„KI kann deinen Job nicht machen – aber ein KI-Verkäufer kann deinen Chef davon überzeugen, dich zu feuern und durch eine KI zu ersetzen, die deinen Job nicht machen kann.“ Dieser Satz von Cory Doctorow trifft einen Nerv, den wir bei Never Code Alone in Beratungsgesprächen immer häufiger spüren. Entscheider stehen unter Druck, KI-Investitionen zu rechtfertigen, und Entwicklungsteams fragen sich, wie sicher ihre Position wirklich ist.
Wir arbeiten seit über 15 Jahren spezialisiert auf Softwarequalität, Open Source und Remote Consulting. In dieser Zeit haben wir etliche Hype-Zyklen begleitet – von der Dotcom-Blase über Blockchain bis hin zu NFTs. Was gerade bei KI passiert, folgt einem erschreckend bekannten Muster. Aber es gibt entscheidende Unterschiede, und genau die solltet ihr kennen.
Doctorow hat in seiner vielbeachteten Rede an der University of Washington im Dezember 2025 das Konzept des „Reverse Centaur“ eingeführt und eine schonungslose Analyse der KI-Investitionsblase vorgelegt. Die Kernthese: Die Hunderte Milliarden, die gerade in KI fließen, basieren nicht auf realen Produktivitätsgewinnen, sondern auf dem Wachstumsnarrativ von Tech-Monopolen, die ihre Märkte bereits dominiert haben und verzweifelt nach dem nächsten Wachstumstreiber suchen. Was bedeutet das konkret für eure Projekte, eure Teams und eure Technologie-Entscheidungen?
1. Was ist ein Reverse Centaur und warum betrifft das mein Entwicklungsteam?
In der Automationstheorie ist ein „Centaur“ ein Mensch, der von einer Maschine unterstützt wird – ihr seid der Kopf, die Maschine der kraftvolle Körper. Das ist das Ideal: KI als Werkzeug, das euch produktiver macht. Ein Reverse Centaur dreht dieses Verhältnis um. Hier wird der Mensch zum Anhängsel der Maschine – ihr führt nur noch Befehle aus, überwacht Outputs, die ihr nicht vollständig versteht, und tragt die Verantwortung für Fehler, die ihr nicht verhindern konntet.
Doctorow beschreibt das am Beispiel der Radiologie: Statt dass KI-Tools Radiologen bei der Diagnose unterstützen, werden Radiologen auf die Rolle des „Accountability Sink“ reduziert – sie sollen die Schuld übernehmen, wenn die KI Fehler macht. Im Software-Kontext kennen wir das Muster mittlerweile gut. Entwicklerinnen und Entwickler werden nicht durch KI ersetzt, sondern zu Aufpassern degradiert, die KI-generierten Code reviewen sollen, den sie nicht geschrieben haben und oft nicht vollständig verstehen.
Aus unserer Beratungspraxis sehen wir das in konkreten Szenarien: Teams, die 20 Pull Requests am Tag durchwinken, weil der KI-generierte Code „ja funktioniert“. Seniors, die zum Debugging-Service für Junior-Entwickler werden, die nur noch mit KI-Assistenten arbeiten. Architektur-Entscheidungen, die niemand mehr hinterfragen kann, weil der Kontext in einem LLM-Prompt verloren gegangen ist.
Wenn euer Team in diese Richtung driftet, habt ihr kein Produktivitätsproblem – ihr habt ein Qualitätsproblem, das sich erst zeigt, wenn es teuer wird. Sprecht uns an, wenn ihr eine ehrliche Einschätzung eurer aktuellen Situation braucht: roland@nevercodealone.de.
2. Ist KI wirklich eine Investitionsblase oder nur normaler Technologie-Hype?
Die kurze Antwort: Beides. Und genau das macht die Situation so komplex. Doctorow argumentiert, dass Tech-Monopole wie Google, Meta und Microsoft ihre Märkte bereits dominieren. Als sogenannte „Growth Stocks“ müssen sie Investoren aber weiterhin Wachstum versprechen. Wenn organisches Wachstum nicht mehr möglich ist, brauchen sie ein neues Narrativ: erst Pivot to Video, dann Blockchain, dann NFTs, dann Metaverse – und jetzt KI.
Die Zahlen, die im Raum stehen, sind tatsächlich bemerkenswert. Tech-Unternehmen investieren geschätzt hunderte Milliarden jährlich in KI-Infrastruktur. OpenAI und Anthropic, die beiden prominentesten reinen KI-Anbieter, sind trotz enormer Bewertungen bisher nicht profitabel. Sam Altman selbst hat öffentlich eingeräumt, dass Investoren aktuell „überbegeistert“ seien. Googles CEO Sundar Pichai sprach von „Elementen der Irrationalität“ im Markt.
Gleichzeitig – und das unterscheidet KI von NFTs oder dem Metaverse – gibt es echte, nützliche Anwendungen. Transkription, Bildanalyse, Code-Assistenz und Datentransformation funktionieren bereits zuverlässig auf Commodity-Hardware. Die Frage ist nicht, ob KI nützlich ist. Die Frage ist, ob die aktuelle Bewertung und das Investitionsvolumen durch reale Produktivitätsgewinne gedeckt sind.
Für Entscheider bedeutet das: Plant nicht auf Basis von Hype-Bewertungen, sondern auf Basis messbarer Ergebnisse in euren konkreten Projekten.
3. Was bleibt übrig, wenn die KI-Blase platzt – und wie bereite ich mein Team darauf vor?
Doctorow nutzt hier einen historischen Vergleich, der für Technologie-Entscheider besonders relevant ist. Als die Dotcom-Blase im Jahr 2000 platzte, verschwand nicht das Internet – es verschwanden die Unternehmen mit unhaltbaren Geschäftsmodellen. Was übrig blieb: Glasfaser-Infrastruktur, die AT&T aus der Worldcom-Konkursmasse günstig aufkaufte und die heute noch genutzt wird. Im Gegensatz dazu hinterließ die Krypto-Blase praktisch nichts von bleibendem Wert.
Für KI sieht Doctorow eine produktive Hinterlassenschaft: günstige GPUs aus Konkursmassen, einen Käufermarkt für qualifizierte Entwickler mit Statistik-Know-how und eine Fülle von Open-Source-Modellen, die auf Standard-Hardware laufen und noch enormes Optimierungspotenzial haben. Transkription, Bilderkennung, Datenaufbereitung – diese Funktionen werden zum Standard-Feature eurer Geräte, unabhängig davon, was mit den großen Foundation-Model-Anbietern passiert.
Was bedeutet das für eure Strategie? Erstens: Baut eure KI-Projekte auf Open-Source-Modellen auf, wo immer es möglich ist. Die laufen auf eigener Infrastruktur und sind unabhängig von den Preismodellen der großen Anbieter. Zweitens: Investiert in das Verständnis eures Teams, nicht nur in Lizenzen. Ein Team, das versteht, wie diese Modelle funktionieren, kann sie auch nach einem Markteinbruch produktiv nutzen. Drittens: Prüft eure Abhängigkeit von proprietären KI-Services – was passiert, wenn ein Anbieter die Preise verdoppelt oder den Dienst einstellt?
Wenn ihr eure KI-Abhängigkeiten systematisch analysieren wollt, begleiten wir euch dabei: roland@nevercodealone.de.
4. Wie erkennt mein Team den Unterschied zwischen sinnvollem KI-Einsatz und reinem Hype?
Das ist die zentrale praktische Frage, und Doctorows Centaur-Konzept liefert hier einen überraschend nützlichen Rahmen. Fragt euch bei jedem KI-Einsatz: Macht dieses Tool mich zum Centaur oder zum Reverse Centaur?
Centaur-Szenarien in der Softwareentwicklung sehen so aus: Eine Entwicklerin nutzt ein KI-Tool, um Audio-Transkriptionen von Meetings zu erstellen und kann sich dann auf die exakten Formulierungen beziehen. Ein Team nutzt KI für die automatische Bildbeschreibung, um Accessibility-Anforderungen effizienter zu erfüllen. Ein Architekt lässt sich von einem LLM Zusammenfassungen komplexer Dokumentation generieren, die er dann selbst bewertet und einordnet.
Reverse-Centaur-Szenarien dagegen: Ein Junior wird angewiesen, mit KI-Assistenz in einer Woche Features umzusetzen, für die er normalerweise einen Monat bräuchte – ohne dass er den generierten Code versteht. Ein QA-Team soll KI-generierten Code in unmenschlichem Tempo reviewen und übersieht systematisch Fehler. Ein Produktmanager akzeptiert KI-generierte Architektur-Vorschläge, weil niemand im Team die Zeit hat, Alternativen zu evaluieren.
Der entscheidende Unterschied: Beim Centaur versteht und kontrolliert der Mensch das Ergebnis. Beim Reverse Centaur wird der Mensch zum Alibi für eine Maschine, deren Output er nicht wirklich bewerten kann. Wenn ihr euch nicht sicher seid, auf welcher Seite euer Team steht, ist das bereits ein Warnsignal.
5. Warum scheitern KI-Projekte in Unternehmen so häufig an der Umsetzung?
Eine MIT-Studie aus dem Jahr 2025 hat für Aufsehen gesorgt: Demnach erzielten eine große Mehrheit der Unternehmen, die in generative KI investiert haben, keinen messbaren Return. Das klingt dramatisch, ist aber aus unserer Beratungserfahrung wenig überraschend. Die Gründe sind selten technischer Natur – sie liegen fast immer in der Umsetzung.
Das häufigste Muster, das wir sehen: Unternehmen kaufen KI-Lizenzen, bevor sie definiert haben, welches Problem sie lösen wollen. Ein Team bekommt Copilot-Zugänge, ohne dass die Codequalitäts-Prozesse angepasst werden. Ein Proof of Concept wird zur Production erklärt, weil der Zeitdruck groß und der Demo-Effekt beeindruckend war.
Doctorow bringt es auf den Punkt: Das Versprechen der KI-Unternehmen an Investoren lautet, dass es KIs geben wird, die euren Job machen können. Wenn euer Chef euch feuert und durch KI ersetzt, behält er die Hälfte eures Gehalts und gibt die andere Hälfte an das KI-Unternehmen. Aber KI kann euren Job nicht machen. Sie kann euch bei eurem Job helfen – aber das spart niemandem Geld in der versprochenen Größenordnung.
Für die praktische Umsetzung in eurem Unternehmen heißt das: Startet mit konkreten, messbaren Use Cases. Definiert vorher, was Erfolg bedeutet. Und investiert mindestens genauso viel in die Qualitätssicherung des KI-gestützten Outputs wie in die KI-Tools selbst.
6. Welche Rolle spielt Open Source als Absicherung gegen KI-Vendor-Lock-in?
Doctorow betont einen Aspekt, der in der deutschsprachigen Debatte oft zu kurz kommt: Die Open-Source-Modelle, die auf Standard-Hardware laufen, sind langfristig der wertvollste Überrest der KI-Blase. Sie sind bereits in der Lage, nützliche Dinge zu tun – Transkription, Bildbeschreibung, Dokumentenzusammenfassung, Hintergrundentfernung aus Fotos – und diese Fähigkeiten werden sich weiter verbessern.
Für Unternehmen, die sich vor Vendor-Lock-in schützen wollen, sind Open-Source-Modelle die strategisch klügste Wahl. Wenn ein kommerzieller Anbieter die Preise ändert, den Service einstellt oder die Nutzungsbedingungen verschärft, steht ihr nicht mit leeren Händen da. Gleichzeitig baut euer Team echte Kompetenz auf – statt nur API-Calls an einen externen Service zu senden.
Wir empfehlen unseren Kunden einen pragmatischen Ansatz: Nutzt kommerzielle KI-Services für Prototyping und Evaluation. Aber plant von Anfang an eine Migration auf Open-Source-Alternativen für alles, was in Production geht. Testet regelmäßig, wie leicht ihr proprietäre Modelle durch Open-Source-Varianten ersetzen könnt. Diese Übung ist selbst dann wertvoll, wenn kein Crash kommt – sie gibt euch Verhandlungsmacht gegenüber euren Anbietern.
Bei Never Code Alone begleiten wir seit über 15 Jahren Unternehmen bei Open-Source-Strategien. Wenn ihr eure KI-Architektur unabhängiger aufstellen wollt, meldet euch: roland@nevercodealone.de.
7. Wie wirkt sich die KI-Blase auf den Arbeitsmarkt für Entwicklerinnen und Entwickler aus?
Hier wird Doctorows Analyse besonders relevant für eure Personalplanung. Das Versprechen, mit dem KI-Unternehmen Investorengelder einwerben, lautet vereinfacht: Unternehmen können Entwickler entlassen und durch KI ersetzen. Doctorow widerspricht dem vehement – und aus unserer Erfahrung hat er in einem wichtigen Punkt recht: KI kann einzelne Aufgaben übernehmen, aber nicht die Rolle eines Entwicklers ersetzen, der ein System versteht, architektonische Entscheidungen trifft und Verantwortung für Codequalität übernimmt.
Das Problem entsteht trotzdem, weil Entscheider dem Versprechen glauben. Teams werden verkleinert, Stellen nicht nachbesetzt, Juniors nicht mehr eingestellt – alles in der Annahme, dass KI die Lücke füllt. Wenn sich dann herausstellt, dass die KI doch nicht den versprochenen Output liefert, sind die erfahrenen Leute längst abgewandert oder in Rente. Doctorow vergleicht KI mit Asbest, das wir in die Wände unserer Gesellschaft schaufeln – ein drastisches Bild, das aber den Kern trifft.
Für Developer bedeutet das konkret: Investiert in Fähigkeiten, die KI nicht ersetzen kann. Systemverständnis, Architekturkompetenz, Debugging-Expertise und die Fähigkeit, Code kritisch zu bewerten. Für Entscheider: Hört auf, Headcount auf Basis von KI-Versprechungen zu kürzen. Ihr werdet die Leute brauchen, wenn die Blase platzt.
8. Warum ist die Copyright-Frage bei KI-generierten Werken strategisch so wichtig?
Doctorow hebt einen Aspekt hervor, der überraschend wenig Beachtung findet: Das US Copyright Office hat durchgängig die Position vertreten, dass KI-generierte Werke nicht urheberrechtlich geschützt werden können. Copyright gibt es nur für menschliche kreative Leistung, die in einem greifbaren Medium fixiert ist. Diese Position wurde in mehreren Gerichtsverfahren bestätigt.
Was bedeutet das in der Praxis? Wenn ein Unternehmen KI nutzt, um Code, Texte, Designs oder andere Werke zu generieren, kann es diese Werke nicht urheberrechtlich schützen. Jeder kann sie kopieren, weiterverkaufen oder kostenlos verteilen. Das ist für Unternehmen, die auf geistiges Eigentum als Wettbewerbsvorteil setzen, ein erhebliches Risiko.
Für Softwareunternehmen hat das direkte Konsequenzen: Wenn euer Team KI-generierten Code in eure Produkte integriert, könnte das den urheberrechtlichen Schutz dieser Produkte schwächen. Die Rechtslage ist noch in Entwicklung, aber das Risiko solltet ihr jetzt schon in eure IP-Strategie einbeziehen. Im europäischen Rechtsraum ist die Situation noch komplexer.
Unser Rat: Lasst eure Rechtsabteilung die aktuelle Rechtsprechung zu KI-generierten Werken prüfen, bevor ihr KI-Output in geschäftskritische Produkte integriert.
9. Wie unterscheide ich KI-Investitionen mit echtem Mehrwert von reinem Marketing?
Doctorow macht eine wichtige Unterscheidung: Das Problem sind nicht die KI-Tools selbst – es ist das aufgeblähte Investitionsnarrativ drum herum. KI als „normale Technologie“ (ein Begriff der Princeton-Forscher Arvind Narayanan und Sayash Kapoor) ist durchaus nützlich. KI als Versprechen von „Superintelligenz“ oder als Begründung für die Entlassung ganzer Abteilungen ist Marketing.
Für die Bewertung konkreter KI-Investitionen in eurem Unternehmen empfehlen wir drei Prüfsteine. Erstens: Löst das Tool ein Problem, das ihr vorher definiert habt – oder sucht ihr ein Problem für ein Tool, das ihr bereits gekauft habt? Zweitens: Kann euer Team den Output der KI validieren und korrigieren? Wenn nicht, seid ihr ein Reverse Centaur. Drittens: Wie abhängig seid ihr von diesem spezifischen Anbieter? Gibt es Alternativen, oder bindet ihr euch an einen Service, dessen Preis sich jederzeit ändern kann?
Die ehrliche Antwort lautet oft: Viele KI-Investitionen in Unternehmen sind aktuell Prestige-Projekte. Sie sollen nach außen signalisieren, dass man „auf KI setzt“. Der tatsächliche Produktivitätsgewinn ist minimal oder nicht messbar. Das ist kein Grund, KI komplett abzulehnen – aber ein guter Grund, die nächste Investition kritischer zu prüfen.
10. Was sollte mein Unternehmen jetzt konkret tun, um sich strategisch richtig aufzustellen?
Basierend auf Doctorows Analyse und unserer eigenen Beratungserfahrung empfehlen wir eine pragmatische Herangehensweise, die sich in drei Bereiche gliedert.
Im Bereich Technologie-Strategie gilt: Setzt auf Open-Source-Modelle als Basis und nutzt proprietäre Services nur für Evaluation und Prototyping. Prüft regelmäßig eure Abhängigkeit von einzelnen KI-Anbietern und plant Migrationspfade. Behandelt KI-Tools als das, was sie sind – Werkzeuge, nicht Ersatz für Kompetenz.
Im Bereich Teamführung heißt das: Investiert in die Grundkompetenzen eures Teams – Debugging, Architekturverständnis, kritisches Code Review. Schafft klare Richtlinien für den KI-Einsatz, die nach Erfahrungslevel differenzieren. Stellt weiterhin Juniors ein und gebt ihnen die Möglichkeit, echte Kompetenz aufzubauen.
Im Bereich Business-Planung empfehlen wir: Trefft keine Personalentscheidungen auf Basis von KI-Versprechungen. Plant ein Szenario, in dem KI-Services teurer werden oder wegfallen. Messt den tatsächlichen ROI eurer KI-Investitionen – nicht den versprochenen.
Die KI-Blase wird in irgendeiner Form platzen – darüber sind sich selbst die Branchenführer einig. Die Frage ist nicht ob, sondern wann und wie stark der Einschlag wird. Unternehmen, die jetzt ihre Abhängigkeiten kennen und ihre Teams stark halten, werden die Korrektur als Chance nutzen können. Alle anderen werden den Preis für den Hype bezahlen.
Wenn ihr eure KI-Strategie auf den Prüfstand stellen wollt oder Unterstützung bei der Umsetzung braucht – wir haben über 15 Jahre Erfahrung in genau diesen Situationen. Schreibt uns einfach eine Mail an roland@nevercodealone.de.
