Dieser Artikel basiert auf einem YouTube-Video, das ich kürzlich gesehen habe, und das mich ehrlich gesagt nicht mehr losgelassen hat. Die Kerninhalte habe ich aufgegriffen, eingeordnet und mit meiner eigenen Perspektive ergänzt.

Ich bin Kfz-Meister. Ich habe Motoren zerlegt, Fahrzeuge repariert, Lehrlinge ausgebildet. Und ich baue gerade eine eigene Software. Das macht mich zu jemandem, der mit einem Fuß in der analogen Werkstattrealität steht, und mit dem anderen in der Welt, in der gerade alles auf den Kopf gestellt wird.

Und genau deshalb sage ich das jetzt: Wir haben auf den falschen Moment gewartet.

Wir haben auf Roboter gewartet, die durch die Tür spazieren. Auf eine KI, die sich ankündigt. Stattdessen ist sie still gekommen. Über einen Browser. Über eine API. Über ein Tool, das man kurz ausprobiert hat und dann irgendwie nicht mehr weggelegt hat.

Die Frage ist nicht mehr, ob künstliche Intelligenz kommt. Sie ist da.

Was “AGI” wirklich bedeutet – und warum das keine Sci-Fi mehr ist

Es gibt gerade einen Streit unter Tech-Leuten darüber, wie man AGI, also “allgemeine künstliche Intelligenz”, definiert. OpenAI hat sich mit Microsoft vertraglich geeinigt: AGI gilt als erreicht, wenn ein System 100 Milliarden Dollar Umsatz macht. Das klingt nach Marketingsprech, weil es das ist.

Google hat das wissenschaftlicher angegangen und AGI in fünf Stufen eingeteilt. Was mich dabei aufgeweckt hat: Wir sind bereits auf Stufe 2. “Competent AGI” nennt sich das, eine KI, die in einer breiten Palette von Aufgaben so gut ist wie ein durchschnittlich kompetenter Mensch, der das gelernt hat.

Konkrete Zahlen dazu:

Das ist kein Labor. Das ist heute.

Der 14-Stunden-Horizont – das hat mich wirklich ruhelos gemacht

Für mich war das hier der Moment, wo ich kurz aufgehört habe zu tippen.

Vor drei Jahren konnte eine KI Aufgaben lösen, für die ein Mensch ungefähr vier Minuten braucht. Eine kurze E-Mail, eine simple Auswertung. Heute, mit Modellen wie Claude Opus, liegt dieser Horizont bei 14,5 Stunden. Das heißt: eine einzige Anfrage an das System kann heute das leisten, wofür ein Mensch fast zwei volle Arbeitstage konzentriert arbeiten müsste.

Prognose für Ende dieses Jahres, wenn der Trend hält: zwölf volle Arbeitstage, pro Anfrage.

Ich sage nicht, dass jetzt alle Jobs weg sind. Ich sage: Die Art, wie wir über Zeitaufwand und Wert nachdenken, bricht gerade auseinander. In der Werkstatt wissen wir das seit Jahrzehnten: eine Stunde Diagnose mit dem richtigen Equipment ist mehr wert als drei Stunden Suchen ohne. Jetzt passiert das gerade mit Denkarbeit.

Die KI lernt im Gespräch, auch ohne Gedächtnis

Wer sagt, die KI “lerne nichts wirklich”, weil sie sich nicht dauerhaft verändert, denkt zu eng. Ich erkläre mir das immer so:

Stell dir vor, ein Lehrling versucht eine neue Diagnose-Methode. Er scheitert. Jemand schreibt genau nach, warum, und ein anderer Lehrling liest das und macht es beim ersten Versuch richtig. Er hat das Prinzip verstanden, nicht die Lösung auswendig gelernt.

Genau so funktioniert das sogenannte “In-Context Learning”. Die KI ändert ihr Grundmodell nicht, aber sie verarbeitet Kontext und Logik in Echtzeit. Und sie tut das erschreckend gut: bei vollständig neuen Logikrätseln, die sie nie gesehen hat, liegt die Erfolgsquote aktueller Modelle bei 70 bis 90 %.

Das ist kein Auswendiglernen. Das ist Verstehen.

Die KI baut gerade ihre eigene Nachfolgegeneration

Das hier klingt abstrakt, ist es aber nicht. OpenAI’s Codex, eines der führenden KI-Programmier-Tools, wird bereits zu 100 % mit Unterstützung von KI entwickelt. Die Modelle schreiben den Code für die nächste Modellgeneration.

Dazu kommt: Statt das System mit den schlechtesten Inhalten des Internets zu trainieren, generiert die KI inzwischen ihre eigenen, qualitativ hochwertigen Trainingsdaten. Sie filtert den Lärm heraus, bevor er reinkommt.

Der Kreislauf hat sich geschlossen. Wir müssen das nicht mögen. Aber wir sollten es wissen.

Daten-Souveränität ist das neue Premium, auch für Betriebe

Was mich als Unternehmer in Deutschland genauso beschäftigt wie die Fähigkeiten der KI: Wer kontrolliert eigentlich was mit meinen Daten?

Es gibt europäische Alternativen. Der Schweizer Anbieter Infomaniak zum Beispiel baut mit seinem KI-Produkt Euria auf Open-Source-Modellen (wie Mistral oder Llama) auf, hält Daten lokal und schickt keine Geschäftsgeheimnisse in globale Trainingsschleifen. Interessantes Randdetail: In Genf nutzt Infomaniak die Abwärme seiner Server, um Wohnungen zu beheizen. Effizienz bis in den letzten Joule.

Für Kfz-Betriebe, die beginnen, KI in Diagnose, Angebotserstellung oder Kundenkommunikation einzusetzen: Die Frage, wo eure Daten landen, ist keine Paranoia. Die ist berechtigt. Und sie hat direkt mit der DSGVO zu tun, auch wenn das viele beim Ausprobieren von KI-Tools zuerst verdrängen. Was ihr als Unternehmer konkret beachten müsst, wenn ihr KI in eurem Betrieb einsetzen wollt, behandle ich im Bereich KI & DSGVO.

Was bleibt, wenn Denkarbeit “kostenlos” wird

Ich will hier nicht philosophisch werden, aber diese Frage stelle ich mir selbst: Was ist ein Abschluss noch wert, wenn dieselbe Analysearbeit für ein paar Cent per API-Aufruf erledigt werden kann?

Ich glaube: Der Wert verschiebt sich von der Produktion zur Urteilskraft. Wer entscheidet, welche Frage gestellt wird? Wer bewertet das Ergebnis? Wer trägt die Verantwortung?

In der Werkstatt war es nie der Diagnose-Computer, der den Fehler behoben hat. Es war der Meister, der verstanden hat, was das Gerät ihm sagt.

Das wird in der digitalen Arbeitswelt genauso gelten.

Die KI ist da. Die echte Frage ist: Was machen wir jetzt damit?

Markus Mangold — Kfz-Meister, Gründer von Torq.Li, Inhaber Zeos83 SocialSolutions