Worin Sie investieren, wenn die Modelle nicht stillhalten

Vergangenen Winter hat ein Unternehmen, mit dem ich gearbeitet habe, den größten Teil eines Quartals in ein einziges kluges Stück Automatisierung gesteckt. Das KI-Werkzeug, das dort eingeführt worden war, verlor bei langen Dokumenten regelmäßig den Faden, also baute das Team eine Hilfskonstruktion darum: eine Kette von Prompts, die jedes Dokument zerlegte, jedes Stück zusammenfasste, die Zusammenfassungen wieder zusammensetzte und erneut einspeiste, damit das Modell den Anfang nicht vergessen hatte, wenn es am Ende ankam. Es funktionierte. Es kostete auch zwei fähige Leute fast ein ganzes Quartal. Dann lieferte der Anbieter ein neues Modell mit weit größerem Gedächtnis aus, und die ganze Apparatur wurde über Nacht zu Ballast. Das Zerlegen, das Zusammensetzen, das erneute Einspeisen standen jetzt zwischen dem Team und einem Modell, das nichts davon brauchte.

Es liegt nahe, das unter Pech zu verbuchen. Es ist kein Pech. Es ist die zentrale Tatsache beim Bauen mit KI, und sobald Sie sie klar sehen, ändert sich, wofür Sie Geld ausgeben sollten.

Niemand baut hier auf festem Grund

In diesem Feld baut niemand auf festem Grund, und darüber sollten Sie sich im Klaren sein, bevor Sie das Budget freigeben. Hugo Bowne-Anderson, unabhängiger Berater für Daten und KI und Gastgeber von Vanishing Gradients, einem seit Jahren laufenden Podcast für Menschen, die mit KI bauen, hat Mitte 2026 Bilanz gezogen und innerhalb von vier Monaten gezählt: ein Labor, das ein Modell mit einem Gedächtnis von einer Million Token ausliefert, ein offenes Modell, das bei langen mehrstufigen Aufgaben weiter vordringt, ein weiteres, das mit nativer Bildverarbeitung ankommt. Das sei, schrieb er, „mehr als das übliche Auf und Ab der Benchmarks“ (alle Zitate in diesem Beitrag sind aus dem Englischen übersetzt). Das Muster unter den Veröffentlichungen ist beständig. Modelle werden immer besser darin, große Mengen an Information zusammenzuhalten, Werkzeuge zu benutzen und Arbeit zu erledigen, für die man ihnen früher eine Hilfskonstruktion bauen musste.

Die Richtung zählt mehr als das Tempo. Fähigkeit wandert in das Modell hinein, und dabei verschluckt sie die Maschinerie, die außen herum gebaut wurde, um es zu stützen. Die Branche hat einen Namen für diese äußere Maschinerie: das Harness. „Wenn diese Fähigkeiten in die Modelle wandern“, schrieb Bowne-Anderson, „verschiebt sich die Grenze des Harness mit ihnen.“ Planung, die früher eigene Logik brauchte, findet inzwischen im Modell statt. Ein größeres Gedächtnis verändert, wie viel Sie außen zusammennähen müssen. Besserer Umgang mit Werkzeugen kann, so seine Formulierung, den Code, der gestern noch die Abläufe orchestriert hat, überflüssig machen oder ihm sogar aktiv im Weg stehen.

Lesen Sie diesen letzten Halbsatz zweimal, denn genau hier laufen Führungskräfte auf. Die Hilfskonstruktion, die Sie bauen, um auszugleichen, was das heutige Modell nicht kann, hat ein Haltbarkeitsdatum, und dieses Datum ist die nächste Modellveröffentlichung. Manchmal läuft sie nicht bloß ab. Manchmal wird sie zur Last, die das bessere Modell ausbremst.

Sehen Sie sich an, wen es zuerst trifft

Am deutlichsten lässt sich das bei den Teams beobachten, deren gesamtes Produkt aus Hilfskonstruktion um ein Modell besteht: bei den Anbietern von KI-Programmierwerkzeugen. Sie spüren jede Modellveröffentlichung zuerst und am härtesten, und deshalb ist ihr Verhalten ein brauchbares Frühwarnsystem für alle, die weiter hinten in der Kette stehen.

Nehmen Sie Amp, ein Programmierwerkzeug der Softwarefirma Sourcegraph. Nicolay Gerold, der daran baut, beschreibt die Arbeitsdisziplin ohne jede Verklärung: „Wir werfen ständig große Teile der Codebasis weg.“ Jede größere Modellveröffentlichung zwingt sein Team zu der Frage, was noch in das Produkt gehört, was das Modell inzwischen allein erledigt und welche der eigenen Funktionen zu löschen sind.

Das sauberste Beispiel ist eine Funktion, die sie Handoff nannten. Sie entstand, weil der Kniff mit den Zusammenfassungen, mit dem das Werkzeug lange Sitzungen überstand, immer wieder den Überblick verlor. Dann war das nicht mehr das bindende Problem, und der Grund für die Funktion war ins Modell gewandert. Also löschten sie Handoff. Sie zu behalten hätte nur Reibung zwischen der Kundschaft und einem Modell erzeugt, das die Hilfe nicht mehr brauchte.

Das ist keine Eigenheit eines einzelnen Unternehmens. Als Amp ankündigte, die eigenen Editor-Erweiterungen einzustellen, schrieb das Team die allgemeine Regel gleich mit auf. Der Agent, also die Prompts und Werkzeuge, die man um ein Modell legt, sei „nicht mehr der begrenzende Faktor“. Über das Ergebnis entscheide jetzt, wie ein Team seine Codebasis für Agenten ordnet und wie die Organisation sie einsetzt: „Das sind jetzt die Engpässe.“ Das Versprechen an die Kundschaft war auf eine Zeile geschrumpft: Wenn sich die Front verschiebe, verschiebe man sich mit. Und das Produkt beschrieb das Team überhaupt nicht mehr als feste Größe. „Es ist kein Punkt auf einer Karte mehr. Es ist ein Pfeil.“

Jede Modellveröffentlichung hebt den Pegel. Was Sie gebaut haben, um eine Schwäche auszugleichen, sinkt darunter und wird aufgesogen; die Investitionen, die Ihr eigenes Geschäft betreffen, bleiben darüber und sind mehr wert, nicht weniger, sobald das Modell besser wird.

Es gibt eine schärfere Fassung des Arguments, dass die Hilfskonstruktion selbst zur Last wird, und dafür gibt es Belege. Die eigenen Ingenieure von OpenAI stellten fest, dass das automatische Zusammenfassen, mit dem ihr Programmierwerkzeug lange Sitzungen verwaltete, die Leistung still und leise verschlechtert hatte: Zusammenfassungen von Zusammenfassungen verzerrten, was das Modell zuvor gedacht hatte. Dieser Befund erreicht die Öffentlichkeit über die Aufbereitung eines internen Berichts und nicht über eine Veröffentlichung; lesen Sie ihn also als starkes Signal eines einzelnen Engineering-Teams, nicht als gemessenes Branchenergebnis. Die Nutzung des Kniffs hat sich in einem einzigen Monat mehr als verdoppelt, während er genau diesen Schaden anrichtete. Einer der Ingenieure von Amp fasste die Lehre ohne Umschweife zusammen: Diesen bestimmten Behelf solle man im Grunde nie verwenden. Die Hilfskonstruktion, die dem Modell helfen sollte, hatte angefangen, ihm zu schaden.

Was bleibt, und was ein Haltbarkeitsdatum hat

Wenn sich der Boden nur in eine Richtung bewegt, ist die Frage nicht mehr, welches Modell es sein soll. Diese Antwort verfällt nach Plan. Die Frage, die sich lohnt, lautet: Welche der Dinge, die Sie bauen könnten, sind nach den nächsten drei Modellveröffentlichungen noch etwas wert?

Gerold bietet einen Test an, der sich sauber aus dem Programmieren heraus in jedes KI-Vorhaben übertragen lässt. Fragen Sie bei jedem Teil, das Sie um ein Modell herum bauen wollen, ob es Ihnen hilft, die Arbeit des Modells einzusehen, zu überprüfen, zu retten oder zusammenzuführen, oder ob es nur dem Modell von gestern hinterherräumt. In der nüchternsten Geschäftsfassung: Wird diese Investition wertvoller, wenn die Modelle besser werden, oder wird sie gelöscht?

Auf den Wegwerfstapel gehört alles, dessen einzige Aufgabe darin besteht, eine aktuelle Schwäche auszugleichen. Verrenkungen mit Prompt-Ketten. Der eigens geschriebene Code, der das Modell durch eine feste Abfolge von Schritten und Werkzeugen schleust. Der aufwendige Ablauf, den es nur gibt, weil dem Modell noch nicht zuzutrauen war, die Sache in einem Zug zu erledigen. Je besser das Modell wird, desto weniger verdient irgendetwas davon seinen Platz. Die Dokumentenmaschine aus dem Einstieg war reine Wegwerfware. Handoff war es auch.

Ein modischer Posten gehört klar auf diesen Stapel, und er verdient es, einzeln benannt zu werden, weil er schnell teuer wird: die Praxis, ein Modell stundenlang in automatisierten Schleifen laufen zu lassen, in denen es die eigene Arbeit benotet und neu schreibt. Gerold, der davon lebt, hält sie außerhalb einer Handvoll echter Fälle für überschätzt. Er nennt einen zweiten Preis, den dieselbe Gewohnheit fordert: Hunderte von Agenten, die parallel laufen, und eine Aufmerksamkeit, die sich über alle davon zersplittert. Eine Schleife, aus der das Modell bald herauswächst, ist eine Schleife, die Sie umsonst gepflegt haben, und eine, für die am Ende niemand mehr die Aufmerksamkeit zum Prüfen hatte.

Der bleibende Stapel ist von anderer Art. Das sind die Investitionen, die besser werden, wenn das Modell besser wird, weil es in ihnen um Ihr Geschäft geht und nicht um die Schwächen des Modells.

• Woran Sie merken, dass es funktioniert, und wie Sie es abfangen, wenn es falsch liegt. Die Prüfung (im Fachjargon Evaluation) ist die langweilige Investition, die sich verzinst. Ein stärkeres Modell trifft mehr Entscheidungen, und zwar schneller, womit die Kosten eines unbemerkten Fehlers steigen statt zu sinken und die Schicht, die ihn abfängt, mehr wert wird statt weniger. Die Leute, die mit dieser Technik bauen, schreiben denselben Satz in immer neuen Worten: Zwei der Gespräche, die neben Bowne-Andersons Essay die Runde machen, heißen Stop Shipping AI Nobody Can Verify und The Verification Crisis: Why Trust Is the New Bottleneck in AI.
• Ihre eigenen Daten und das festgehaltene Wissen darüber, wie Ihr Geschäft tatsächlich läuft. Das Modell ist Massenware, die jeder Ihrer Wettbewerber monatsweise mieten kann. Ein sauberer, gut geordneter Bestand Ihrer Prozesse, Ihrer Fälle und Ihrer Entscheidungen ist es nicht.
• Leitplanken und Governance: die festgelegten Regeln darüber, was ein System anfassen darf und was einen Menschen davor braucht, bevor es handelt. In einem regulierten Unternehmen zählen sie mehr, je mehr dem Modell zugetraut wird, nicht weniger. Eine Leitplanke, die vor der Entscheidung sitzt, überlebt jeden Modellwechsel; ein Bericht, der hinterher erklärt, was das System getan hat, tut das nicht. Die Leitplanke hält Ihre Risikobereitschaft fest, nicht die Schwächen des Modells.
• Gespür und Urteilsvermögen: zu wissen, wann Sie die Tastatur wieder an sich nehmen, und zu wissen, wann eine schlichte, vorhersagbare Regel besser ist als jeder KI-Schritt. Das ist die menschliche Schicht, deren Wert ein besseres Modell erhöht, weil sie entscheidet, worauf das bessere Modell gerichtet wird.
• Die organisatorische Fähigkeit, in Bewegung zu bleiben. Pfeil statt Punkt zu sein ist kein Slogan, sondern der Unterschied zwischen einem Team, das jede Modellveröffentlichung als Aufrüstung behandelt, und einem, das sie als Krise erlebt.

Die eine Frage, die eine bleibende Investition von einer vergänglichen trennt, und die drei Entscheidungen, auf die sie zeigt.

Was das für Ihre nächsten Entscheidungen heißt

Aus alldem folgen drei Schritte für jeden, der entscheidet, was beauftragt, was gekauft und was vorerst liegen gelassen wird.

Bauen und besitzen Sie die bleibende Schicht. Die Prüfung, Ihre eigenen Daten, Ihre Governance und die Fähigkeit Ihres Teams, neue Werkzeuge schnell aufzunehmen. Das sind die Teile, die kein Anbieter verkaufen und kein nächstes Modell löschen kann, und genau deshalb sind sie Ihr eigenes Geld und Ihre eigene Aufmerksamkeit wert.

Kaufen oder mieten Sie die vergängliche Schicht, und rechnen Sie mit dem Austausch. Das Modell und der größte Teil der Werkzeuge drumherum sind von vornherein austauschbar. Binden Sie sich nicht auf Dauer an die Hilfskonstruktion eines Anbieters, und bauen Sie keinen Zweijahresplan auf den Schwächen des Modells dieses Quartals auf. Wenn ein Angebot im Kern aus klugen Behelfen für heutige Grenzen besteht, wird Ihnen ein abschreibungsreifer Posten angeboten. Kalkulieren Sie ihn auch so und halten Sie den Ausstieg billig.

Warten Sie bei allem, dessen einzige Aufgabe es ist, eine Lücke zu stopfen, die die Roadmap ohnehin schließt. Bevor Sie einen Bau finanzieren, leihen Sie sich Bowne-Andersons drei Fragen, mit denen sich eine Funktionsliste eindampfen lässt: Was muss das hier tatsächlich leisten? Was muss es sich merken? Und was passiert, wenn es falsch liegt? Der größte Teil der aufwendigen Maschinerie, zu der Teams greifen, existiert, um die mittlere Frage auf dem mühsamen Weg zu beantworten, und ein größeres Modell beantwortet sie meist schon ein, zwei Veröffentlichungen später, ohne dass es Sie etwas kostet. Wenn die ehrliche Antwort auf die Frage, was verloren geht, falls das nächste Modell den Bau überflüssig macht, „ein Quartal Entwicklungszeit“ lautet, ist das ein Grund zu warten und keiner zu bauen.

Nichts davon ist ein Argument dafür, zu warten, bis sich der Staub gelegt hat. Der Staub wird sich nicht legen; die vier Monate von oben sind der Normalzustand und kein Ausschlag. Die Unternehmen, die echten Wert aus KI ziehen, sind nicht die, die auf das richtige Modell gesetzt haben. Es sind die, die die bleibende Schicht gebaut haben (die Prüfung, die sauberen Daten, die Leitplanken, das Urteilsvermögen) und sich bei allem anderen bewusst leicht gehalten haben, sodass jedes neue Modell sie stärker gemacht hat, statt einen Neubau zu erzwingen.

In diesem Beitrag geht es nur darum, wohin das Geld gehört. Wenn Ihre eigentliche Frage lautet, wie ein einzelner Agent echte Arbeit übersteht, ist das ein anderer Beitrag auf einer anderen Flughöhe. Ebenso die vier Produktionsdisziplinen, die ein KI-Agent im Gesundheitswesen braucht, und ebenso der Aufbau des Harness selbst .

Wenn Sie lieber die Primärquelle lesen als meine Lesart davon: Bowne-Anderson veröffentlicht den Podcast und seine Essays auf hugobowne.substack.com, stellt die Folgen auf YouTube und unterrichtet sie direkt in zwei Kursen: Building AI Applications from First Principles und Master Agentic Data Science. Lohnt die Zeit, wenn diese Entscheidungen auf Ihrem Tisch landen.

Wenn also das nächste Mal ein Anbieter oder ein internes Team mit einem beeindruckenden KI-Bau zu Ihnen kommt, stellen Sie die eine Frage, die Bleibendes von Vergänglichem trennt: Wenn das nächste Modell das überflüssig macht, was bleibt dann übrig? Sind es Ihre Daten, Ihre Prüfungen und Ihr Urteil, dann finanzieren Sie das großzügig. Ist es der Bau selbst, dann mieten Sie ihn und bleiben leicht. Was dabei an Kraft frei wird, gehört in die Arbeit, diese Trennung sauber hinzubekommen. Diese Entscheidung Modell für Modell gut zu treffen, ist die eigentliche Disziplin.