‍

Normalerweise schreibe ich über Tools, Workflows und praktische Implementierung. Aber was ich letzte Woche gesehen habe, lässt mir keine Ruhe. Es geht um etwas Größeres. Etwas, das mich ehrlich gesagt beunruhigt.

Ich nenne es »The Great AI Decoupling«. Und es passiert gerade vor unseren Augen.

Vor zwölf Monaten war Code-Generierung noch eine Spielerei. Ein nettes Feature für den Feierabend. Heute schreibt die KI den gesamten Code von Elite-Entwicklern – inklusive der Entwickler, die die KI selbst bauen.

Willkommen in der Realität von 2026.

Ein Chor von Stimmen – und alle singen dasselbe Lied

Am Wochenende war ich auf einem Geburtstag. Dort traf ich zwei Machine Learning Engineers von Amazon Web Services (AWS). Beides unfassbar smarte Entwickler, die stolz auf ihre saubere Code-Qualität sind.

Beiläufig erzählten sie mir: Seit Dezember schreiben sie keinen Code mehr selbst. Claude Opus 4.5 schreibt 100 % ihres Codes.

Hundert Prozent.

Ich dachte erst, das wäre ein extremer Ausreißer. Dann schaute ich, was die Tech-Elite aktuell berichtet:

• Ryan Dahl, der Erfinder von Node.js, sagt offen: »Die Ära, in der Menschen Code schreiben, ist vorbei.«
• Andrej Karpathy (ex-OpenAI, ex-Tesla AI) hat seinen Workflow innerhalb weniger Wochen radikal umgestellt: Von 80 % manuellem Coding auf 80 % Agent-Coding.
• Boris Cherny von Anthropic setzte dem Ganzen die Krone auf: Er hat an einem einzigen Tag 22 Pull Requests "geschippt". Jeder einzelne zu 100 % von KI geschrieben. Er macht nicht einmal mehr kleine Edits von Hand.

Das ist der Status Quo der Elite. Aber was macht der Rest?

Das Phänomen des »Capability Overhang«

OpenAI hat letzte Woche einen Report mit dem Titel »Ending the Capability Overhang« veröffentlicht. Die zentrale Erkenntnis ist erschütternd:

Der typische Power User nutzt 7x mehr »Thinking Capabilities« als der Durchschnittsnutzer.

Nicht 20 % mehr. Nicht doppelt so viel. Sieben Mal so viel.

OpenAI definiert den »Capability Overhang« als die Lücke zwischen dem, was KI-Tools heute technisch können, und dem, was die meisten Menschen tatsächlich damit machen. Die Modelle werden alle sieben Monate doppelt so fähig. Aber die meisten Nutzer stellen immer noch dieselben einfachen Fragen wie vor zwei Jahren.

Selbst unter zahlenden Enterprise-Nutzern haben:

• 19 % noch nie die Datenanalyse-Funktion genutzt.
• 14 % noch nie ein Reasoning-Modell aktiviert.
• 12 % noch nie die Suchfunktion verwendet.

Das sind keine Gelegenheitsnutzer. Das sind Mitarbeiter in Unternehmen, die für den vollen Zugang bezahlen.

Die Gefahr der zwei Geschwindigkeiten

Hier entsteht das eigentliche Problem. Es ist nicht der Zugang zur Technologie, der die Spreu vom Weizen trennt. ChatGPT Plus kostet für alle gleich viel.

Die Barriere ist rein mental und organisatorisch.

Wir sehen eine Spaltung der Arbeitswelt:

1. Die AI-Natives: Sie nutzen KI nicht nur, um E-Mails zu schreiben. Sie nutzen KI, um besser in KI zu werden. Sie bauen Flywheels. Sie lassen sich von Agenten neue Workflows erklären und automatisieren ihre eigene Lernkurve.
2. Der Rest: Kämpft oft noch mit der IT-Freigabe für den Copilot oder nutzt den Chatbot wie eine bessere Google-Suche.

Cristóbal Valenzuela, CEO von Runway, formulierte es treffend: »Es fühlt sich an wie eine kleine Gruppe von Menschen, die 150 Jahre vor allen anderen lebt.«

Das Beunruhigende daran: Wer heute nicht anfängt, dieses "Deep Usage"-Mindset zu entwickeln, wird morgen nicht mehr aufholen können. Das ist kein linearer Vorsprung, den man mit ein paar Überstunden wettmacht. Es ist ein exponentieller Wissensvorsprung.

Der Aufstieg der Generalisten

Was bedeutet das für unsere Teams? Boris Cherny erzählt, dass Anthropic mittlerweile hauptsächlich Generalisten einstellt.

Warum? Weil die KI die Details (das Mikro) perfekt beherrscht. Was fehlt, ist die Strategie (das Makro).

Jahrzehntelang war tiefes Spezialwissen der sicherste Weg nach oben. Jetzt erleben wir einen fundamentalen Shift: Die Fähigkeit, das große Ganze zu sehen, die richtigen Fragen zu stellen und verschiedene Disziplinen zu verknüpfen, wird wertvoller als das reine Ausführen von Fachaufgaben.

Die KI füllt die Lücken. Der Mensch gibt die Richtung vor.

Deutschland im Dornröschenschlaf?

Der OpenAI-Report zeigt eine bittere Ironie für den Standort Deutschland: Wir sind bei den absoluten Nutzerzahlen in den Top 5. Wir haben den Zugang. Wir haben die Ressourcen.

Aber bei der Nutzungstiefe – also dem Einsatz von Reasoning-Modellen und Agenten – werden wir von Ländern wie Vietnam, Pakistan und Marokko überholt.

Während ein einzelner Entwickler im Silicon Valley 27 Pull Requests am Tag durchwinkt, diskutieren wir in deutschen Unternehmen oft noch über die theoretischen Risiken der Nutzung. Kevin Roose von der NYT warnt davor, dass restriktive Policies eine »Generation von Wissensarbeitern schaffen, die niemals vollständig aufholen wird.«

Fazit: Vom Zugang zur Befähigung

Ich schreibe das nicht, um Panik zu verbreiten, sondern um aufzurütteln. Das Zitat von William Gibson war noch nie so wahr wie heute: »The future is here, it's just not evenly distributed.«

Aber diesmal liegt die ungleiche Verteilung nicht am Geld. Sie liegt am Mindset.

Für Unternehmen bedeutet das:Der Rollout von Lizenzen ist kein Erfolg. Erfolg ist erst dann da, wenn Mitarbeiter die Tiefe der Modelle nutzen. Wenn sie aufhören zu chatten und anfangen, Prozesse zu automatisieren. Wir brauchen kein weiteres Tool-Training, wir brauchen echtes Enablement für "Deep Usage".

Für jeden Einzelnen bedeutet das:Frag dich ehrlich: Nutzt du Data Analysis? Deep Research? Agenten? Oder nutzt du den Ferrari in deiner Einfahrt nur, um Brötchen zu holen?

Das »Great Decoupling« ist real. Aber auf welcher Seite der Kluft wir stehen, entscheiden wir selbst.

‍