Klein, aber passt – Die maßgeschneiderte KI.

Ein Blick auf KI in den kommenden Jahren.

Frank Tentler · 28. Oktober 2026

Niemand fährt mit dem Sattelzug zum Bäcker. Bei künstlicher Intelligenz tun wir das ständig: Wir schicken eine Frage, für die ein kleineres Modell ausreichen würde, an das größte und teuerste System, das wir bekommen können. Satya Nadella, der Chef von Microsoft, hat dafür im Juni 2026 im Podcast „Hard Fork“ der New York Times einen einfachen Satz gefunden: „Don't use frontier models for non-frontier problems.“ Für Aufgaben, die keine Spitzenaufgaben sind, braucht man keine Spitzenmodelle. Er gab dort auch zu, dass er selbst gern mehr Rechenleistung verbraucht als nötig: „I'm a tokenmaxxer too, it's addictive.“

Am 26. Oktober 2026 erschien ein Gespräch, das Nadella mit Harry Stebbings für dessen Podcast 20VC geführt hat. Hängen geblieben ist mir vor allem die Richtung, die er für die weitere Entwicklung von KI beschreibt. Vieles daran entspricht meiner eigenen Erwartung für die kommenden Jahre.

Nadellas These lautet nach den Berichten über das Gespräch: Für sehr viele alltägliche Aufgaben wird es mehrere Modelle geben, die gut genug sind. KI wird dann zunehmend zu einer Grundversorgung, die man nach Preis und Eignung einkauft, ähnlich wie Strom. Ich glaube, dass die riesigen Modelle, um die sich gerade alles dreht, für einen großen Teil unserer Arbeit gar nicht gebraucht werden. Ein einfacher Brief, eine Zusammenfassung oder die Sortierung eingehender Anfragen braucht nicht automatisch das leistungsfähigste System. Entscheidend ist allerdings die konkrete Aufgabe. Auch ein kurzer Brief kann anspruchsvoll sein, wenn darin widersprüchliche Informationen zusammenkommen oder weitreichende Zusagen gemacht werden.

Wenn alle Zugang zu ähnlich guten Modellen haben, verschafft dieser Zugang allein niemandem mehr einen Vorsprung. Wert entsteht dann bei dem, was eine Organisation über ihre eigene Arbeit weiß. Im Titel der Folge steht dafür die Formulierung „Owning Your Intelligence“, die eigene Intelligenz besitzen. Gemeint ist nicht, dass jede Firma ein eigenes Sprachmodell trainieren soll. Gemeint ist das Wissen, wie gute Arbeit im eigenen Haus aussieht, welche Fehler passieren dürfen und welche nie, und wo die Ausnahmen liegen.

Greifbar wird dieser Gedanke in den sogenannten Evals. Das sind eigene Prüfverfahren: eine Sammlung echter Aufgaben aus dem Alltag, ergänzt um Kriterien für gute Ergebnisse und Fehler, die auf keinen Fall passieren dürfen. Manchmal gibt es eine eindeutig richtige Lösung, manchmal mehrere brauchbare Wege. An dieser Sammlung lässt sich jedes neue Modell messen, bevor man ihm Arbeit anvertraut. Nach der Zusammenfassung des Newsletters Scuttlebutt beschreibt Nadella solche privaten Prüfverfahren als Kern des geistigen Eigentums eines Unternehmens. Wer sie hat, kann besser beurteilen, ob ein günstigeres oder neues Modell dieselbe Arbeit zuverlässig erledigt. Das erleichtert einen Anbieterwechsel, auch wenn damit noch nicht jede technische Abhängigkeit verschwindet. Wer solche Maßstäbe nicht hat, bleibt eher bei dem, was er kennt.

Dasselbe Wissen hilft bei der Sicherheit. Nadella sagt in dem Gespräch, er habe früher geglaubt, Modelle würden mit wachsender Leistung von selbst verlässlicher. Das glaube er nicht mehr, die Ausrichtung von KI auf menschliche Ziele sei womöglich ein schwierigeres und anderes Problem. Seine Antwort ist eine technisch kontrollierte Umgebung, die fehlerhafte Agenten auffangen soll, bevor sie Schaden anrichten. Eine Garantie ist das nicht. Doch Grenzen kann nur setzen, wer weiß, was richtig ist und welche Handlungen ausgeschlossen bleiben müssen. Die eigenen Maßstäbe sind deshalb auch eine Grundlage der Kontrolle.

Eine wirtschaftliche Frage bleibt für mich offen. Wenn kleine, günstige Modelle für einen großen Teil der Arbeit genügen, werden die Anbieter dann noch Preise durchsetzen können, die ihre gewaltigen Investitionen tragen? Womöglich haben sich manche Unternehmen mit ihren Milliarden für immer größere Modelle und Rechenzentren verzockt. Das ist meine Einschätzung und eine Wette auf die nächsten Jahre. Sie ist allerdings nicht schon dadurch gewonnen, dass einzelne Aufgaben billiger werden. Günstigere KI kann auch viel häufiger eingesetzt werden und dadurch insgesamt mehr Rechenleistung benötigen.

Microsoft steht bei dieser Wette keineswegs am Rand. Allein für das Geschäftsjahr 2025 hatte der Konzern rund 80 Milliarden Dollar für KI-Rechenzentren angekündigt, und seine Spitzenmodelle bezog er lange vor allem vom Partner OpenAI. Man sollte auch wissen, dass Microsoft von der Entwicklung profitieren kann, die Nadella beschreibt. Wenn günstigere Modelle dieselbe Qualität liefern und die übrigen Kosten nicht entsprechend steigen, verbessert das die Wirtschaftlichkeit von Copilot. Seine These wird dadurch nicht falsch, aber sie kommt von jemandem, der ein eigenes wirtschaftliches Interesse daran hat.

Klein, aber passt!

Die maßgeschneiderte Intelligenz ist keine Sache, die nur Konzerne mit einer Datenabteilung leisten können. Ich glaube, dass auch kleine Organisationen sie aufbauen können, nur eben kleiner. Eine Tischlerei könnte zwanzig echte Kundenanfragen aus dem vergangenen Jahr sammeln, dazu die Angebote, die sie tatsächlich geschrieben hat, und notieren, worauf es bei jeder einzelnen ankam. Dabei müsste sie auch prüfen, was an den damaligen Angeboten gut war und was sie heute anders machen würde. Ein Verein könnte festhalten, welche Fragen seine Mitglieder immer wieder stellen und woran eine richtige und hilfreiche Antwort zu erkennen ist. Daraus entsteht ein erstes kleines Prüfverfahren, und zugleich wird ein Stück Wissen festgehalten, das bisher nur in den Köpfen lag.

In meinen „AI Papers“, mit denen ich in Workshops arbeite und die ich den Teilnehmenden als Arbeitsgrundlage mit auf den Weg gebe, mache ich etwas Verwandtes. Das sind Dokumente, die für zwei Leser geschrieben sind, für den Menschen und für seine KI, und die man in einen KI-Account lädt wie früher eine Diskette in den Rechner. Sie halten Wissen, Aufgaben und Regeln für die Zusammenarbeit fest. Diese Grundlage bleibt bei der Organisation, ganz gleich, welches Modell sie gerade liest. Ein Prüfverfahren ergänzt sie um die Frage, ob die KI damit tatsächlich brauchbare Arbeit leistet. Zu einem AI Paper können deshalb ausgewählte Aufgaben gehören, an denen die Organisation die Ergebnisse überprüft. Einige davon sollten der KI vorher nicht schon als gelöste Beispiele vorliegen.

Wichtig ist, anzufangen. Der Aufbau einer maßgeschneiderten Intelligenz ist ein Prozess, ein Marathon, der heute beginnen kann und sich dann Stück für Stück entwickelt. Menschen halten fest, was gute Arbeit ausmacht, erproben es mit KI und verbessern ihre Maßstäbe anhand der Ergebnisse. Für den Weg zum Bäcker reicht ein kleines Fahrzeug. Den Weg muss man allerdings selbst kennen, und wer ihn aufschreibt, kann auch einem anderen Fahrzeug sagen, wohin es fahren soll.

Zum Nachlesen

Das Interview bei 20VC: „Satya Nadella on Trusting AI and Owning Your Intelligence“.

Zusammenfassung des Gesprächs bei Scuttlebutt vom 27. Oktober 2026.

Benzinga über Nadellas Sinneswandel beim Alignment.

Windows Central über Nadellas Auftritt im Podcast „Hard Fork“, veröffentlicht am 13. Juni 2026.

Microsoft über die geplanten Investitionen in KI-Rechenzentren, 3. Januar 2025.