Ken Griffin hat bei Citadel über 70 Milliarden Dollar unter Verwaltung. Beim Stanford Leadership Forum schilderte er vor Hunderten Studierenden einen Moment, der ihn persönlich getroffen hat: An einem Freitag sei er "fairly depressed" nach Hause gegangen - weil er zum ersten Mal in seinen eigenen vier Wänden gesehen habe, was KI-Agenten mit hochqualifizierten Jobs machen.
Wochen werden zu Stunden - bei den besten Leuten
Griffin beschrieb einen Produktivitätssprung, den er als "step change function" bezeichnete. Arbeit, die bisher von Mitarbeitern mit Master- und PhD-Abschlüssen in Finance über Wochen oder Monate erledigt wurde, werde jetzt von KI-Agenten in Stunden oder Tagen abgeschlossen. Sein entscheidender Satz: "These are not mid-tier white-collar jobs. These are like extraordinarily high-skilled jobs being automated by agentic AI."
Das ist der Kern. Nicht die Routinearbeit, die ohnehin schon unter Druck steht. Sondern die Spitze der Pyramide - die Analysten, die Citadel gerade deshalb einstellt, weil sie Stanford, Wharton oder das MIT auf dem Lebenslauf haben. Griffin schilderte das nicht als abstrakte Zukunftsvision, sondern als etwas, das in den letzten Monaten passiert sei. Neun Monate zuvor sei das KI-Toolkit noch nicht reif genug gewesen.
"Humans were the horses"
Tags zuvor hatte Griffin ein Gespräch mit dem Historiker Niall Ferguson geführt, das ihn spürbar beschäftigte. Ferguson habe die industrielle Ablösung des Pferdes durch das Automobil als Analogie herangezogen - und dann die Pointe gesetzt: "But the issue here with AI is that in the world of AI, humans were the horses." Griffin kommentierte trocken: "Wow, that's a really depressing way to start the day."
Die Analogie ist unbequem, aber sie trifft einen Nerv. Pferde wurden nicht "umgeschult". Sie wurden schlicht nicht mehr gebraucht. Die Frage, ob dieses Schicksal Teile der Wissensarbeit ereilt, ist keine theoretische mehr - bei Chamath Palihapitiya im Gespräch mit Joe Rogan tauchte dieselbe Sorge auf: Was passiert mit 200 Millionen Wissensarbeitern, wenn ihre Jobs verschwinden?
Software Engineering - eine zu optimistische Perspektive?
Griffin relativierte die Dramatik bei einem Berufsfeld: Software-Entwicklung. Ein Produktivitätsplus von 15 bis 25 Prozent sei dort willkommen, aber kein Strukturbruch. Seine Begründung: "There's so much software we need to write." Es gebe schlicht keinen Mangel an Code, der geschrieben werden müsse. Jeder Produktivitätssprung sei ein Gewinn.
Diese Einschätzung ist nachvollziehbar aus Sicht eines Hedgefonds, der proprietäre Handelssysteme betreibt. Für die breite Software-Industrie greift sie aber zu kurz - und zwar aus drei Gründen.
Erstens: Funktionsintegration verdrängt Spezialsoftware. Bildbearbeitung, Videoschnitt, Präsentationserstellung, Design-Prototyping - immer mehr Funktionen klassischer Anwendersoftware werden direkt in die Frontier-Modelle integriert. ChatGPT, Claude, Gemini und Grok erzeugen fertige Dateien nativ im Chat, ohne Umweg über Office-Programme. Jedes Feature, das ein Frontier-Modell absorbiert, macht ein Plugin, eine Vorlage oder ein Nischentool überflüssig.
Zweitens: Middleware stirbt leise. Ein erheblicher Teil der existierenden Software ist im Kern Brückentechnologie: Programme, die den Output eines Systems in den Input eines anderen verwandeln. ETL-Pipelines, Automatisierungsplattformen, CRM-Konnektoren, Format-Konverter, API-Adapter. Ganze Kategorien von Tools existieren nur, weil Systeme nicht direkt miteinander sprechen konnten - oder weil Menschen eine Übersetzungsschicht zwischen sich und der Maschine brauchten. KI-Agenten nehmen den direkten Weg vom Briefing zum Ergebnis. Sie brauchen keine Brücken, die für menschliche Limitationen gebaut wurden.
Drittens: Software wird zur Briefing-Oberfläche oder zum Datenspeicher. Die Tendenz zeichnet sich in immer mehr Feldern ab: Software wird entweder auf eine minimalistische Eingabemaske reduziert - ein Textfeld, in dem der Mensch beschreibt, was er will - oder zum reinen Backend, das Daten bereithält. Salesforce hat diese Richtung mit Headless 360 öffentlich eingeschlagen, GitLab spricht intern von "Act 2". Wenn die Oberfläche optional wird, schrumpft auch der Code, der sie bedient.
Die ehrliche Antwort auf Griffins "there's no shortage of code we need to write" lautet deshalb: Kurzfristig stimmt das. Die Nachfrage nach proprietärer Software, nach KI-Infrastruktur und nach neuen Agenten-Systemen ist real. Aber der Gesamtbestand an Software, der gewartet, erweitert und betrieben werden muss, wird in vielen Kategorien kleiner, nicht größer. Nicht weil weniger gebaut wird, sondern weil vieles, was bisher existierte, schlicht nicht mehr gebraucht wird.
Der stille Moment eines Milliardärs
Was Griffins Auftritt von anderen CEO-Statements unterscheidet, ist die persönliche Betroffenheit. Hier sprach kein Technologie-Evangelist, der KI als Chance verkauft. Hier sprach ein Mann, der das Phänomen in seinem eigenen Unternehmen beobachtet und sich am Freitagabend gefragt hat, was das für die Gesellschaft bedeutet. "When you witness it in your own four walls" - dieser Satz wiegt schwerer als jede McKinsey-Studie.
Griffin selbst sieht trotzdem Chancen: Der Fall von Competitive Moats mache es Gründern leichter denn je, mit KI-Tools etablierte Branchen anzugreifen. Er nannte das Beispiel eines 25-Jährigen, der mit KI-gestützter Bilderkennung auf Social Media ein Tierversicherungsgeschäft aufbaute - und es für eine Milliarde Dollar verkaufte. Die Disruption trifft nicht nur Angestellte. Sie öffnet auch Türen.
🎯 Was das für die Praxis bedeutet
1. KI-Agenten auf Research-Aufgaben testen: Griffin beschreibt den größten Produktivitätssprung nicht beim Coding, sondern bei analytischer Forschungsarbeit. Wer Teams hat, die Wochen mit Datenanalyse, Due Diligence oder Marktrecherche verbringen, sollte dort zuerst ansetzen.
2. Middleware kritisch prüfen: Jedes Tool, das primär als Brücke zwischen zwei Systemen dient - ob ETL-Pipeline, Formatkonverter oder Automatisierungsplattform - steht unter Druck. Die Frage lautet: Kann ein KI-Agent diesen Umweg eliminieren?
3. Software-Portfolio bereinigen: Plugins, Templates und Nischentools, deren Kernfunktion inzwischen direkt in Frontier-Modellen verfügbar ist, binden Ressourcen ohne Zukunft. Jetzt ist der Zeitpunkt, Lizenzen zu hinterfragen.
4. Lernfähigkeit über Fachwissen stellen: Griffins Rat an die Stanford-Studierenden gilt für jede Organisation: Die Fähigkeit zu lernen wird wichtiger als das, was man bereits weiß. Wer sich auf gelerntes Spezialwissen verlässt, baut auf einer schrumpfenden Insel.
