Der Transformer — die Architektur, auf der ChatGPT, Claude, Gemini und alle anderen großen Sprachmodelle basieren — sei nicht das Endziel, sondern nur eine Zwischenstufe. Diese Einschätzung soll Sam Altman, CEO von OpenAI, vor Studenten geäußert haben.
Die nächste Architektur kommt — und KI hilft sie zu finden
Altman wird zitiert: „Ich wette, es gibt eine weitere neue Architektur zu entdecken, die einen ebenso großen Sprung bringt wie der Transformer gegenüber LSTMs. Und ich glaube, wir haben endlich Modelle, die schlau genug sind, bei dieser Art von Forschung zu helfen."
Die aktuelle Generation von Frontier-Modellen ersetze demnach keine Forscher — sie beschleunige sie. Wer heute KI einsetze, um den Nachfolger des Transformers zu finden, sichere sich nicht nur den aktuellen Hardware-Zyklus, sondern den nächsten — bevor die Konkurrenz überhaupt wisse, dass er existiert.
Nicht optimieren — von Grund auf neu bauen
Für Produktentwickler hat Altman einen konkreten Ratschlag: „Ich würde mir einfach einen großen Bereich aussuchen und fragen: Was ist jetzt mit KI möglich, was vorher überhaupt nicht möglich war? Wo kann ich etwas komplett neu machen, bei dem KI absolut zentral für die Interaktion ist?"
Klassische Unternehmen versuchten, einen KI-Chatbot an ihre bestehende Software anzudocken, um Aktionäre zu beruhigen. Die Gewinner gingen anders vor: Sie brennen ganze Produktkategorien nieder und bauen von Null auf, mit KI als Fundament. Man optimiere nicht die Reibungsverluste eines veralteten Systems — man schaffe eine völlig neue Architektur.
AGI als Aufwärmphase
Die vielleicht bemerkenswerteste Aussage: „AGI wird wie eine Aufwärmübung aussehen für das, was als Nächstes kommt. Und das wird für den Rest der Geschichte so weitergehen." Die Allgemeine Künstliche Intelligenz (AGI) — also das erklärte Ziel von OpenAI — sei nicht das Ziel, sondern der Startschuss.
Altman habe den Studenten gesagt, dies sei „mindestens die beste Zeit aller Zeiten — bisher." Nicht weil das Rennen fast vorbei sei, sondern weil es kaum begonnen habe. Jeder Durchbruch potenziere den nächsten. Organisationen, die das als schrittweisen Übergang behandeln, trainierten für eine Ziellinie, die nicht existiere.
🎯 Was das für die Praxis bedeutet
1. KI-native Produkte priorisieren: Statt bestehende Software mit einem Chatbot aufzurüsten, lohnt es sich zu fragen: Welches Problem lässt sich mit KI als Kern völlig neu lösen?
2. Architekturen hinterfragen: Der Transformer wird von seinem eigenen Schöpfer als Zwischenschritt beschrieben. Technologieentscheidungen sollten deshalb Flexibilität für den nächsten Paradigmenwechsel einplanen.
3. Compounding-Effekte nutzen: Jeder KI-Durchbruch beschleunigt den nächsten. Wer jetzt einsteigt, profitiert exponentiell stärker als wer wartet — der Vorsprung wächst mit jedem Zyklus.
