KI übertrifft ihn.
Medizin — GPT-3.5 lag beim US-Medizinexamen (USMLE) bei rund 50 % — knapp am Durchfallen. o1 erreicht 96,5 %. In weniger als zwei Jahren.
Jura — GPT-3.5 lag beim Bar Exam im 10. Perzentil. GPT-4 im 90. Perzentil. Gleicher Hersteller, ein Modellsprung.
Und dann die Kosten. Sam Altman sagte im Februar 2025: "Cost falls 10x every 12 months. Moore's Law was 2x every 18 months." Die KI-Kostenkurve ist also fünfmal steiler als das, was die gesamte Computerindustrie in den letzten 50 Jahren erlebt hat.
Konkret: Eine KI-API, die im November 2022 noch 20 Dollar pro Million Tokens kostete, kostet im Oktober 2024 noch 7 Cent. 280-mal billiger. In zwei Jahren.
Transkription: 1.500 Dollar für 1.000 Minuten mit einem menschlichen Dienstleister. 70 Cent mit Groq Whisper. Faktor 2.843.
Übersetzung: 20 Cent pro Wort beim Übersetzer. 0,02 Cent bei GPT-4o mini. Faktor 1.000.
Und die Adoptionsgeschwindigkeit? ChatGPT erreichte 50 Millionen Nutzer in 2 Monaten. Das Telefon brauchte 75 Jahre. Das Radio 38. Das Internet 4. Von der Erfindung zur breiten Business-Nutzung brauchte die Dampfmaschine 80 Jahre, die Elektrizität 47, der PC 15. Generative KI: etwa 3 Jahre.
Warum Experten fast immer falsch liegen
Das Verrückte ist: Nicht nur Laien unterschätzen exponentielles Wachstum. Die Experten tun es auch.
2015 wurden KI-Forscher auf den wichtigsten Machine-Learning-Konferenzen gefragt, wann KI den Menschen im Brettspiel Go schlagen würde. Die Konsensantwort: "Um 2027." AlphaGo schlug Lee Sedol im März 2016 — elf Jahre vor dem Konsens. Wired hatte Go 2014 noch als "the mysterious game that computers can't win" bezeichnet und mindestens zehn weitere Jahre angesetzt. Es dauerte zwei.
Kurzweil selbst hat eine bemerkenswerte Trefferquote: 86 % seiner 147 Vorhersagen sind eingetreten. 1990 prognostizierte er, ein Computer würde den Schachweltmeister bis 2000 schlagen — Deep Blue besiegte Kasparov 1997.
Aber die wirklich lehrreichen Geschichten kommen von den Nicht-Technikern:
Steve Ballmer, Microsoft-CEO (2007): "There's no chance that the iPhone is going to get any significant market share." Apple erreichte 40 % US-Marktanteil.
Robert Metcalfe, Erfinder von Ethernet (1995): "The Internet will catastrophically collapse in 1996." Er war so falsch, dass er seine eigene gedruckte Kolumne vor Publikum gemixt und getrunken hat.
Und das frischeste Beispiel: Chegg, 2023. Das Lehrbuch-Unternehmen verlor 50 % seines Börsenwerts an einem einzigen Tag — am 2. Mai 2023 — als der CEO zugab, dass ChatGPT das Neukundenwachstum zerstörte. Nur fünf Monate nach ChatGPTs Launch. Von 14,5 Milliarden Dollar Bewertung auf über 95 % Verlust. Ihr Rettungsversuch, ein GPT-4-Wrapper namens "CheggMate", scheiterte, weil Studenten das Original kostenlos nutzen konnten.
Die Chegg-Warnung
Chegg ist nicht an schlechter Technologie gescheitert. Chegg ist daran gescheitert, dass sie exponentiellen Wandel linear eingeschätzt haben. Sie dachten, sie hätten Jahre. Sie hatten Monate.
Die S-Kurve-Frage: Flacht die Entwicklung ab?
Aber ist das wirklich exponentiell? Oder erleben wir den oberen Teil einer S-Kurve, die bald abflacht?
Die Frage ist berechtigt — und die ehrliche Antwort ist: Wir wissen es nicht sicher.
Eine arXiv-Studie (2602.04836) hat gezeigt, dass ein Sigmoid-Modell statistisch besser auf die Daten passt als METRs Exponentialmodell. Die These: Basismodell-Fähigkeiten könnten ihren Wendepunkt im November 2024 überschritten haben. Die historische Analogie: Die Mondlandung. Rasanter Fortschritt in den 1960ern — dann Jahrzehnte Stagnation.
Kurzweil würde widersprechen. Sein Argument: Das Law of Accelerating Returns gilt nicht nur für eine Technologie, sondern für die gesamte Informationsverarbeitung. Wenn Transistoren an ihre physikalischen Grenzen stoßen, werden sie durch neue Technologien ersetzt — genau wie Vakuumröhren durch Transistoren ersetzt wurden. Die Kurve hat sich in 140 Jahren nie abgeflacht.
Meine Einschätzung: Für die strategische Planung eines Mittelstandsunternehmens ist die Debatte fast irrelevant. Selbst wenn die Kurve sich abschwächt, ist die bereits erreichte Geschwindigkeit so hoch, dass sie jede Branche transformiert. Ob sich KI-Fähigkeiten alle 7 oder alle 14 Monate verdoppeln — der Effekt auf dein Geschäftsmodell ist in beiden Fällen massiv.
Der Exponential Gap: Wo das echte Problem liegt
Und hier wird es für den Mittelstand wirklich relevant.
Azeem Azhar hat in seinem Buch Exponential Age einen Begriff geprägt, der es perfekt trifft: den Exponential Gap. Die Lücke zwischen der Geschwindigkeit, mit der sich Technologie entwickelt, und der Geschwindigkeit, mit der sich Organisationen anpassen können.
KI-Modelle verdoppeln sich alle 7 Monate. Unternehmenskultur, Regulierung, Workforce-Readiness — die können sich nicht alle 7 Monate verdoppeln. Genehmigungsverfahren, Betriebsvereinbarungen, Schulungsprogramme, Change Management — das sind keine exponentiellen Kurven. Das sind langsame, lineare, manchmal starre Systeme.
Die Zahlen belegen es: 36 % der deutschen KMU nutzen KI-Tools. Aber nur 5 % sehen messbaren ROI. Das ist kein Technologieproblem. Das ist ein Umsetzungsproblem.
McKinsey bestätigt: 78 % der Unternehmen nutzen KI in mindestens einer Funktion. Aber nur 1 % betrachten ihre KI-Strategie als "ausgereift".
Exponentiell ist nur die Technologie
Exponentielles Wachstum ist eine Technologie-Kurve. Business-Erfolg erfordert eine andere Kurve: organisatorische Readiness. Die 36-%-vs.-5-%-Lücke schließt sich nicht durch bessere Modelle. Sie schließt sich durch bessere Organisationen.
Kurzweil schreibt in The Singularity Is Nearer: "In the early 2020s we entered the sharply steepening part of the exponential curve." Das stimmt für die Technologie. Für die meisten Unternehmen gilt eher: Sie stehen noch am Anfang der Lernkurve — und die steilt sich nicht von allein auf.
Was das für dein Unternehmen bedeutet
Was folgt daraus? Nicht Panik. Nicht Aktionismus. Aber auch nicht Abwarten.
Drei Dinge:
Erstens: Rechne nicht linear. Wenn du heute planst, was KI in zwei Jahren kann, nimm das, was du heute siehst, und multipliziere es. Nicht addiere. Die Chegg-Geschichte zeigt, was passiert, wenn du denkst, du hättest Jahre. Du hast Monate.
Zweitens: Die Technologie ist nicht dein Engpass. KI wird schneller, besser und billiger — das passiert mit oder ohne dich. Dein Engpass ist die Organisation: Kultur, Kompetenz, Prozesse, Governance. Es gibt keine Wunder — KI-Erfolg im Mittelstand ist harte Arbeit.
Drittens: Starte mit dem Exponential Gap. Frage dich nicht: "Welches KI-Tool sollen wir kaufen?" Frage dich: "Wo ist die Lücke zwischen dem, was KI kann, und dem, was unsere Organisation nutzen kann? Und wie schließen wir sie?"
Die Technologiekurve steilt sich auf. Deine Aufgabe ist nicht, die Kurve zu reiten. Deine Aufgabe ist, deine Organisation so aufzustellen, dass sie mit der Kurve mitwächst — oder zumindest nicht abgehängt wird.
Kurzweil endet sein Buch mit dem Satz: "These are the most exciting and momentous years in all of history."
Er hat recht. Aber aufregend und bedeutsam ist nicht das Gleiche wie einfach.
KI-Strategie für dein Unternehmen
Du willst verstehen, wo dein Unternehmen auf der Exponentialkurve steht — und wie du den Exponential Gap schließt? In einem 30-Minuten-Gespräch schauen wir uns an, wo du stehst und was der nächste konkrete Schritt ist.
FAQ: KI im Mittelstand
Was bedeutet exponentielles Wachstum bei KI konkret? +
Was ist das Law of Accelerating Returns? +
Flacht die KI-Entwicklung ab? +
Was ist der Exponential Gap? +
Wie schnell wurde KI im Vergleich zu früheren Technologien adoptiert? +
Keynote Speaker, KI-Experte und Unternehmer mit mehr als 20 Jahren Erfahrung. Mit über 600 Vorträgen im deutschsprachigen Raum, als ehemaliger Bundesvorsitzender der Jungen Unternehmer und Aufsichtsrat einer Genossenschaftsbank verbindet er unternehmerisches Denken mit konkreter KI-Expertise.