2005 startete ich mein erstes Blog. Mich faszinierte die Bewegung, die wir damals Web 2.0 nannten, und ich war überzeugt: Hier beginnt etwas Großes. Ich hatte recht — und lag trotzdem daneben. Es wurde groß, nur anders, als ich dachte.
Heute, 2026, bei KI, habe ich dasselbe Gefühl. Und es erinnert mich an einen Satz, der oft Mark Twain zugeschrieben wird: „Geschichte wiederholt sich nicht, aber sie reimt sich.“ Da ich jetzt wieder spüre, dass etwas Großes auf uns zukommt, frage ich mich: Reimt sich die Geschichte gerade?
Als ich damals begann, mich intensiv mit Blogs, Wikis und Social Media zu beschäftigen, war Facebook gerade erst gestartet — bei uns noch nicht einmal verfügbar. YouTube gab es noch nicht, und viele Unternehmen hielten Blogs bestenfalls für eine Spielerei von ein paar Technikbegeisterten. Für mich fühlte sich das schon damals anders an. 2006 schrieb ich meine Diplomarbeit über Blogger Relations — also über das, was man heute Influencer Marketing nennt. Ich war überzeugt, dass hier etwas beginnt, das Kommunikation, Öffentlichkeit und Wissen grundlegend verändern würde.
Wir haben eine technologische und folglich gesellschaftliche Umwälzung also schon einmal von Anfang an miterlebt — mit allen Hoffnungen, allen Fehleinschätzungen, allen Überraschungen. Die Frage ist: Können wir heute nachvollziehen, wo wir damals richtig lagen — und wo wir das Entscheidende übersehen haben?
Wenn Geschichte sich reimt, dann lohnt es sich, den ersten Vers genau zu kennen. Denn die spannendste Frage bei KI ist aus meiner Sicht nicht, was die Technologie heute kann. Sondern: Was können wir aus zwanzig Jahren Social Media darüber lernen, wie sich KI in den nächsten zehn Jahren entwickeln wird?
Die Euphorie war nicht falsch
Wenn ich heute auf diese Zeit zurückblicke, finde ich viele der damaligen Hoffnungen weiterhin richtig. Blogs haben das Publizieren demokratisiert, Wikipedia hat gezeigt, welches Potenzial kollaboratives Wissen entfaltet, und Open Source hat ganze Industrien umgekrempelt. Menschen konnten sichtbar werden, ohne den Umweg über Verlage, Medienhäuser oder Institutionen. Wissen wurde zugänglicher, Hürden verschwanden, Expertise suchte sich neue Wege. Das war — zumindest aus meiner Sicht — nicht nur romantische Internet-Euphorie. Viele dieser Versprechen wurden tatsächlich eingelöst.
Interessant ist aus heutiger Sicht: Schon damals war die eigentliche Frage nicht nur, welches Tool gerade neu ist. Die eigentliche Frage war, wie sich Kommunikation, Organisation und Wertschöpfung durch neue digitale Strukturen verändern.
Genau deshalb denke ich heute bei KI so oft an diese Phase zurück.
Der Denkfehler der Nuller-Jahre
Rückblickend glaube ich, dass wir in den Nuller-Jahren einen entscheidenden Denkfehler gemacht haben. Wir diskutierten auf unzähligen Barcamps über Blogs, Communities, Vernetzung, Beteiligung, neue Formen von Öffentlichkeit. Aber über Geschäftsmodelle, Plattformökonomie, Daten, Aufmerksamkeit und Machtkonzentration? Viel zu wenig.
Wir betrachteten die Technologie und die Kommunikation. Aber nicht die Anreizsysteme dahinter.
Genau da wurden später viele Entwicklungen problematisch. Nicht weil Social Media grundsätzlich schlecht gewesen wäre. Sondern weil viele Plattformen irgendwann nicht mehr primär für Nutzerinnen und Nutzer optimiert wurden. Cory Doctorow hat dieses Muster mit dem Begriff „Enshittification“ sehr treffend beschrieben: Plattformen schaffen zunächst Nutzen für Nutzer, optimieren dann stärker für Geschäftskunden — und ziehen am Ende möglichst viel Wert für sich selbst heraus.
Das klingt hart, beschreibt aber ziemlich genau, was wir bei vielen Plattformen erlebt haben. Die ursprüngliche Idee war Vernetzung. Die spätere Realität wurde reine Aufmerksamkeitsoptimierung.
Die spannende Frage bei KI lautet deshalb aus meiner Sicht nicht nur: Was kann KI heute? Sondern: Welche Anreizsysteme werden KI in fünf oder zehn Jahren prägen?
Denn auch KI-Systeme entstehen nicht im luftleeren Raum. Sie werden entwickelt, finanziert, monetarisiert, optimiert. Und irgendwann entstehen auch hier Zielkonflikte — zwischen Nutzerinteresse, Geschäftsmodell, Plattformlogik und gesellschaftlicher Wirkung.
Folgen zweiter Ordnung sind oft wichtiger als die Technologie selbst
Als Facebook, Twitter oder YouTube groß wurden, diskutierten wir vor allem über die unmittelbaren Effekte. Menschen können Inhalte veröffentlichen. Unternehmen erreichen Kundinnen und Kunden direkt. Expertinnen und Experten werden sichtbar. Communities entstehen.
Das war alles richtig. Aber die wirklich großen Veränderungen passierten auf einer anderen Ebene — als Folgen zweiter Ordnung.
Ein Beispiel: Menschen verbrachten mehr Zeit auf sozialen Plattformen. Also verlagerten Unternehmen ihre Werbebudgets dorthin. Betriebswirtschaftlich vollkommen logisch — Marketingbudgets folgen nun mal der Aufmerksamkeit.
Die Konsequenzen gingen aber weit über einzelne Kampagnen hinaus. Werbegelder flossen immer stärker zu wenigen globalen Plattformen, Medienhäuser verloren Erlöse, regionale Medien gerieten unter Druck, journalistische Strukturen wurden geschwächt. Der Digital News Report des Reuters Institute zeigt seit Jahren, wie stark Nachrichtenkonsum auf Plattformen stattfindet — und wie schwierig Monetarisierung und direkte Beziehung zu den Nutzerinnen und Nutzern dadurch für Publisher werden.
Auch die Debatten um die Vergütung von Nachrichteninhalten durch Google und Meta zeigen, wie groß die Verschiebung geworden ist. Eine vielzitierte Berechnung, die der Weltverband der Zeitungen WAN-IFRA publiziert hat, argumentiert: Plattformen profitieren erheblich von journalistischen Inhalten, während die Wertschöpfung bei den Publishern nicht in gleicher Weise ankommt.
Das hatten wir damals nicht am Schirm. Es entstand aus vielen einzelnen, jeweils rationalen Entscheidungen. Genau das macht Folgen zweiter Ordnung so tückisch. Deshalb frage ich mich heute: Welche Folgen zweiter Ordnung werden wir bei KI erleben?
Die direkten Effekte sehen wir relativ gut — schnellere Recherche, bessere Textproduktion, effizientere Softwareentwicklung, automatisierte Prozesse, geringere Transaktionskosten. Alles relevant. Aber die interessanteren Fragen liegen dahinter.
Was passiert mit Ausbildung, wenn Wissen jederzeit verfügbar ist? Was passiert mit Beratung, wenn Analyse zunehmend automatisiert wird? Was passiert mit Führung, wenn Mitarbeitende häufiger die Maschine fragen als ihre Vorgesetzten? Was passiert mit Organisationen, wenn implizites Erfahrungswissen plötzlich dokumentiert, reproduziert und in Agenten gegossen wird?
Und nicht zuletzt: Wer profitiert am Ende von den Produktivitätsgewinnen?
Von der Konzentration der Aufmerksamkeit zur Konzentration der Wertschöpfung
Hier sehe ich eine mögliche Parallele, die aus meiner Sicht noch zu wenig diskutiert wird: Social Media hat Aufmerksamkeit zentralisiert. KI könnte Wertschöpfung zentralisieren.
Die wichtigsten Foundation Models stammen aktuell überwiegend von amerikanischen Unternehmen. Der Stanford AI Index 2025 zeigt das sehr deutlich: 2024 kamen 40 nennenswerte KI-Modelle aus US-Institutionen — Europa kam auf drei.
Natürlich entstehen weltweit Alternativen, auch in Europa, etwa mit Mistral. Und auf der Anwendungs- und Werkzeugebene ist Europa durchaus präsent — Lovable, n8n. Aber das sind Werkzeuge und Anwendungen. Die entscheidende Ebene darunter — die der großen Foundation Models und der Cloud-Infrastruktur — wird derzeit klar von wenigen Anbietern dominiert: OpenAI, Anthropic, Google.
Wenn europäische Unternehmen künftig durch KI produktiver werden, entsteht auf den ersten Blick ein Gewinn: weniger Aufwand, schnellere Prozesse, bessere Ergebnisse.
Aus Sicht eines einzelnen Unternehmens kann das absolut sinnvoll sein. Aber volkswirtschaftlich stellt sich eine andere Frage: Bleibt die neu geschaffene Wertschöpfung in Europa — oder fließt ein relevanter Teil davon über Lizenzkosten, Tokenkosten, Cloudkosten und Plattformgebühren an wenige globale Anbieter ab?
Bei Social Media floss ein erheblicher Teil der Werbeerlöse zu globalen Plattformen. Bei KI könnte ein ähnlicher Mechanismus entstehen. Nur diesmal nicht bei der Aufmerksamkeit, sondern bei der Produktivität.
Das ist keine theoretische Sorge. Die Diskussion über digitale Souveränität ist inzwischen sehr konkret geworden. Europa will eigene digitale Infrastruktur aufbauen, um die Abhängigkeit von US-Anbietern zu reduzieren — ohne daraus Protektionismus zu machen. Auch neue Konstruktionen wie eine rechtlich eigenständige Cloud-Lösung von Thales und Google in Deutschland zeigen: Souveränität, Kontrolle und Abhängigkeit stehen inzwischen im Zentrum strategischer Technologieentscheidungen.
Die KI als Ja-Sager: warum das vor allem Führungskräfte trifft
Es gibt noch eine zweite Parallele zu Social Media, subtiler als die ökonomische. Soziale Netzwerke wurden auf Aufmerksamkeit hin optimiert. Generative KI optimiert auf etwas anderes: Ein Chatbot wird nicht dadurch erfolgreich, dass er möglichst lange die Aufmerksamkeit hält, sondern dadurch, dass Menschen ihm vertrauen und gern mit ihm sprechen. Erfolg bemisst sich daran, ob sich Nutzerinnen und Nutzer verstanden fühlen, ob die Antwort hilfreich wirkt, ob man wiederkommt. Die optimierte Größe ist tendenziell nicht Aufmerksamkeit, sondern Beziehung.
Klingt zunächst harmlos, fast sympathisch. Aber es lohnt sich, den Mechanismus zu Ende zu denken. Ein System, das auf Zustimmung und Vertrauen optimiert wird, hat einen eingebauten Anreiz, angenehm zu sein: zuzustimmen, zu bestätigen, auf der Seite der Nutzerin zu stehen. Ein System, das auf Aufmerksamkeit optimiert war, hat uns gereizt und polarisiert. Ein System, das auf Beziehung optimiert wird, könnte uns etwas anderes antun — es könnte uns zu sehr gefallen.
Besonders deutlich wird das in der Führung. Führungskräfte unter Druck neigen ohnehin dazu, kontrollierender zu werden, weniger zuzuhören, eher Bestätigung als Widerspruch zu suchen. Wenn nun auch noch die KI, die sie zur Entscheidungsvorbereitung nutzen, vor allem bestätigt statt zu hinterfragen, entsteht eine Feedback-Blase: Die Führungskraft hört von ihrem (KI-)Team noch weniger Gegenrede. Im schlechtesten Fall verstärkt KI damit nicht gute, sondern toxische Führung. Nicht weil die Technologie schlecht wäre — sondern weil ein auf Zustimmung optimiertes System genau dort am gefährlichsten ist, wo Widerspruch am nötigsten wäre.
Wo Social Media eine Aufmerksamkeitsökonomie geschaffen hat, könnte KI eine Form emotionaler Bindung erzeugen: nützlich, angenehm, jederzeit verfügbar — und gerade deshalb schwer zu hinterfragen. Die wichtige Frage ist deshalb nicht nur, wem die KI ökonomisch nutzt. Sondern auch: Sagt sie uns, was stimmt — oder was wir hören wollen?
Wir haben die Plattformfrage schon einmal unterschätzt
Bemerkenswert finde ich: Europa hat trotz seiner wirtschaftlichen Stärke keine globale Social-Media-Plattform hervorgebracht — nichts, was sich mit Facebook, YouTube, Instagram oder TikTok messen könnte. Es gab nur Copy-Cats, und die sind meistens wieder verschwunden. Die digitale Öffentlichkeit europäischer Bürgerinnen und Bürger findet heute überwiegend auf Plattformen statt, die anderswo entwickelt wurden. Und mit den Plattformen kamen die Regeln, die Algorithmen, die Geschäftsmodelle — und große Teile der Wertschöpfung.
Die Frage bei KI lautet deshalb nicht nur: Wie nutzen wir KI? Sondern auch: Wem gehört die Infrastruktur, auf der unsere künftige Wissensarbeit basiert?
Mir geht es dabei nicht um technologischen Nationalismus, sondern um Resilienz, Verhandlungsmacht, Datenschutz und Handlungsfähigkeit — letztlich um digitale Souveränität. Denn wer die Infrastruktur kontrolliert, kontrolliert langfristig auch einen Teil der Wertschöpfung. Und vielleicht auch einen Teil der Regeln, nach denen Wissen gesucht, bewertet, zusammengefasst und operationalisiert wird.
Eine provokante These wäre daher: Bei Social Media haben wir die Plattformen importiert und anschließend versucht, ihre Auswirkungen zu regulieren. Bei KI besteht die Gefahr, dass wir genau denselben Weg noch einmal gehen.
Die unbequemste Frage: Was zählt künftig noch als Können?
Rückblickend fällt mir ein Muster auf: Die Technologien, die wirklich etwas verändert haben, waren selten die technisch beeindruckendsten. Blogs waren simpel. Die Software sozialer Netzwerke war nicht sonderlich komplex. Smartphones waren, nüchtern betrachtet, bessere PDAs mit Internetanschluss. Verändert haben diese Technologien die Welt nicht durch ihre Bauweise, sondern dadurch, dass sie menschliches Verhalten neu justiert haben — wie wir kommunizieren, lernen, Aufmerksamkeit verteilen, arbeiten.
Bei KI kommt aber etwas hinzu, das über frühere Technologien hinausgeht. Social Media hat verändert, wie wir kommunizieren. KI verändert, was überhaupt als wertvolle Arbeit gilt.
Vieles, was in meiner Branche jahrelang als Expertise galt, lässt sich nüchtern so beschreiben: Informationen zusammentragen, sauber strukturieren, überzeugend formulieren. Genau diese Tätigkeiten beherrschen KI-Systeme inzwischen auf einem Niveau, das vor drei Jahren undenkbar war. Was gestern Kompetenz war, wird damit zur Commodity — auf Knopfdruck verfügbar, in Sekunden, zu marginalen Kosten.
Das ist eine unbequeme Erkenntnis. Und sie betrifft nicht die anderen. Sie betrifft alle, die heute mit Wissen arbeiten — mich eingeschlossen. Die Frage ist nicht mehr nur: Wie nutze ich diese Werkzeuge? Sondern: Worin besteht eigentlich mein Beitrag, wenn das Werkzeug den Großteil dessen übernimmt, wofür ich ausgebildet wurde?
Ich glaube, die Antwort verschiebt den Wert menschlicher Arbeit — weg vom Produzieren, hin zum Urteilen. Weg von „Ich kann einen guten Text schreiben“, hin zu „Ich kann beurteilen, ob dieser Text der richtige ist — für diesen Kunden, in dieser Situation, mit diesem Ziel.“ Weg von Ausführung, hin zu Verantwortung, Kontext, Entscheidung. Das ist kein kleiner Schritt. Es ist eine Neuvermessung dessen, was berufliche Identität in der Wissensarbeit überhaupt bedeutet.
Mit genau dieser Frage — welche Fähigkeiten künftig zählen und wie Organisationen den Wandel gestalten sollten — habe ich mich ausführlicher in „Mensch und Arbeit im KI-Zeitalter“ beschäftigt. Der Kern dort: Ob KI Arbeit aufwertet oder aushöhlt, ist keine technische Frage, sondern eine Gestaltungsentscheidung — zwischen Automation, die den Menschen zur Kontrollinstanz degradiert, und Augmentation, die ihn Gestalter bleiben lässt.
Das ist auch der Gedanke, der sich durch meine Texte „Vibe Marketing“ und „Vibe ist erst der Anfang“ zieht: Die eigentliche Veränderung liegt nicht darin, dass wir einzelne Aufgaben schneller erledigen. Sie liegt darin, dass sich die Logik von Arbeit, Organisation und Wertschöpfung verschiebt — und mit ihr unser Verständnis davon, was unsere Arbeit eigentlich ausmacht.
Warum ich optimistisch bleibe
Meine persönliche Begeisterung für neue Technologien ist nicht verschwunden. Im Gegenteil. Ich beschäftige mich aktuell vermutlich intensiver mit KI, als ich mich damals mit Blogs beschäftigt habe.
Aber meine Haltung hat sich verändert. Ich schaue heute weniger auf die Technologie selbst und stärker auf die Systeme, die um sie herum entstehen: Anreizstrukturen, wirtschaftliche Abhängigkeiten, Governance, gesellschaftliche Nebeneffekte, Folgen zweiter und dritter Ordnung.
Das heißt nicht, dass man KI bremsen oder kleinreden sollte — im Gegenteil. Ich bin überzeugt, dass KI riesige Potenziale hat: für Produktivität, für Lernen, für bessere Entscheidungen, für neue Formen von Beratung. Für Agenturen, für Organisationen, für Menschen, die sich eigene Werkzeuge bauen und ihre Arbeit anders gestalten.
Aber gerade deshalb sollten wir die Entwicklung nicht nur aus der Tool-Perspektive betrachten. Die wichtigste Frage ist nicht: Welches Modell ist heute am besten? Die wichtigere Frage ist: Welche Arbeitsweisen, Märkte, Abhängigkeiten und Machtstrukturen bauen wir gerade rund um diese Modelle auf?
Was das für Unternehmen bedeutet
Meine Sicht: KI-Strategie darf nicht bei Tool-Auswahl, Prompt-Schulungen und einzelnen Automatisierungsprojekten stehen bleiben. Diese Ebene braucht es — aber sie reicht nicht.
Es braucht eine zweite, strategische Ebene. Auf ihr entscheidet ein Unternehmen, welche Kompetenzen, Daten und Wissensstrukturen es selbst beherrschen will — und welche es an Plattformen abgibt. Wo Abhängigkeit vertretbar ist, und wo sie gefährlich wird. Wo europäische, offene oder zumindest austauschbare Alternativen strategisch sinnvoll sind. Das sind keine IT-Fragen. Das sind Fragen der unternehmerischen Handlungsfähigkeit.
Dahinter steht eine einfache Einsicht: KI ist kein Projekt, das man einführt und dann abhakt. Es ist eher wie ein Betriebssystem — einmal eingezogen, prägt es, wie alles andere läuft. Und es will laufend gepflegt, verstanden und neu justiert werden. Genau deshalb gehören Nebenwirkungen, Abhängigkeiten und Lernprozesse von Anfang an mitgedacht.
Mein Fazit
Was ich aus zwanzig Jahren digitaler Transformation auch mitnehme: Wir täuschen uns fast immer im Zeithorizont. Kurzfristig erwarten wir zu viel und werden ungeduldig. Langfristig erwarten wir zu wenig und werden überrascht.
Social Media hat die Welt nicht über Nacht verändert. Es hat Jahre gebraucht — und dann war plötzlich alles anders: wie wir Nachrichten lesen, wie Werbung funktioniert, wer die öffentliche Debatte prägt. Bei KI werden wir denselben Effekt erleben. Vielleicht fühlt es sich gerade noch nach Spielerei und Effizienzgewinn an. Die wirklich großen Folgen kommen später — und leiser, als wir denken.
Deshalb bin ich weder Euphoriker noch Skeptiker. Ich bleibe neugierig, aber wachsamer als früher. Optimistisch, aber nicht mehr so naiv — bin ja auch ein wenig älter 😉
Mein Rat wäre deshalb: Nutzen wir KI. Schnell, mutig, praktisch. Aber schauen wir gleichzeitig genau hin, welche Systeme wir dabei bauen — welche Abhängigkeiten wir eingehen und welche Fähigkeiten wir im eigenen Haus behalten wollen.
Denn am Ende wird nicht entscheidend sein, was KI-Modelle können. Entscheidend wird sein, was wir daraus machen. Die Technologie gibt uns enorme Möglichkeiten — aber die Richtung geben wir vor. Geschichte mag sich reimen — aber der nächste Vers ist noch nicht geschrieben. Diesmal können wir ihn hoffentlich ein bisschen bewusster mitschreiben.