Am 12. Juli 2026 veröffentlichte George Hotz auf seinem persönlichen Blog einen knappen Text von weniger als 800 englischen Wörtern mit dem Titel I love LLMs, I hate hype. Innerhalb von knapp 24 Stunden erreichte der Beitrag auf Hacker News über 280 Upvotes und mehr als 160 Kommentare.
Wer ist George Hotz? Kurz gesagt: ein Techniker, den das Silicon Valley gleichermaßen bewundert und fürchtet. Mit 17 Jahren war er die erste Person, der es gelang, das iPhone zu entsperren; später knackte er die PS3 und gründete schließlich das Unternehmen für autonomes Fahren comma.ai. In der Tech-Szene ist sein Alias „Geohot“ ein Symbol – für unbotmäßiges Talent und eine natürliche Skepsis gegenüber Autoritäten.
Diesmal allerdings knackte er kein Gerät. Er zerlegte ein Bewertungssystem.
Ein bemerkenswert knappes Bewertungsparadoxon
In seinem Text steht ein Satz, den HN-Nutzer als „außerordentlich präzise Zusammenfassung der gesamten Lage“ bezeichneten:
Mein zentraler Einwand gegen die Bewertung der Frontlabore lautet: Sie können diesen Wert nicht einfangen. Dass KI enormen Wert schafft, ist das eine; dass das Unternehmen, welches den Wert schafft, damit auch Geld verdient, ein ganz anderes.
Aufgeschlüsselt ergibt sich daraus eine Zweiteilung. Erstens: Wird KI enormen Wert schaffen? Hotz’ Antwort ist eindeutig: ja. Gleich zu Beginn des Artikels schreibt er, seine gesamte Karriere habe der KI gegolten, und „ich liebe diesen Fortschritt“. Zweitens: Werden die führenden KI-Unternehmen, die diesen Wert geschaffen haben, ihn auch in eigene Umsätze und Gewinne umwandeln können? Genau das ist sein eigentlicher Zweifel.
Zur Veranschaulichung dieses Unterschieds mag eine weniger technische Analogie dienen. Die Erfindung des Stroms schuf einen Wert, der nicht zu beziffern ist – ohne Strom wäre die moderne Zivilisation undenkbar. Doch Kraftwerke gehören nicht zu den profitabelsten Geschäften der Welt. Die Luftfahrt steuert der Weltwirtschaft jährlich mehrere Billionen Dollar bei, doch Aktien von Fluggesellschaften waren auf lange Sicht keine gute Anlage – wie ein HN-Nutzer in der Diskussion schrieb: „Delta Air Lines wird scherzhaft als Bank bezeichnet, die nebenbei eine Fluggesellschaft betreibt, weil ein großer Teil ihrer Einnahmen aus Kreditkartengebühren stammt.“
Wert zu schaffen und Wert einzufangen sind zwei völlig verschiedene Dinge.
LLMs werden zum „Wasser aus dem Hahn“
Warum führende KI-Labore den Wert möglicherweise nicht einfangen können, hat drei Kernursachen.
Erste Ursache: Die Leistungslücke zwischen den Modellen schrumpft. In derselben Woche wie Hotz’ Beitrag betrieb er auf seinem Linux-Rechner ein lokales Modell namens GLM-5.2, um tmux zu installieren und zu konfigurieren. Seine Einschätzung: „funktioniert wie Magie“. GLM-5.2 ist jedoch ein Open-Source-Modell – kein kostenpflichtiges Produkt von OpenAI oder Anthropic. Ein HN-Nutzer schrieb: „Wir dürfen die Kraft des ‚gut genug‘ nicht übersehen. GLM-5.2 ist vielleicht nicht so stark wie das beste geschlossene Modell, reicht aber für die meisten Menschen und die meisten Anforderungen völlig aus.“
Dies ist keine Ausnahme. Das unter Alibaba veröffentlichte Open-Source-Modell Qwen überschritt im Januar 2026 die Marke von einer Milliarde Downloads. Modelle mit offenen Gewichten konkurrieren bei Programmieraufgaben bereits mit den geschlossenen Frontmodellen – zu einem Bruchteil deren Kosten.
Zweite Ursache: Die Wechselkosten nähern sich null. In der Softwarebranche bedeutet der Wechsel eines Anbieters in der Regel Datenmigration, erneute Schulung und Betriebsunterbrechung. Doch der Wechsel eines LLM? Man ändert lediglich eine API-Adresse oder öffnet eine andere Webseite. Ein HN-Nutzer beschreibt die aktuelle Marktlage: „Anthropic drängt die Nutzer ganz gezielt zum nutzungsbasierten Tarif von Fable. Doch OpenAI veröffentlichte 5.6 Sol, das in der Leistung Fable nahe genug kommt und – Achtung – im monatlichen 20-Dollar-Abo enthalten ist. Sollte Anthropic wenige Tage später den Fable-Zugang im Abo streichen, prognostiziere ich eine Massenrückkehr zu OpenAI.“ Wie Hotz in einem früheren Blogbeitrag mit dem Titel AI has no moat schrieb: KI hat keinen Burggraben.
Dritte Ursache: Der Preiskrieg hat bereits begonnen. Dies ist eine laufende Entwicklung. Anfang 2026 senkte Anthropic die Preise für Claude um 67 %. Ein Modell, das vormals 60 Dollar pro Million Token kostete, ist heute für 1 bis 2 Dollar zu haben. Der Markteintritt von DeepSeek trieb diese Tendenz auf die Spitze. Das Wall Street Journal berichtete im Juni, dass das bald börsengangsfähige OpenAI erwägt, die Token-Preise drastisch zu senken, um seinen Unternehmensmarkt zu verteidigen – und auch das ebenfalls bald börsengangsfähige Anthropic bereitet dasselbe vor.
Das Forschungsteam von Epoch AI verfolgte den Rückgang der LLM-Inferenzpreise über die vergangenen drei Jahre. Ihr Fazit: Bei Aufgaben wie dem naturwissenschaftlichen Fragen auf Promotionsebene (GPQA Diamond) sanken die Kosten für eine GPT-4-äquivalente Leistung pro Jahr um etwa das 40-Fache. Über verschiedene Aufgaben hinweg reichte die Spanne von 9- bis 900-fachem Rückgang. Hinter diesem Trend stehen gemeinsam Hardwareeffizienz, Modellverkleinerung und Optimierung – doch egal aus welchem Grund: Das Ergebnis ist dasselbe. Die Ausgabe von LLMs wird zusehends billiger, billig wie Leitungswasser.
Anthropic und OpenAI: Zwei Wege
Angesichts der Kommodisierungswelle steuern die beiden Frontlabore in unterschiedliche Richtungen. Diese Divergenz spiegelt genau die zentrale Spannung in Hotz’ Argument wider.
Anthropic setzt auf nutzungsbasierte Abrechnung. Die Logik: Die stärksten Modelle (etwa Fable) sind so teuer, dass sie sich nicht durch eine feste Abogebühr decken lassen – die Nutzer sollen also für die tatsächlich verbrauchten Token zahlen. Das klingt plausibel, hat aber ein Problem: Im Abo-Modell erhält man für 20 bis 200 Dollar im Monat das beste Modell; beim Wechsel zur nutzungsbasierten Abrechnung kann dieselbe Nutzung plötzlich 1.000 bis 10.000 Dollar kosten.
Ein HN-Nutzer, der angab, in einem Unternehmen das KI-Budget zu verwalten, rechnete vor: „Ich werde ganz sicher nicht 1.000 Dollar im Monat für das beste Modell ausgeben, geschweige denn 10.000. Mein Unternehmen zahlt vielleicht 1.000 Dollar im Monat, aber unmöglich 10.000.“ Er fuhr fort: „Die Frontlabore brauchen von jedem die Antwort ‚ich zahle gern das 100-Fache des heutigen Preises‘ – was unmöglich ist, denn inzwischen weiß jeder, wie man diese Modelle baut.“
OpenAI wählte einen anderen Weg. Das Modell GPT-5.6 Sol – mit einer Leistung, die Fable nahe genug kommt – wurde in den monatlichen 20-Dollar-Tarif aufgenommen. Eine grundverschiedene Strategie: nicht das hohe Pro-Kopf-Einkommen, sondern die Skaleneffekte von Nutzerzahl und Marktanteil stehen im Zentrum.
Ob eine der beiden Strategien richtig oder falsch ist, lässt sich noch nicht abschließend beurteilen. Doch Hotz’ Urteil ist klar: Anthropics Drang zur nutzungsbasierten Abrechnung sei „sein eigener Sarg“, denn im Abo-Modell sei der Wert der Frontmodelle bereits an einem relativ niedrigen Preispunkt verankert. Hat man sich erst an das „beste KI“ für 20 Dollar im Monat gewöhnt, ist die Rückkehr zu einer nach Verbrauch explodierenden Rechnung sowohl psychologisch als auch wirtschaftlich unrealistisch.
Die Untergangserzählung und die Bewertung
Hotz’ aktueller Text ist eigentlich eine Fortsetzung eines Blogbeitrags von zwei Wochen zuvor. Dessen Titel war noch schärfer: The doom justifies the valuation.
Dort schrieb er, er habe kürzlich zwei Wochen in Berkeley verbracht und in der KI-Szene eine eigenartige Atmosphäre wahrgenommen: ein Gedankenvirus, kein technisches Phänomen. Er zitierte eine Passage des Autors „schizoposting“: „Der einzig mögliche Schluss ist, dass diese Erzählung darauf ausgelegt ist, Panik zu erzeugen. Tatsächlich ist sie darauf optimiert, Panik zu erzeugen: Keine Beschreibung eines konkreten Produkts vermag in Medien und Öffentlichkeit mehr psychische Wirbel auszulösen als die ‚KI-Apokalypse‘. Sie liefert einen sich über Jahre ziehenden Nachrichtenzyklus und endlos reproduzierbare Streitpunkte – und deren Hauptwirkung besteht darin, den Bezugsrahmen für die Bewertung der KI-Industrie von der Realität auf hypothetischen Zukunftswert zu verschieben.“
Mit anderen Worten: Wenn man schlicht einen ehrlichen Technikblog schreibt – „hey, unser Modell hat bei einem Benchmark drei Prozentpunkte zugelegt“ – verleiht das niemandem eine Bewertung von hunderten Milliarden Dollar. Sagt man hingegen „diese Technik könnte die Richtung der menschlichen Zivilisation ändern, wir müssen sie ‚kontrollieren‘, bevor sie außer Kontrolle gerät“ – dann hat der hohe Preis eine Geschichte.
Genau dies ist die Kehrseite von Hotz’ „Bewertungsparadoxon“: Die Frontlabore können nicht nur den von der KI geschaffenen Wert möglicherweise nicht einfangen, ihre Bewertung selbst ruht auf einer Erzählung, die weiter reicht als die Technik. Und wenn eine Erzählung ständig eskaliert werden muss, um die Bewertung zu stützen, wird die Tragfähigkeit der Erzählung selbst zum Problem.
Was nun geschehen wird
Der vorliegende Beitrag möchte keine „Antwort“ liefern – das übersteigt nicht nur das Urteilsvermögen des Autors, sondern widerspricht auch dem explorativen Charakter dieses Kommentars. Doch lassen sich mehrere Kräfte benennen, die gegenwärtig zugleich wirken.
Die aufwärts gerichtete Kraft: KI schafft tatsächlich realen Wert. GitHub Copilot hebt die Produktivität von Programmierern spürbar an; die KI-Substitution im Kundenservice spart echte Kosten; in der Forschung – von Proteinfaltung bis mathematischem Beweis – ist der KI-Beitrag nicht zu vernachlässigen. Davon ist nichts eine Blase.
Die abwärts gerichtete Kraft: Die Kommodisierung verläuft schneller als die Evolution der Geschäftsmodelle. Die Leistungslücke der Modelle schrumpft, die Wechselkosten sind nahe null, und der Preiskrieg lässt alle Seiten bluten. Ein HN-Nutzer kommentierte treffend: „Das gleicht Nvidia oder Intel, die behaupten, die beste Spieleleistung zu haben – und dafür pro Frame mehr Strom verbrauchen als jeder Konkurrent. Das braucht niemand.“
Die seitwärts gerichtete Kraft: Die Fließrichtung des Werts verschiebt sich. Wie eine Analyse festhält, „wandert die Gewinnzone von den Anbietern der Frontmodelle nach unten – zu Rechenleistung, Cloud-Diensten, der Orchestrierungsschicht der Anwendungen“. Anders gesagt: Die Modellbauer müssen nicht die profitabelsten Unternehmen sein. Am meisten verdienen vielleicht die, die die „Schaufeln“ verkaufen (Nvidia), oder jene Werkzeuge, die Modelle in bestehende Arbeitsabläufe einbetten und damit unentbehrlich machen.
Hotz’ Haltung gegenüber der KI ist letztlich optimistischer, als es die Pose mancher Kritiker vermuten ließe. Am Ende seines Textes schreibt er: „KI ist die Fortsetzung der Computerrevolution. Ich liebe Computer zu sehr.“ Er redet der KI nicht schlecht, er hinterfragt eine spezifische Bewertungslogik: Wenn eine Technik so allgegenwärtig und billig wird wie Wasser und Strom – kann das sie bereitstellende Unternehmen, so führend es auch sein mag, dann Gewinne erzielen, die seiner Bewertung entsprechen?
Die Antwort auf diese Frage betrifft möglicherweise mehr als nur einige wenige Aktienkurse. Sie betrifft unser Verständnis von „Wert“ selbst – erhält ihn der, der ihn schafft, oder der, der ihn nutzt.
Referenzen:
- Geohot: I love LLMs, I hate hype
- HN-Diskussion (item?id=48883343)
- Epoch AI: LLM Inference Price Trends