Das Ende vom KI-Hype

KI also nur einer von vielen Hypes? Und ist Gen-AI vielleicht schon bald kein großes Thema mehr?

Es stellt sich also die Frage: Ist das alles also nur ein Hype? Ein Begriff, der viel verspricht, aber wenig hält? Um das zu beurteilen, lohnt ein Blick auf den sogenannten „Gartner Hype Cycle“. Dieses Modell beschreibt die typischen Phasen eines Hypes, von der ersten Euphorie bis zur realistischen Etablierung im Alltag.

Am Anfang steht der „technologische Auslöser“: Erste Erfolge sorgen für Aufmerksamkeit, die Technologie gewinnt rasant an Bekanntheit. Es folgt ein „Gipfel an überzogenen Erwartungen“: Mit Bekanntheit und Aufmerksamkeit um das Produkt steigen auch die Erwartungen und es etabliert sich ein Zustand, in dem Medien, Investoren und Unternehmen die Technologie oft mit einem Heilsversprechen überladen. Doch diese Erwartungen können nur selten erfüllt werden. Es kommt, fast zwangsläufig, zum „Tal der Enttäuschung“. Projekte scheitern, der Nutzen ist nicht so hoch wie erwartet und das Produkt nicht das “Wundermittel” für das es gehalten wurde. Die Folge: der Nutzer ist enttäuscht, da seine Erwartungen nicht erfüllt wurden und schließlich wächst die Kritik. Erst dann beginnt der sogenannte „Pfad der Erleuchtung“, auf dem die Erwartungen nach und nach sinken und sich die Kritik am Produkt zunehmend verbreitet. Statt überzogenen Erwartungen etablieren sich realistische und nützliche Anwendungen und die Technologie wird dort eingesetzt, wo sie wirklich passt. Schließlich erreicht sie dann das „Plateau der Produktivität“ und wird zur festen Größe, jedoch ohne das frühere Aufsehen, aber mit einem echten Mehrwert für gezielte Anwendungen.

Diese Verläufe sind keine bloße Theorie. Ein Blick auf vergangene Hypes zeigt, dass sie sich regelmäßig wiederholen. Ein prominentes Beispiel dafür ist IBM Watson. Als der Supercomputer 2011 in der Quizshow Jeopardy beeindruckte, war der mediale Hype riesig. Watson wurde als Alleskönner gefeiert, insbesondere im Gesundheitswesen. Doch in der Praxis scheiterte der Einsatz schnell. Kliniken wie MD Anderson investierten zwar Millionen, konnten Watson aber nie wirklich sinnvoll in ihre Prozesse integrieren. Schließlich verkaufte IBM den Bereich Watson Health für rund eine Milliarde Dollar und die Vision vom medizinischen KI-Revolutionär löste sich weitgehend in Luft auf. Ähnlich verlief es auch bei Big Data: Ab 2012 wurde sie in Medien, Forschung und Unternehmensberatung als großes Zukunftsthema zum Bündeln großer Datenmengen gefeiert. Doch meist blieb es beim bloßen Sammeln von Daten und die eigentliche Nutzung blieb aus. Noch rasanter ging es mit NFTs: 2021 erreichte der Markt einen Börsenwert von rund 17 Mrd. US-Dollar, angetrieben durch Spekulation und mediale Euphorie. Nur ein Jahr später sind 95 % dieser Werte verschwunden. Heute finden NFTs noch vereinzelt Anwendung, aber vom einstigen Hype ist nur wenig geblieben.

Doch woran erkennt man eigentlich, ob es sich bei einer Technologie um einen Hype handelt oder ob das Produkt wirklich eine Innovation ist, die den Markt grundlegend verändern wird? Ein Hype lässt sich oft an typischen Anzeichen erkennen: Überzogene Erfolgsmeldungen in Presse & Investorenkreisen verbreiten sich schnell. Als Folge dessen entstehen plötzliche Wunschlisten großer Anbieter oder massive VC- und Startup-Aktivitäten, allerdings oft ohne realistische Business Cases. Dabei lassen sich oft dieselben Muster herauslesen: Große Visionen wecken überzogene Erwartungen, doch konkrete Anwendungsfälle bleiben aus. Die Folge: Begeisterung schlägt in Enttäuschung um und nur ein Bruchteil der ursprünglichen Konzepte überlebt. Und auch bei GenAI sind bereits erste Anzeichen dieses Musters zu erkennen.