Fünf Paradoxien der Künstlichen Intelligenz

Autor: Yan Deli, Senior Expert bei Tencent, Tencent Research Institute

Wir leben im Zeitalter der Künstlichen Intelligenz, das voller Paradoxien ist – Vorhersageparadox, Beschäftigungsquantifizierungsparadox, Produktivitätsparadox, Datenwertparadox, Industrie-Revolution-Paradox... Wir schreiten inmitten dieser Paradoxien voran.

Vorhersageparadox

Die Zukunft der Künstlichen Intelligenz scheint für die Menschen immer unvorhersehbar zu sein, egal ob es sich um Turing-Preisträger, Nobelpreisträger oder Unternehmer handelt. Sie treffen oft unrealistische oder zu konservative Einschätzungen. Dies ist das Vorhersageparadox der Künstlichen Intelligenz. Historisch gesehen haben Pioniere wie Marvin Minsky, Allen Newell und Herbert Simon verblüffende Vorhersagen getroffen. Zum Beispiel sagte Marvin Minsky 1970: "In drei bis acht Jahren werden wir eine Maschine mit durchschnittlicher menschlicher Intelligenz haben." Bis heute arbeiten wir noch daran. Geoffrey Hinton, eine der einflussreichsten Figuren der heutigen Zeit, wird als "Vater der KI" bezeichnet. Er sagte 2016 voraus: "Die Ausbildung von Radiologen sollte sofort eingestellt werden. Es ist offensichtlich, dass die Leistung des Deep Learning innerhalb von fünf Jahren die der Radiologen übertreffen wird." Dies ist nicht wahr geworden, und die Realität hat sich in die entgegengesetzte Richtung entwickelt, da die Zahl und das Einkommen der Radiologen in den USA in den letzten zehn Jahren erheblich gestiegen sind. Demis Hassabis, der Hinton gleichgestellt ist, äußerte 2025: "In den nächsten zehn Jahren könnte KI helfen, alle Krankheiten zu heilen." Als einer der erfolgreichsten KI-Unternehmer glaubt Amodi 2025, dass KI die menschliche Lebensspanne in 5-10 Jahren verdoppeln kann. Auf die jüngsten Vorhersagen sind wir gespannt. Dies sind die Vorhersagen der sechs bekanntesten Persönlichkeiten. In Bezug auf das Thema ist AGI derzeit das gefragteste. Unternehmer und Akademiker zeigen eine deutliche Divergenz in ihren Einschätzungen zur Zeit bis zur Realisierung von AGI. Unternehmer sind radikal optimistisch und glauben sogar, dass es bald erreicht werden kann. Es gibt hauptsächlich vier Kategorien: ① Es ist bereits da (wir sind darin, ohne es zu wissen), ② Es kommt bald (in ein bis zwei Jahren), ③ Es wird kurzfristig kommen (in drei bis fünf Jahren), ④ Es wird langfristig kommen (in fünf bis zehn Jahren oder sogar länger). Einige dieser Einschätzungen sind bereits widerlegt worden, andere benötigen noch Zeit zur Überprüfung. Wie in der folgenden Tabelle dargestellt. Die Einschätzungen der Akademiker sind allgemein pessimistisch und glauben sogar, dass AGI ein Trugschluss ist, der niemals eintreten wird. Zum Beispiel stellte Iris van Rooij 2024 fest: "Es ist unmöglich, AGI mit menschlichem kognitiven Niveau zu schaffen."
Tabelle: Vorhersagen von CEOs bekannter KI-Unternehmen zur Ankunftszeit von AGI. Quelle: Tencent Research Institute, Mai 2026. Menschen lieben es, Vorhersagen zu treffen. Einige tun dies zur Selbstwerbung, um sich selbst zu motivieren, andere für wissenschaftliche Arbeiten und Projekte, und wieder andere führen einfach nur verbale Auseinandersetzungen. In Wirklichkeit weiß niemand, wie die Zukunft aussehen wird. Die Zukunft folgt nicht einem festgelegten Skript; sie wird durch die Entscheidungen und Handlungen vieler bestimmt und ist geprägt von einem völligen Bruch mit der Vergangenheit, voller Zufälle und Paradoxien. Es ist wie ein Schwein, das in ruhigen Zeiten lebt und nicht vorhersagen kann, welches schwarze Schwäne zu Neujahr erscheinen werden.

Beschäftigungsquantifizierungsparadox

Der Einfluss der Technologie auf die Beschäftigung ist ein bekanntes Thema, das sowohl als Wissenschaft als auch als Mystik betrachtet werden kann. Es ist ein altes Thema, das wie ein Geist seit Jahrhunderten umherirrt. Es ist allgemein bekannt, und sowohl Gelehrte als auch Laien können darüber diskutieren. Es hat eine extrem niedrige Untergrenze und eine extrem hohe Obergrenze, und die Menschen streiten sich unaufhörlich darüber. In den letzten Jahren haben sich Wissenschaftler und Institutionen darauf verlegt, "mit Daten zu sprechen" und versuchen, auf eine scheinbar wissenschaftliche, rigorose und hochentwickelte Weise ihre Überlegenheit zu beweisen. Internationale Organisationen wie die OECD, der IWF, das Weltwirtschaftsforum, die UNCTAD, die Internationale Arbeitsorganisation und die Weltbank sowie Beratungsunternehmen wie Goldman Sachs, McKinsey und das Pew Research Center haben Berichte über die Auswirkungen von KI auf die Beschäftigung veröffentlicht. Wie in der folgenden Tabelle dargestellt.
Tabelle: Teilweise quantifizierte Ergebnisse der Auswirkungen von KI auf die Beschäftigung. Ein einzelner Bericht hat bereits Gewicht und wird sogar als Maßstab angesehen. Wenn man jedoch all diese Berichte zusammen betrachtet, stellt man fest, dass die Ergebnisse stark variieren, im Allgemeinen zwischen 0,4 % und 67 %, was kaum vergleichbar ist. Dies entzaubert das Thema. Die Voraussetzung für die quantitative Messung der Auswirkungen von KI auf die Beschäftigung ist die Fähigkeit, den Puls der technologischen Entwicklung genau zu erfassen. Wie bereits erwähnt, können Technologieführer die zukünftige Entwicklung der KI-Technologie nicht genau vorhersagen; wie können Ökonomen dann die Auswirkungen von KI auf die Beschäftigung quantifizieren? Sie können nur annehmen, dass die Technologie stillsteht oder sich mit einer festgelegten Geschwindigkeit weiterentwickelt, was jedoch nicht der Realität entspricht. Andererseits ist KI kein unabhängiger Einflussfaktor; wirtschaftliche Zyklen, Branchenökonomie, technologische Entwicklung, demografische Struktur, Beschäftigungsvorlieben, Beschäftigungspolitik, Globalisierung und unvorhergesehene Ereignisse beeinflussen gemeinsam die Beschäftigung. Diese Faktoren stehen in Wechselbeziehung und wirken aufeinander ein, sodass es unmöglich ist, KI davon zu trennen. In diesem Sinne ist die Quantifizierung der Auswirkungen von KI auf die Beschäftigung ein Paradox.

Produktivitätsparadox

Künstliche Intelligenz ist eine neue Technologie mit allgemeinem Zweck, die universelle Anwendbarkeit, kontinuierliche Verbesserung und Innovationsförderung aufweist und der Motor für zukünftiges Wirtschaftswachstum ist. Der Begriff Künstliche Intelligenz wurde vor 70 Jahren geprägt, die Revolution des maschinellen Lernens ist seit 14 Jahren im Gange, und die aktuelle Welle der KI ist in vollem Gange, von großen Sprachmodellen und multimodalen Ansätzen bis hin zu Weltmodellen, Agenten und physikalischer KI, die sich ständig weiterentwickeln. Dennoch hat sich das Wachstum der Produktivität nicht merklich beschleunigt und steht sogar vor einer Produktivitätskrise (Rogers, 2024). Seit der Veröffentlichung von ChatGPT schwankt das Wachstum der Arbeitsproduktivität in der EU um 0 % und betrug im ersten Quartal dieses Jahres 0,1 %. In den 14 Quartalen von Q4 2022 bis Q1 2026 überstieg nur in drei Quartalen das Produktivitätswachstum das langfristige Durchschnittsniveau seit 1999 (1,0 %).
Abbildung: Wachstum der Arbeitsproduktivität in der EU in den letzten Jahren (Quelle: Eurostat) Diese gleichzeitige Existenz von "technologischen Innovationen, die rasant voranschreiten, und enttäuschendem Produktivitätswachstum" ist das Produktivitätsparadox. Es ist nicht das erste Mal, dass dies geschieht. Der Nobelpreisträger Robert Solow schrieb 1987: "You can see the computer age everywhere but in the productivity statistics." Dies wird als die klassischste Ausdrucksweise des "Produktivitätsparadox" oder "Solow-Paradox" angesehen. Für das Produktivitätsparadox gibt es hauptsächlich drei Erklärungen: fehlerhafte Erwartungen, Messfehler und Zeitverzögerungen. Brynjolfsson (2017) hält die Erklärung der Zeitverzögerung für die überzeugendste und als Hauptursache für das Produktivitätsparadox, und fasst die verzögerten Auswirkungen der allgemeinen Zwecktechnologie auf die Produktivität als "J-Kurve" zusammen. Allgemeine Zwecktechnologien müssen mehrere sekundäre Innovationen, komplementäre Innovationen und organisatorische Veränderungen durchlaufen, um einen wesentlichen Einfluss auf die Produktivität zu haben. Historisch gesehen begannen Dampfmaschine, Generator und Computer erst 118 Jahre, 91 Jahre und 49 Jahre nach ihrer Erfindung, und 54 Jahre, 40 Jahre und 21 Jahre nach ihrer Kommerzialisierung, die Produktivität signifikant zu steigern. Daher ist das Produktivitätsparadox langfristig gesehen kein Paradox. Es wird noch Zeit brauchen, bis KI die Produktivität deutlich steigert.

Datenwertparadox

Daten sind das Futter für KI; sie müssen in großer Menge und hoher Qualität vorliegen, wobei die Menge unerschöpflich sein sollte und die Qualität "Müll rein, Müll raus" (GIGO) oder man könnte sagen, dass es "edle" und "schmutzige" Daten gibt. Daten bestimmen die Obergrenze der KI-Fähigkeiten und werden oft als "neues Öl" (Clive Humby, 2006) und "die wertvollste Ressource der Welt" (The Economist, 2017) bezeichnet, "gleich wichtig wie Energie und Materialressourcen" (Dokument der beiden Büros, 2004). Der Nutzwert von Daten ist enorm, hat jedoch nicht den Handelswert oder den Geldwert gewöhnlicher Waren. Wie Li Guojie (2025) sagte: "Der Wert von Daten kann nur im Gebrauch bestimmt werden." Die OECD (2024) hat die Datenpolitik von 46 Ländern untersucht und festgestellt, dass der politische Kontext, in dem "Daten" vorkommen, von hoch nach niedrig in der Reihenfolge Innovation, Vertrauen, Gesellschaft, Marktöffnung, Nutzung, Beschäftigung und Zugang reicht, wobei sie sich nicht um "Handel" kümmern. Chen Changsheng (2023) wies darauf hin: "Datenbörsen sprießen überall, aber der 'Handel' in diesen Datenbörsen entwickelt sich nicht gut." "Inmitten des Hypes um den Aufbau von Datenmärkten sollte man vorsichtig sein, dass sich die Verhaltensweise herausbildet, dass 'nur durch Handel erworbene Daten nutzbar sind'." Der Wert von Daten ist gering, und sie sind schwer zu monetarisieren; ihr Anteil an der Bilanz ist vernachlässigbar. Laut den neuesten Daten der Shanghai Jiao Tong University haben 136 börsennotierte Unternehmen in China relevante Informationen über die Aufnahme von Datenressourcen in ihre Bilanzen offengelegt, mit einem Gesamtbetrag von 3,786 Milliarden Yuan. Daraus ergibt sich, dass erstere nur 2,5 % der Anzahl der börsennotierten Unternehmen (A-shares) ausmachen, während letzterer nur 0,3 % des Umfangs der Kernindustrie der Künstlichen Intelligenz in China entspricht. Die drei großen Telekommunikationsbetreiber dominieren in Bezug auf den Umfang der Bilanzaufnahme, mit einem Gesamtbetrag von 2,1 Milliarden Yuan bis 2025, was 55,46 % des Gesamtbetrags der Bilanzaufnahme der börsennotierten Unternehmen ausmacht. Doch diese Datenressourcen machen nur etwa 0,06 % des Gesamtvermögens der Unternehmen aus, was unbedeutend ist.
Tabelle: Betrag und Anteil der Datenressourcen der drei großen Betreiber in der Bilanz (31.12.2025) Datenquelle: Basierend auf den konsolidierten Bilanzen aus den Finanzberichten.

Industrie-Revolution-Paradox

Jedes Mal, wenn eine technologische Welle aufkommt, gibt es immer Menschen, die sie mit der Dampfmaschine, Elektrizität oder Computern vergleichen und begeistert rufen: "Es wird die vierte industrielle Revolution auslösen!" Dieses Phänomen dauert seit mindestens einem halben Jahrhundert an, beginnend mit Mikroelektronik (1984), Computern (1988), Nanotechnologie (1994), Internet (2000), alternativen Energien (2010), informationsphysikalischen Systemen (2014). In den letzten zehn Jahren hat es sich sogar noch verstärkt, mit Big Data (2016), Künstlicher Intelligenz (2016), dem Internet der Dinge (2016), industriellen Internet (2017), Blockchain (2017), Quantencomputing (2018) und intelligenter Fertigung (2021), die alle mit der Mission der vierten industriellen Revolution betraut wurden.
Abbildung: Verteilung der Anzahl der Artikel mit dem Titel "Vierte industrielle Revolution" in der CNKI Hinweis: Die Auswahlskriterien sind Artikel, deren Titel "dritte industrielle Revolution", "dritte Sektor-Revolution", "vierte industrielle Revolution" und "vierte Sektor-Revolution" enthalten. In Bezug auf die gegenwärtige Revolution gibt es unterschiedliche Meinungen; einige glauben, es sei die dritte, andere die vierte; zudem sind industrielle Revolution und Sektor-Revolution im Englischen dasselbe, "Industrial Revolution". Daher wird in diesem Artikel keine strikte Unterscheidung getroffen. In den Medien erleben wir fast ständig die vierte industrielle Revolution. Die Technologien, die diese Revolution auslösen, sind stets "neue Blätter, die alte Blätter drängen, und die Wellen der Vergangenheit lassen die Wellen der Zukunft zurück", wobei vorläufig mindestens 20 neue Technologien identifiziert wurden. Jedes Mal, wenn eine neue Technologie auftaucht und mit großer Bedeutung für die vierte industrielle Revolution belegt wird, scheint es, als ob die vorherigen falsch waren. Derzeit glauben die Menschen allgemein, dass KI die vierte industrielle Revolution ist. Demis Hassabis (2026) stellte sogar fest: "Der Umfang und die Geschwindigkeit von AGI könnten zehnmal so hoch sein wie die der industriellen Revolution." Auch in China betrachten Unternehmer KI als die letzte technologische Revolution der menschlichen Gesellschaft. KI hat die Vergangenheit bewiesen, aber wie kann KI sich selbst beweisen? Wir können nicht streiten, sondern betonen zwei Punkte. Erstens, industrielle Revolution und Wirtschaftskrise können nicht gleichzeitig auftreten. Zweitens, die bisherigen industriellen Revolutionen waren nicht prophetisch, sondern nachträgliche Erzählungen; die Menschen, die darin lebten, wussten nicht, dass sie sich inmitten einer industriellen Revolution befanden. Die erste industrielle Revolution (1760er - 1840er Jahre) wurde 40 Jahre nach ihrem Ende erst durch Arnold Toynbee bekannt. Die zweite industrielle Revolution (1870er - 1914er Jahre) wurde 40 Jahre nach ihrem Ende von Ökonomen als "zweite industrielle Revolution" bezeichnet, und 55 Jahre nach ihrem Ende standardisierte David Landes in "Unbound Prometheus" (1969) ihre akademische Definition. Für die dritte industrielle Revolution gibt es noch keine einheitliche Auffassung; Jeremy Rifkin (2011) glaubt, dass ihr Thema die Verschmelzung von Internet und erneuerbaren Energien ist; The Economist (2012) sieht sie als Digitalisierung der Fertigung; Erik Brynjolfsson und Andrew McAfee (2011) glauben, dass die dritte industrielle Revolution von Computern und Netzwerken vorangetrieben wird. Lassen Sie uns auf diese einmalige Gelegenheit hoffen.

Dieser Inhalt wird nur zu allgemeinen Informationszwecken bereitgestellt und stellt keine finanzielle, Anlage-, Rechts- oder Steuerberatung dar. Alle erwähnten Ereignisse, Prämien, Online-Aktionen oder zugehörige Informationen sollten nicht als Empfehlung, Aufforderung oder Einladung zum Kauf, Verkauf, Handel oder anderweitigem Umgang mit Krypto-Assets betrachtet werden. Krypto-Assets sind sehr volatil und können zu Verlusten führen. Die Verfügbarkeit von WEEX Services, Produkten und zugehörigen Aktionen kann je nach Region unterschiedlich sein. Sie sind dafür verantwortlich sicherzustellen, dass Ihre Teilnahme mit geltenden lokalen Gesetzen und Vorschriften übereinstimmt.