Die KI-Blase ist die These, dass Anleger die ökonomische Wirkung von künstlicher Intelligenz überschätzen. Prof. Dr. Konrad Körding, Neurowissenschaftler an der University of Pennsylvania, wettet seit November 2025 gegen den Markt. Im YouTube-Interview erklärt der Forscher, warum der Nutzen von Intelligenz an der physischen Welt an eine Grenze stößt.
Körding ist Penn Integrates Knowledge Professor und Co-Direktor des CIFAR-Programms Learning in Machines and Brains. Mit über 23.500 Zitationen zählt er zu den einflussreichsten Computational Neuroscientists weltweit. Seine These betrifft jede Debatte um KI-Investitionen.
Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
KI-Blase: Warum der Nutzen von Intelligenz sättigt
Körding teilt die Welt in zwei Teile. Es gibt physische Dinge wie Schaufeln, Autos und Straßen. Und es gibt Intelligenz, also Menschen und Computer, die Entscheidungen treffen. Beide Achsen sind voneinander unabhängig.
Im November 2025 erschien sein Paper zur Intelligenz-Sättigung, verfasst mit seiner Frau. Die Kernaussage: Mehr Intelligenz verbessert jede Aufgabe. Doch der Zuwachs läuft gegen eine feste Obergrenze.
Das Beispiel ist simpel. Jemand soll Erde in ein Auto schaufeln. Mit mehr Intelligenz plant er den Weg perfekt. Der Körper bleibt trotzdem gleich schnell. Physikalische Gesetze setzen die Grenze. Diesen Grenzwert nennt Körding den Sättigungswert.
Der buckelförmige Lohnverlauf für Wissensarbeiter
Für den Arbeitsmarkt beschreibt das Paper einen buckelförmigen Lohnverlauf. Zuerst steigen die Löhne, weil KI Menschen produktiver macht. Ein Gärtner mit KI-Tipps arbeitet effizienter. Der Markt zahlt ihm mehr.
Dann kippt der Trend. Wird KI gut genug, verdrängt sie Menschen aus reinen Intelligenz-Jobs. Diese Menschen drängen in physische Sektoren. Dort ist die Aufnahmekapazität begrenzt. Die Löhne sinken wieder.
Körding betont die physische Dimension jedes Jobs. Ein Professor steht vor Studenten. Sein Körper im Raum macht den Vortrag wertvoll. Diese Verschiebung ordnet sich in die Debatte um die Post-Labor-Economy ein.
Warum Roboter nicht wie KI billiger werden
Die naheliegende Gegenfrage lautet: Löst Robotik den Engpass? Körding verneint. Ein Roboter besteht aus zwei Teilen. Das Roboterhirn wird vielleicht unendlich gut. Der Roboterkörper bleibt Stahl, Gelenke und Getriebe.
KI-Tokens werden jedes Jahr um Faktor vier billiger. Roboter nicht. Ein Industrieroboter kostete früher 100.000 Dollar, heute etwa 30.000 Dollar. Dieser Rückgang dauert Jahre, nicht Monate.
Der Vergleich: Roboter sind wie Autos, nicht wie Software. Ein Auto kostet weiter 5.000 oder 10.000 Dollar, nicht 5 Cent. Lange Lieferketten, Minen und Fabriken limitieren die physische Welt. Genau hier stößt die KI-Blase an ihre Grenze.
Was ein Mikroprozessor über die Neurowissenschaft verrät
2017 veröffentlichte Körding ein vielzitiertes Paper. Die Frage: Könnte ein Neurowissenschaftler einen Mikroprozessor verstehen? Sein Team nahm den 6502-Chip aus Apple II und Commodore 64. Darauf lief das Spiel Donkey Kong.
Sie wandten Standardmethoden der Hirnforschung an. Dabei fanden sie einen Transistor, der bei hellen Bildpunkten anspringt. Ein Neurowissenschaftler würde jubeln: der Hell-Dunkel-Transistor. Doch den gibt es gar nicht.
In Wahrheit prüft der Transistor nur, ob eine Variable größer als 128 ist. Der Befund ist ein Artefakt des Spiels, kein Mechanismus des Chips. Körding nutzt das als Kritik. Das Gehirn hat 86 Milliarden Nervenzellen und rund 10 hoch 15 Synapsen. Beobachter sehen den Wald vor lauter Bäumen nicht.
Ist ein LLM intelligent? Die Achsen-Illusion
Schon 2004 zeigte Körding mit Daniel Wolpert das bayessche Gehirn. Menschen verbinden Vorwissen mit neuer Wahrnehmung nahezu optimal. Sie rechnen intuitiv mit Unsicherheit.
Daraus folgt ein tieferes Prinzip: Gradient Descent. Jede Variable bewegt sich ein kleines Stück in die richtige Richtung. Körding vergleicht es mit einem Café-Manager, der hundert Parameter optimiert. Backpropagation in großen Sprachmodellen macht genau das.
Ist ein LLM deshalb intelligent? Körding hält die Frage für falsch gestellt. Intelligenz ist keine einzelne Achse. KI korrigiert Grammatik besser als die meisten Menschen. Andere Fähigkeiten fehlen ihr komplett. Bei Menschen sind viele Fähigkeiten korreliert, bei KI nicht.
Fruchtfliege im Computer: Was Eon Systems tatsächlich zeigte
Körding berät die Firma Eon Systems. Sie veröffentlichte die erste verkörperte Ganzhirn-Emulation einer Fruchtfliege. Das Modell rekonstruiert rund 139.000 Neuronen und etwa 50 Millionen Synapsen aus dem FlyWire-Konnektom.
Der CEO sprach von einem hochgeladenen Gehirn. Körding widerspricht dem Begriff. Das Modell weiß nicht, wie stark eine Nervenzelle die andere beeinflusst. Es ist eine stark vereinfachte Simulation.
Vor allem fehlt der echte Körper. Eine Fliege ist über Millionen Jahre optimiert. Die Simulation löst keine echten Probleme wie Nahrungssuche oder Flucht. Von echtem Uploading ist das Projekt weit entfernt.
Fazit: Weltmodelle und die Grenzen der KI-Blase
Für Körding fehlt heutigen Systemen vor allem ein Weltmodell. Menschen simulieren im Kopf, was beim Ausgießen einer Flasche passiert. Video-KI erzeugt dagegen noch Beine aus dem Nichts. Bessere Weltmodelle nennt der Forscher den nächsten großen Schritt. Ähnlich argumentiert Daniel Cremers zu Weltmodellen.
Seine Botschaft bleibt nüchtern. Die KI-Blase platzt nicht, weil KI schlecht wäre. Sie platzt, weil die physische Welt die Intelligenz limitiert. Menschen bleiben durch Körper, Verantwortung und Vertrauen wertvoll. Beobachter sehen darin ein Argument gegen die Singularitäts-Erwartung.
Häufige Fragen
Warum wettet Konrad Körding gegen die KI-Blase?
Prof. Dr. Konrad Körding hält die Markterwartungen an KI für ökonomisch überzogen. Sein Argument: Der Nutzen von Intelligenz sättigt. Selbst unendlich gute KI stößt an physische Grenzen wie Körper, Lieferketten und Lichtgeschwindigkeit. Deshalb setzt der Forscher seit November 2025 gegen den Markt. Er rechnet mit Fortschritt, aber ohne plötzliche Singularität.
Was bedeutet Intelligenz-Sättigung?
Intelligenz-Sättigung beschreibt einen abnehmenden Grenznutzen. Mehr Intelligenz verbessert jede Aufgabe, aber nur bis zu einem Grenzwert. Körding nutzt das Bild vom Erde-Schaufeln. Perfekte Planung hilft, doch der Körper bleibt gleich schnell. Physikalische Gesetze setzen die Obergrenze. Je intelligenter ein System wird, desto näher rückt es an diesen Sättigungswert.
Warum ersetzen Roboter menschliche Arbeit nicht schnell?
Roboter bestehen aus einem Hirn und einem physischen Körper. Das Hirn wird schnell besser und billiger. Der Körper aus Stahl und Getrieben nicht. KI-Tokens werden jährlich um Faktor vier günstiger. Industrieroboter fielen nur von 100.000 auf rund 30.000 Dollar. Lange Lieferketten und Materialkosten bremsen die physische Welt dauerhaft.
Was zeigte Kördings Mikroprozessor-Experiment?
2017 wandte Kördings Team Methoden der Hirnforschung auf den 6502-Chip an, der Donkey Kong ausführte. Beobachter fanden scheinbar einen Hell-Dunkel-Transistor. Tatsächlich prüft dieser nur, ob eine Variable größer als 128 ist. Der Befund war ein Artefakt des Spiels. Das Experiment zeigt, dass gängige Analysemethoden echte Mechanismen im Gehirn verfehlen können.
Hat Eon Systems ein Fliegenhirn hochgeladen?
Nein, sagt Körding, der die Firma berät. Eon Systems baute eine stark vereinfachte Simulation aus dem FlyWire-Konnektom mit rund 139.000 Neuronen. Das Modell kennt die Stärke der Verbindungen nicht. Es hat keinen echten Körper und löst keine echten Probleme wie Nahrungssuche. Von echtem Uploading ist das Projekt weit entfernt.
