NFTs, das Metaverse, nun künstliche Intelligenz – die großen Enthusiasmen des Silicon Valley folgen einem bekannten Muster. Eine wachsende Debatte stellt die unbequeme Frage: Hat die Tech-Industrie grundlegende Fähigkeiten im Aufbau von Konsumentenprodukten verloren – und ist KI nur die jüngste Episode einer langen Geschichte technologischer Selbstbeschäftigung?
Silicon Valley und der blinde Fleck: Wenn Tech-Konzerne den Nutzer vergessen
Wenn Insider-Begeisterung den Blick trübt
Elizabeth Lopatto beschreibt in The Verge ein symptomatisches Phänomen: Ein Tech-Kenner präsentiert ihr aufgeregt eine vermeintliche Entdeckung über Large Language Models – dass Wissen in Sprache strukturiert sei, dass das englische Textkorpus Rückschlüsse auf seine Sprecher ermögliche. Was er als Durchbruch feiert, ist im Kern eine vereinfachte Version strukturalistischer Linguistik, die Wissenschaftler wie Ferdinand de Saussure vor über einem Jahrhundert formulierten.
Das Beispiel ist symptomatisch, nicht anekdotisch. In technologisch geprägten Milieus entsteht regelmäßig eine Eigendynamik, bei der neue Werkzeuge oder Paradigmen als epochale Entdeckungen gehandelt werden – unabhängig davon, ob sie für gewöhnliche Nutzer einen konkreten Mehrwert bieten.
Das Muster wiederholt sich
NFTs sollten Eigentumsrechte im Netz neu definieren. Das Metaverse sollte die Art, wie Menschen arbeiten und sozial interagieren, grundlegend verändern. Beide Technologien scheiterten nicht primär an technischen Limitierungen, sondern an einem fundamentaleren Problem:
Es gab keinen ausreichend großen Kreis an Menschen, der einen echten Bedarf daran hatte.
Generative KI folgt einem ähnlichen Hype-Zyklus, unterscheidet sich jedoch in einem wichtigen Punkt: Die zugrundeliegenden Werkzeuge sind tatsächlich nützlich – für bestimmte Aufgaben, in bestimmten Kontexten, für bestimmte Nutzergruppen. Das Problem liegt in der Überdehnung dieser Nützlichkeit zu einem universellen Versprechen.
Produktdenken versus Technologiedenken
Der eigentliche Bruch lässt sich zwischen zwei unterschiedlichen Denkschulen verorten:
- Produktdenken beginnt mit dem Nutzer: Was ist das Problem? Wie schwerwiegend ist es? Wer hat es?
- Technologiedenken beginnt mit dem Werkzeug und sucht anschließend nach Anwendungsfällen.
Im Silicon Valley der vergangenen Jahre dominiert zunehmend das zweite Modell. Große Sprachmodelle sind leistungsfähige Systeme – aber die Frage, welches konkrete Problem eines normalen Nutzers sie lösen, bleibt in vielen Produktankündigungen erstaunlich unscharf.
Statt konkreter Lösungen dominieren abstrakte Versprechen über Produktivitätssteigerung und kognitive Entlastung – die sich im Alltag vieler Anwender nur begrenzt materialisieren.
Einordnung für deutsche Unternehmen
Für Entscheider in deutschen Unternehmen ergibt sich daraus eine klare Handlungsmaxime: KI-Investitionen sollten nicht primär von verfügbaren Technologien getrieben werden, sondern von identifizierten Prozessschwächen und konkreten Nutzeranforderungen.
Der Unterschied zwischen einem erfolgreichen KI-Projekt und einer kostenintensiven Pilotphase ohne Folgewirkung liegt häufig darin, ob das Problem vor dem Werkzeug definiert wurde.
Die Fähigkeit, echte Nutzerbedürfnisse zu erkennen und davon ausgehend Produkte zu entwickeln, ist keine Selbstverständlichkeit – weder im Silicon Valley noch in mittelständischen Digitalisierungsprojekten. Unternehmen, die diesen Unterschied verstehen und in ihrer KI-Strategie konsequent anwenden, dürften langfristig einen messbaren Vorteil gegenüber jenen haben, die sich vom Technologie-Hype leiten lassen.
Quelle: The Verge AI