Claim-Familie 7: Skeptiker-Claims

Skeptiker-Claims folgen dem Muster „KI verändert in Wahrheit gar nichts“. Sie sind das Spiegelbild der Hype-Claims: Auch hier existiert fast immer eine echte Quelle, die aber etwas Engeres oder anderes sagt. Verkürzung ist richtungssymmetrisch, ein Faktencheck, der nur Optimisten prüft, ist selbst einer.

Claim 61: ‚KI verändert auf dem Arbeitsmarkt in Wahrheit gar nichts‘

Wortlaut: „Die große KI-Studie aus Dänemark beweist: KI hat null Effekt — alles bleibt, wie es ist.“

Ursprung: Humlum/Vestergaard: „Still Waters, Rapid Currents“, NBER Working Paper 33777 (2025, rev. 2026), in Skeptiker-Essays verkürzt.

Was die Quelle wirklich sagt: Die Studie verknüpft Adoptionsbefragungen mit dänischen Registerdaten. Sie findet präzise Nulleffekte auf Löhne und erfasste Stunden; Effekte über 2 Prozent sind zwei Jahre nach ChatGPT-Start ausgeschlossen. Zugleich dokumentiert sie massiven Umbau: neue Aufgaben in Content-Erstellung, KI-Aufsicht und Integration sowie Berufswechsel der Nutzenden. Der Befund lautet: Arbeit verändert sich, bevor es Löhne und Stunden tun.

Urteil: irreführend, die Nulleffekte auf Löhne werden als Stillstand der Arbeitswelt gelesen, obwohl die Studie den Umbau der Aufgaben ausdrücklich belegt.

Führungsfolge: Verwerfen als Nichtstun-Argument; die Aufgabenverschiebung im eigenen Haus beobachten und messen.

Claim 62: ‚GenAI ist eine Blase wie Dotcom, der Crash ist sicher‘

Wortlaut: „Die KI-Blase ist größer als die Dotcom-Blase. Wer jetzt investiert, verliert wie 2000.“

Ursprung: Research-Note von Torsten Sløk, Chefökonom Apollo Global Management (Juli 2025), breit medial aufgegriffen.

Was die Quelle wirklich sagt: Sløk vergleicht Bewertungskennzahlen: Das Forward-Kurs-Gewinn-Verhältnis der zehn größten S&P-500-Firmen liegt über dem Niveau von 1999. Er warnt vor Konzentrationsrisiko im Index, nicht vor der Technologie selbst. Die Note trifft keine Aussage über den Nutzen von KI in Unternehmen und nennt keinen Crash-Zeitpunkt.

Urteil: eingeschränkt belegt, die Bewertungsdaten sind real, der Schluss auf einen sicheren Crash oder auf nutzlose Technologie ist nicht Teil der Quelle.

Führungsfolge: Nur mit eigener Bewertung übernehmen; Kapitalmarkt-Bewertung und betrieblichen Nutzen strikt getrennt beurteilen.

Claim 63: ‚LLMs können nicht logisch denken, also sind sie fürs Geschäft unbrauchbar‘

Wortlaut: „Apple hat bewiesen: KI-Modelle denken gar nicht. Für ernsthafte Geschäftsprozesse sind sie wertlos.“

Ursprung: Apple-Paper „The Illusion of Thinking“ (2025), medial stark verkürzt.

Was die Quelle wirklich sagt: Das Paper testet Reasoning-Modelle an kontrollierbaren Logik-Puzzles wie Turm von Hanoi. Es findet drei Regime: Bei mittlerer Komplexität sind Reasoning-Modelle klar überlegen, bei sehr hoher kollabiert die Genauigkeit. Eine Replik („The Illusion of the Illusion of Thinking“) führt Teile des Kollapses auf Token-Limits und unlösbare Testaufgaben zurück. Über Geschäftstauglichkeit sagt das Paper nichts.

Urteil: irreführend, ein Befund zu Puzzle-Grenzfällen wird zur Pauschalaussage über betriebliche Nutzbarkeit umgedeutet.

Führungsfolge: Verwerfen; Eignung je Use Case mit eigenen Testfällen prüfen statt mit Puzzle-Schlagzeilen.

Claim 64: ‚Halluzinationen machen KI im Unternehmen unbenutzbar‘

Wortlaut: „Solange KI halluziniert, ist sie für den Unternehmenseinsatz komplett unbrauchbar.“

Ursprung: OpenAI-Forschungspapier „Why Language Models Hallucinate“ (Kalai et al., 2025) plus Fachpresse, als Totalurteil verkürzt.

Was die Quelle wirklich sagt: Das Papier erklärt Halluzinationen als statistisch erwartbare Fehler, die durch binäre Benchmark-Bewertung belohnt werden: Raten schlägt ehrliches „Ich weiß es nicht“. Fehlerraten sind modell- und aufgabenabhängig und durch geänderte Anreize sowie Enthaltung reduzierbar. Ein Urteil über Unternehmenseinsatz enthält das Papier nicht.

Urteil: eingeschränkt belegt, das Halluzinationsproblem ist real und strukturell, die Folgerung „unbenutzbar“ deckt die Quelle nicht.

Führungsfolge: Nur mit eigener Messung übernehmen; je Prozess Fehlertoleranz definieren und Prüfschritte einbauen.

Claim 65: ‚KI-Antworten sind zu 60 Prozent falsch‘

Wortlaut: „Studien zeigen: Über 60 Prozent aller KI-Antworten sind schlicht falsch.“

Ursprung: Tow Center for Digital Journalism, Columbia University: „AI Search Has a Citation Problem“ (März 2025), medial verkürzt.

Was die Quelle wirklich sagt: Getestet wurden acht KI-Suchwerkzeuge mit 1.600 Abfragen: Aus Artikelauszügen sollten Titel, Verlag, Datum und URL genannt werden. Über 60 Prozent der Antworten waren falsch, mit großer Spannweite (Perplexity 37 Prozent, Grok-3 94 Prozent). Gemessen wurde ausschließlich die Zuordnung von Nachrichtenzitaten, nicht die generelle Antwortqualität von KI-Systemen.

Urteil: irreführend, eine enge Zitierfähigkeits-Messung wird als allgemeine Fehlerquote aller KI-Antworten ausgegeben.

Führungsfolge: Verwerfen als Pauschalzahl; für Quellenarbeit die dokumentierte Schwäche ernst nehmen und Zitate prüfen lassen.

Claim 66: ‚Acemoglu hat gezeigt: KI bringt nur 0,06 Prozent Wachstum‘

Wortlaut: „Selbst MIT-Ökonom Acemoglu rechnet vor: KI bringt der Wirtschaft nur 0,06 Prozent.“

Ursprung: Daron Acemoglu: „The Simple Macroeconomics of AI“, NBER Working Paper 32487 / Economic Policy (2024), in der Wiedergabe verkürzt.

Was die Quelle wirklich sagt: Acemoglu schätzt modellbasiert die Produktivitätswirkung: höchstens 0,66 bis 0,71 Prozent Totale Faktorproduktivität über zehn Jahre, also rund 0,06 bis 0,07 Prozent pro Jahr. Für das BIP nennt er inklusive Kapitalaufbau 1,1 bis 1,6 Prozent über zehn Jahre, als obere Schranke bis 1,8 Prozent. Es ist eine Modellrechnung mit engen Annahmen, keine Messung.

Urteil: irreführend, der Jahreswert der Produktivität wird als Gesamteffekt ausgegeben und die BIP-Schätzung von 1,1 bis 1,6 Prozent unterschlagen.

Führungsfolge: Verwerfen in der verkürzten Form; als Gegengewicht zu Euphorie-Prognosen mit korrekten Zahlen zitieren.

Claim 67: ‚Copilot-Nutzer werden nachweislich dümmer‘

Wortlaut: „Microsoft hat selbst bewiesen: Wer KI-Assistenten nutzt, verlernt das Denken.“

Ursprung: Lee et al. (Microsoft Research / Carnegie Mellon): Studie zu GenAI und Critical Thinking, CHI 2025, medial verkürzt.

Was die Quelle wirklich sagt: Befragt wurden 319 Wissensarbeiter zu 936 selbst berichteten GenAI-Beispielen. Höheres Vertrauen in GenAI korreliert mit weniger selbst berichtetem kritischen Denken; höheres Selbstvertrauen mit mehr. Kritisches Denken verlagert sich auf Prüfen, Integrieren und Steuern. Es ist eine Korrelations- und Selbstauskunftsstudie; kognitive Fähigkeiten wurden nicht gemessen.

Urteil: irreführend, aus einer Selbstauskunfts-Korrelation wird ein kausaler Fähigkeitsverlust gemacht.

Führungsfolge: Verwerfen als Verbotsargument; Prüf- und Freigaberoutinen für KI-Ergebnisse trotzdem verbindlich machen.

Claim 68: ‚Niemand will für KI-Features bezahlen‘

Wortlaut: „Die Kunden zahlen für KI keinen Cent extra — das zeigt jede Umfrage.“

Ursprung: Consumer-Umfragen, v. a. CNET/YouGov (2024 und 2025) sowie SellCell (2024) zu Smartphone-KI.

Was die Quelle wirklich sagt: Laut CNET/YouGov wollten im September 2024 45 Prozent der US-Smartphone-Besitzer nicht extra für KI-Funktionen zahlen, im Mai 2025 waren es 50 Prozent; nur ein kleiner Teil ist zahlungsbereit. Gemessen wird Zahlungsbereitschaft für Smartphone-Features bei Konsumenten. Über Unternehmenssoftware sagt die Erhebung nichts; KI-Abo-Umsätze im Firmenkundengeschäft wachsen parallel deutlich.

Urteil: eingeschränkt belegt, für Consumer-Smartphone-KI gut dokumentiert, als Aussage über jede Zahlungsbereitschaft nicht gedeckt.

Führungsfolge: Nur mit eigener Messung übernehmen; Zahlungsbereitschaft je Produkt und Zielgruppe selbst testen.

Claim 69: ‚Der KI-Energieverbrauch macht jede Einsparung zunichte‘

Wortlaut: „Was KI an Effizienz bringt, frisst ihr Stromverbrauch doppelt wieder auf.“

Ursprung: Ableitung aus dem IEA-Report „Energy and AI“ (April 2025), rhetorisch zugespitzt.

Was die Quelle wirklich sagt: Die IEA beziffert den Rechenzentrums-Stromverbrauch 2024 auf rund 415 TWh, etwa 1,5 Prozent des Weltstromverbrauchs. Bis 2030 erwartet sie im Basisszenario rund 945 TWh, knapp 3 Prozent. Eine Saldo-Rechnung „KI-Verbrauch gegen KI-Einsparungen“ enthält der Report nicht; er diskutiert im Gegenteil Optimierungspotenziale im Energiesektor.

Urteil: unbelegt, für die Behauptung einer negativen Gesamtbilanz existiert keine auffindbare Primärquelle.

Führungsfolge: Verwerfen; Energie- und Kostenbilanz je Anwendungsfall konkret rechnen statt pauschal saldieren.

Claim 70: ‚Der KI-Hype flacht bereits ab‘

Wortlaut: „Die Nutzerzahlen sinken schon wieder — das Interesse an KI ist vorbei.“

Ursprung: Similarweb-Traffic-Daten vom Sommer 2023 und selektiv gelesene Trend-Kurven, wiederkehrend zitiert.

Was die Quelle wirklich sagt: Similarweb maß im Juni 2023 erstmals einen Rückgang des ChatGPT-Web-Traffics um 9,7 Prozent zum Vormonat. Das war ein einzelner Datenpunkt nach extremem Start. Danach meldete der Anbieter laut Agenturberichten 400 Millionen wöchentliche Nutzer Anfang 2025 und 900 Millionen Anfang 2026. Sinkende Marktanteile einzelner Tools spiegeln Wettbewerb, keinen Nachfragerückgang.

Urteil: irreführend, ein alter, einmaliger Traffic-Rückgang wird gegen eine seither vervielfachte Nutzung zitiert.

Führungsfolge: Verwerfen; Adoptionsentscheidungen an aktuelle Nutzungs- und Marktdaten koppeln, nicht an Schlagzeilen von 2023.

Das Entscheider-Briefing

Ein Briefing pro Woche: Entscheidungsfragen, eingeordnete Zahlen und Fristen. Ihre Adresse geben wir nicht weiter.

Website

E-Mail-Adresse

Briefing abonnieren

Ich möchte das Briefing per E-Mail erhalten und kann die Einwilligung jederzeit widerrufen. Die Datenschutzerklärung habe ich gelesen.

Sie erhalten zuerst eine E-Mail mit einem Bestätigungslink. Erst nach dem Klick nehmen wir Sie auf. Abmeldung mit einem Klick in jeder Ausgabe.