Die nächsten 24 Monate, drei Stimmen, drei Geschwindigkeiten

Am 23. April 2026 hat der Investor Raoul Pal auf seinem YouTube-Kanal „The Journey Man" ein Gespräch mit Peter Diamandis (Gründer der XPRIZE Foundation) und Salim Ismail (Mitgründer von OpenExO) veröffentlicht. Titel: „The Next 2 Years Will Change Everything!". Die These der drei: Künstliche Intelligenz wird Unternehmen, Arbeitsmärkte und Institutionen in einem Zeitraum von zwei Jahren grundlegend umordnen. Ob das stimmt, hängt davon ab, wem man zuhört, drei Forscher kommen zu drei sehr verschiedenen Geschwindigkeiten.

Was Diamandis und Ismail im Video sagen

Drei Kernthesen, alle zwischen Min 5 und Min 65 des Videos belegt.

These 1, Das Ende der klassischen Unternehmensorganisation. Salim Ismail bezieht sich auf Coase-Theorem (1937), wonach Unternehmen existieren, weil interne Transaktionskosten niedriger sind als externe. KI dreht diese Logik um: externe Zusammenarbeit werde günstiger als interne Hierarchie. Konsequenz laut Ismail, Konzerne brechen auf, kleinere und vernetztere Strukturen gewinnen.

These 2, Politische Reaktion auf Arbeitsmarkt-Disruption. Diamandis prognostiziert, dass die US-Regierung mit direkten Geldzahlungen an Bürger auf KI-bedingte Stellenverluste reagieren werde. Kontext: Sam Altman (OpenAI) und andere Tech-Unternehmer fordern seit 2021 öffentlich ein bedingungsloses Grundeinkommen.

These 3, allgemeine KI auf menschlichem Niveau (engl. AGI, „Artificial General Intelligence") bis 2029, danach humanoide Roboter mit eingebauter KI auf diesem Niveau. Diamandis bezieht sich auf die Prognose von Ray Kurzweil, wonach „human-level AI" bis 2029 verfügbar sei. Kombiniert mit Robotik entstehe eine neue „Spezies", schneller, stärker, intelligenter als Menschen. Die sogenannte Singularität, der Zeitpunkt, ab dem maschinelle Intelligenz die menschliche dauerhaft übertrifft, sei dann gegen 2045 absehbar.

Der Tonfall des Gesprächs ist optimistisch. Diamandis und Ismail vertreten seit über zwei Jahrzehnten die Position der „exponentiellen Beschleunigung". Beide sind Gründer kommerzieller Bildungs- und Beratungsformate (Singularity University (heute Singularity), OpenExO), die diese These als Geschäftsgrundlage haben. Das ist keine Disqualifikation, aber ein zur Einordnung gehörender Kontext.

Was die KI-Forschung dazu sagt

Yann LeCun, Turing-Preisträger 2018 und einer der prägenden Köpfe der modernen KI-Forschung, hält Diamandis' Zeitlinie für unrealistisch. LeCun war von 2013 bis Ende 2025 Chefwissenschaftler für Künstliche Intelligenz bei Meta und gründete im November 2025 die eigene Firma AMI Labs (Advanced Machine Intelligence, sinngemäß: hochentwickelte Maschinenintelligenz). Seine Position aus mehreren Stellungnahmen 2024 bis 2026 lässt sich so zusammenfassen: Eine allgemeine künstliche Intelligenz auf menschlichem Niveau sei nicht in greifbarer Nähe, sie erfordere wissenschaftliche Durchbrüche, die heute noch nicht bekannt seien.

LeCun benennt vier Architektur-Komponenten, die heutigen KI-Systemen seiner Auffassung nach fehlen, bevor menschenähnliche Intelligenz entstehen kann: Alltagsphysik, also intuitives physikalisches Weltverständnis, persistente Erinnerung über einzelne Sitzungen hinaus, eigenständiges logisches Schließen und langfristige Planung. Sein eigener Forschungsansatz heißt JEPA, Abkürzung für „Joint Embedding Predictive Architecture", auf Deutsch sinngemäß: vorhersagende Architektur mit gemeinsamer Einbettung. Sie versucht, diese Komponenten in das Modell einzubauen, bisher in der Forschungsphase.

LeCun ist nicht allein. Gary Marcus (NYU), Stuart Russell (Berkeley) und Melanie Mitchell (Santa Fe Institute) vertreten ähnliche Positionen. Der Konsens unter dieser Gruppe: heutige Sprachmodelle sind beeindruckend, aber sie skalieren nicht zu allgemeiner Intelligenz, weil ihnen grundlegende Bausteine fehlen.

Daten dazu liefert der Stanford AI Index 2026: 89 Prozent der KI-Agenten in Unternehmen erreichen nie den produktiven Einsatz. Die Lücke zwischen Demonstration und Alltagstauglichkeit ist real und wirtschaftlich relevant, eine Zahl, die im Diamandis-Video nicht vorkommt.

Was die Wirtschaftswissenschaft dazu sagt

Daron Acemoglu, MIT-Ökonom und Träger des Wirtschafts-Nobelpreises 2024, hat 2024 die Studie „The Simple Macroeconomics of AI" veröffentlicht. Sein Befund: der KI-Effekt auf das Bruttoinlandsprodukt der USA werde in den kommenden zehn Jahren bei 1,1 bis 1,6 Prozent liegen, entspricht etwa 0,05 Prozent jährlichem Produktivitätswachstum. Acemoglu bezeichnet das als „nicht trivial, aber moderat".

Die Größenordnung steht im klaren Gegensatz zur Diamandis-Prognose einer „aufregendsten Phase der Menschheitsgeschichte". Acemoglu sieht zwei zentrale Probleme: erstens, dass Unternehmen KI bisher nicht zur Stärkung menschlicher Arbeit, sondern zu deren Ersetzung einsetzen, was Produktivitätsgewinne dämpft. Zweitens, dass etwa 20 Prozent der Aufgaben in Wissensberufen KI-exponiert seien, aber nur ein Bruchteil davon in zehn Jahren wirtschaftlich automatisiert werde.

Acemoglu ist keine Außenseiter-Stimme. Auch Erik Brynjolfsson (Stanford) und Michael Webb (Bank of England) kommen in Detail-Studien auf ähnliche Zahlen. Die Wirtschafts-Forschung sieht KI als reales Wachstumsthema, nur eben nicht als Tsunami in 24 Monaten.

Was bei Diamandis stimmt, und wo Anschluss zur deutschen Lage besteht

Drei Punkte aus dem Gespräch sind belastbar.

Coase-These. Brynjolfsson und Acemoglu bestätigen den Mechanismus: KI senkt Koordinationskosten, das verändert Unternehmensgrenzen. Der genaue Effekt ist umstritten, der Mechanismus selbst nicht.

KI-Wettlauf USA / China. Real und dokumentiert. Der Stanford AI Index 2026 verzeichnet 75 Prozent aller globalen privaten KI-Investitionen in den USA, 12 Prozent in China, der Rest verteilt. Europa zusammen: 6 Prozent. Diese Lage ist kein Hype.

Adaptions-Argument. Die These, dass Organisationen mit hoher Lerngeschwindigkeit besser zurechtkommen als starre, ist trivial richtig, und gilt unabhängig davon, ob die Singularität 2029 oder 2049 kommt.

Was für Deutschland realistisch ist

Auf KIPODE haben wir in den vergangenen Wochen mehrere konkrete Datenpunkte zusammengetragen, die zu beiden Diagnosen passen. Die OpenAI Workspace Agents (siehe Artikel unten) sind das erste Massenprodukt, das die Theorie der Agentic AI in den Büroalltag bringt. Aber 89 Prozent der Enterprise-Agenten erreichen nicht den produktiven Einsatz, sagen die Stanford-Daten. Und 111.000 Auto-Jobs sind in Deutschland seit 2019 verschwunden, eine reale Strukturveränderung, die nicht KI allein, sondern langsame industrielle Transformation widerspiegelt.

Praktische Konsequenz für deutsche Geschäftsführer: Diamandis' These „die nächsten 24 Monate verändern alles" ist als Marketing-Aussage interessant, als Planungsgrundlage unbrauchbar. Acemoglus „1,1 bis 1,6 Prozent BIP-Effekt in zehn Jahren" ist als Marketing-Aussage langweilig, als Planungsgrundlage solide. Die Wahrheit liegt nicht in der Mitte, sie hängt von der eigenen Branche, Größe und Risikobereitschaft ab.

Wer kleine, klar abgegrenzte Pilotprojekte startet, Rechnungsprüfung, interne Recherche, einfache Buchhaltungsschritte, Daten sammelt und die Wirtschaftlichkeit messbar macht, hat 2027 einen Vorsprung. Egal ob Diamandis oder LeCun Recht behält. Wer auf den Tsunami wartet, verliert in beiden Szenarien.

Das Original-Video läuft 66 Minuten. YouTube blendet automatisch eine deutsche Tonspur und Untertitel ein, das Gespräch ist also auch ohne Englischkenntnisse zugänglich. Diese Einordnung fasst die zentralen Aussagen auf Deutsch zusammen und stellt ihnen die wissenschaftliche Gegenposition gegenüber.

Alle Beiträge aus dem April 2026 · Zum KI-Radar, alle Monate