Die Fixierung auf KI könnte den Forschungsfeldern, die sie zum Überleben braucht, die Ressourcen entziehen

Seit zehn Jahren schreibe ich ausschließlich über künstliche Intelligenz. 2022 gab es weltweit nur eine Handvoll weiterer Journalisten, die sich ausschließlich mit KI befassten; inzwischen sind es mehrere Tausend oder mehr, und finanzstärkere Medien beschäftigen mehr als einen Mitarbeiter, der sich ausschließlich mit künstlicher Intelligenz befasst.

Als Spezies richten wir unsere Aufmerksamkeit, unsere Anstrengungen, Ängste und Hoffnungen inzwischen auf ein kulturelles und technologisches Phänomen, wie es nur einmal im Jahrhundert vorkommt. Bis zum Aufkommen nützlicher großer Sprachmodelle und leistungsfähiger diffusionsbasierter Bild- und Videogenerierung hatte es ein Schattendasein im Bereich der „Kuriositäten“ geführt; Deepfakes waren ein politischer Spielball, während die Weltwirtschaft offenbar nicht bedroht war.

Der KI-Sturm als „neue Normalität“

Offensichtlich ist das alles vorbei. Alles ist bedroht, alles wird umgekrempelt, und 2026 war wohl das Jahr, in dem sich Prognosen für das Folgejahr am schwersten auf eine solide Grundlage stellen ließen*.

Jede Woche, manchmal sogar mehrmals pro Woche, erscheinen neue Closed-Source-Modelle und Modelle mit offenen Gewichten. Sie werden inzwischen so häufig veröffentlicht, dass manche nicht einmal von der Enthusiasten- oder Hobby-Community rezensiert werden, die dem Ganzen gegenüber zunehmend skeptisch eingestellt ist,  und angesichts des stetigen Stroms neuer Veröffentlichungen immer höhere Ansprüche an die Aufmerksamkeit stellt.

Als jemand, der die Forschung und die Veröffentlichung neuer Modelle mit großem Interesse und beruflich verfolgt, muss ich sagen: Verbesserungen in den verschiedenen Bereichen der KI-Forschung und -Entwicklung haben zwar in größeren Abständen erhebliche Auswirkungen, entstehen aber in der Regel – und sind schon immer entstanden – in kleinen Schritten und nicht als revolutionäre oder evolutionäre Meilensteine wie Transformers. Heutzutage drehen sich die Schockmeldungen meist um die Auswirkungen der KI auf die Wirtschaft und weniger um ihre neuesten Fähigkeiten.

Außerdem entspricht, wie ich bereits früher festgestellt habe, die Qualität der Ideen im enormen Boom der KI-Forschung seit 2022 nicht immer ihrer Menge. Viele davon sind Wiederaufgüsse im Stil von „Frankenstein“, Neukombinationen oder Neuassemblierungen bestehender und neuerer Arbeiten – Flickwerk-Architekturen, die den Anschein deutlicher Verbesserungen gegenüber früheren Arbeiten erwecken sollen, bei genauerer Betrachtung jedoch durch fragile Methoden oder absurd hohe VRAM-Kosten ausgebremst werden.

Die thematischen Geisterstädte

Als diese Tausenden Journalisten zur KI-Berichterstattung wechselten, mussten die Themen, über die sie zuvor berichtet hatten, zwangsläufig weniger direkte Aufmerksamkeit erhalten. In gewisser Weise spielte das kaum eine Rolle, denn KI wurde kulturell und infrastrukturell so allgegenwärtig, dass etwa ein Energie-Korrespondent nun mehr über KI-bezogene Fragen berichten würde als über jedes andere Thema. Dasselbe galt für Journalisten, die sich mit Wirtschaft, Beschäftigung, Politik und politischen Maßnahmen befassten, und für andere Fachgebiete.

Es schien, als ließen sich all diese Themen nun durch die KI-Brille betrachten. Das könnte zum Teil erklären, warum die „spezialisierte“ KI-Berichterstattung in einem immer kleiner werdenden Bereich so stark zugenommen hat – auch wenn dieser sich in letzter Zeit etwas erholt hat.

Daher muss man sich fragen, ob andere Themen wegen der „KI-Besessenheit“ inzwischen unzureichend behandelt werden – Themen mit Geschichten, Trends und Teilgebieten, die sich letztlich auf das „goldene Thema“ KI selbst auswirken könnten.

Aber was soll man tun? Die Ressourcen sind begrenzt, und bislang ist KI das Thema des Jahrhunderts.

Die große KI-Wanderung

Genau das könnte der KI selbst widerfahren, heißt es in einer neuen Studie, die mich für dieses Thema begeistert hat: Neben dem Risiko, dass Rückzug und erneute Einspeisung die Qualität künftiger Modelle mindern werden, konzentriert sich auch das breitere wissenschaftliche Ökosystem, in dem Ideen entstehen und sich über Fachgrenzen hinweg gegenseitig befruchten, zunehmend stark auf die KI-Forschung. Dadurch könnten „zufällige“ Entdeckungen – wenn unerwartete Verbindungen zwischen scheinbar unzusammenhängenden Ideen ganze Fachgebiete verändern – immer seltener werden.

Kurz gesagt legt die neue Arbeit mit dem Titel Stärkere Durchbrüche bei der künstlichen Intelligenz beschleunigen ihre eigene Erschöpfung nahe, dass die KI-Besessenheit den Nährboden entzieht, auf dem neue Entwicklungen entstehen – auch solche, die sich unmittelbar auf KI auswirken. Und dass sich (um die Autoren grob zusammenzufassen) an diesem neuen Interessenschwerpunkt ein gewisser „inzestuöser Trend“ abzeichnet, der kaum zu einem guten Ende führen dürfte.

In der Studie heißt es^†:

„Ein vorherrschendes Paradigma verdrängt nicht nur seine Konkurrenten, sondern auch jene Vielfalt, aus der sein eigener Nachfolger neu zusammengesetzt worden wäre.

„Die seit 2017 zunehmende Verengung der Aufmerksamkeit, der Wechsel von mehr als der Hälfte aller Fachgebietswechsler in die KI, die abnehmende Vitalität neuer Ideen und der immer steilere Rückgang aktiver Ideenpopulationen über aufeinanderfolgende Zyklen hinweg zeichnen gemeinsam das Bild eines Systems, dessen schöpferische Fähigkeit durch den Erfolg der von ihm hervorgebrachten vorherrschenden Paradigmen untergraben wird.“

Frühere Arbeiten haben festgestellt, dass KI die Forschung möglicherweise in eine Monokultur verwandelt. Die Autoren der neuen Studie sind jedoch auch der Ansicht, dass die wachsende Dominanz der KI ihr möglicherweise die frischen Ideen entzieht, die sie für weitere Fortschritte benötigt. Sie vergleichen die KI-Forschung mit den Biowissenschaften, in denen Durchbrüche wie Kryo-EM und AlphaFold ähnliche Zyklen der Innovation – und des Niedergangs – ausgelöst haben.

Um empirische Belege für ihre Theorien zu liefern, analysierten die Autoren 7,18 Millionen zwischen 1990 und 2025 veröffentlichte Informatik-Fachartikel aus OpenAlex. Dabei untersuchten sie Veränderungen bei Forschungsthemen und Zitierungen, den Wechsel von 3,7 Millionen Forschenden zwischen Fachgebieten sowie 73.089 Peer-Reviews, um herauszufinden, wie sich die zunehmende Dominanz der KI auf die wissenschaftliche Vielfalt ausgewirkt hat.

Einer der interessantesten Befunde aus den Daten betrifft die jüngste Abwanderung von Forschenden hin zur KI und weg von den Themen, mit denen sie sich zuvor beschäftigt hatten:

„Die Abwandernden sind Forschende in der Mitte ihrer Laufbahn, die bereits eine gewisse Anerkennung genießen. Sie geben die Arbeit auf, die ihnen ihren Ruf eingebracht hat, um der Anziehungskraft des Fachgebiets zu folgen – selbst wenn sie dafür die Kosten eines Fachwechsels in Kauf nehmen müssen.“

Die Studie ergab, dass mehr als die Hälfte der 918.862 erfassten Wechsel zwischen Informatik-Fachgebieten in die KI führte, während andere Bereiche, insbesondere Systemforschung und theoretische Forschung, stetig Forschende verloren.

Aus der neuen Studie: Veränderungen des Anteils der Informatik-Fachartikel zu KI, Systemforschung und Theorie von 1990 bis 2025. Jedes Quadrat steht für ein Jahr; Blau kennzeichnet einen größeren, Rot einen kleineren Anteil. Der Anteil der KI stieg nach 2017 stark an, während die anderen Bereiche zurückgingen. Quelle

Am ehesten wechselten erfahrene Wissenschaftlerinnen und Wissenschaftler mit etablierten Karrieren das Fachgebiet. Gleichzeitig stieg der Anteil der KI an allen Informatik-Fachartikeln von 40 % im Jahr 2017 auf mehr als 55 % im Jahr 2025.

Aus dem Arxiv-Blog: der Anstieg der Einreichungen im Bereich Informatik innerhalb eines Zeitraums von zwei Jahren, 2024–26. Quelle

Drei Signale

Die Studie benennt drei „zusammenlaufende Anzeichen“, die nach Ansicht der Autoren die Informatik seit 2017 prägen.

Das erste ist die starke Verengung der Forschungsinteressen nach 2017, als die Transformer-Architektur eingeführt wurde. Die Autoren ermittelten die jeweils zehn wichtigsten Schlüsselwörter aus 7,18 Millionen Informatik-Fachartikeln und verfolgten so, in welchem Maß sich die Forschung auf dieselben Themen konzentrierte:

Grafiken zur zunehmenden Konzentration der Informatikforschung seit 2017. Links: Forschende konzentrieren sich auf eine engere Themenauswahl. Rechts: Ein wachsender Anteil der Zitierungen entfällt auf eine kleinere Auswahl von Fachartikeln. Beide Trends beschleunigten sich ungefähr mit dem Aufkommen des Transformers.

Über Jahrzehnte war diese Konzentration relativ stabil geblieben, selbst während des Aufstiegs des Internets, der Smartphones und des Deep Learning. Zwischen 2017 und 2025 stieg der Gini-Koeffizient^†† für Forschungsinteressen (siehe Abbildung oben) jedoch von 0,26 auf 0,33 – ein Anstieg um 27 %. Auch die Zitierungen konzentrierten sich stärker: Ihr Gini-Koeffizient stieg auf einen Höchstwert von 0,69, ausgehend von 0,60.

Die Forschenden, die von der Tsinghua University, der University of Chicago und dem Santa Fe Institute stammen, erklären:

„Der Transformer brachte das Fachgebiet stärker durcheinander als sein Vorgänger. Dieses Muster ist kein Artefakt: Es bleibt auch bei Variationen in [keyword count] bestehen.“

Sie führen weiter aus:

„Der Anteil der KI an den Informatik-Fachartikeln stieg zwischen 2017 und 2025 von 40 % auf über 55 %, während die Systemforschung nach einem langen Aufschwung zurückging und die Theorie noch weiter schrumpfte.“

Die Ergebnisse legen daher nahe, dass Forschende trotz des Wachstums der Informatik zunehmend denselben Ideen nachgingen und eine engere Auswahl an Arbeiten zitierten.

Das zweite „Anzeichen“ betrifft die wachsende Zahl von Forschenden, die ihre Spezialisierung aufgaben, um im Bereich KI zu arbeiten: Anhand von 3,7 Millionen Forschenden ermittelten die Autoren nahezu 919.000 Wechsel zwischen Informatik-Fachgebieten. 53,81 % davon führten in die KI – ein Forschungsbereich, der jedes Jahr Forschende hinzugewann, während Systemforschung und Theorie stetig an Forschenden verloren:

Abwanderung von Forschenden in die KI. Das linke Diagramm zeigt, dass die KI einen wachsenden Anteil der Forschenden aus anderen Bereichen der Informatik anzieht, während die Bereiche Systeme und Theorie an Boden verlieren. Die beiden rechten Diagramme zeigen, wer diesen Wechsel am ehesten vollzieht: Forschende, die sich ungefähr 32 Jahre in ihrer Publikationslaufbahn befinden und bessere Publikationsbilanzen vorweisen als etwa 82 % ihrer Kolleginnen und Kollegen. Ein Fachwechsel wird dann gezählt, wenn eine Forscherin oder ein Forscher beginnt, die meisten Arbeiten in einem anderen Fachgebiet zu veröffentlichen.

Diejenigen, die wechselten, waren tendenziell etablierte Wissenschaftlerinnen und Wissenschaftler in der Mitte ihrer Laufbahn und nicht Neulinge oder Veteranen. Die Wahrscheinlichkeit, in die KI zu wechseln, erreichte ihren Höchststand bei einem wissenschaftlichen Karrierealter von 31,8 Jahren und bei Forschenden, deren Publikationsbilanz im 82. Perzentil lag.

Der dritte der drei im Beitrag festgehaltenen Trends ist die zunehmende Belastung der Begutachtung durch Fachkollegen – also des Verfahrens, bei dem andere Forschende die Qualität und Zuverlässigkeit einer wissenschaftlichen Arbeit vor ihrer Veröffentlichung beurteilen.

Bei der Untersuchung von 73.089 Gutachten zu 26.731 Arbeiten, die zwischen 2017 und 2025 bei 45 Konferenzen und anderen Publikationsforen eingereicht wurden, stellten die Autorinnen und Autoren fest, dass das Vertrauen der Gutachtenden in ihre Fähigkeit, die Arbeiten zu beurteilen, auf einer Fünf-Punkte-Skala von 3,9 auf 2,9 sank:

Diagramme zu Veränderungen im wissenschaftlichen Peer-Review-Verfahren zwischen 2017 und 2025. Das linke Diagramm zeigt, dass die Gutachtenden immer weniger Vertrauen in ihre Fähigkeit haben, eingereichte Arbeiten zu beurteilen; die Bewertungen sanken von 3,9 auf 2,9 von fünf Punkten. Das rechte Diagramm erfasst feindselige Kommentare in Gutachten. Diese gingen 2021 kurzzeitig zurück, als die NeurIPS-Konferenz zur transparenteren Plattform OpenReview wechselte, stiegen danach jedoch wieder an. Beide Linien zeigen gleitende Dreijahresdurchschnitte.

Die Autorinnen und Autoren vermuten, dass dieser Rückgang auf die rasche Expansion der KI zurückzuführen sein könnte, durch die es schwieriger geworden ist, Arbeiten geeigneten Gutachtenden mit den erforderlichen Fachkenntnissen zuzuordnen:

„Die Gutachterkreise sind von Neulingen überschwemmt worden, die der Sog der KI angezogen hat. Gutachtende erhalten zunehmend Arbeiten, die mit KI-Methoden gespickt sind, die außerhalb ihres Kernfachgebiets liegen. Einreichungen wirklich fachkundigen Gutachtenden zuzuordnen, ist strukturell schwierig geworden.

„Eine Annahme ähnelt unter diesen Bedingungen immer mehr einem Münzwurf.“

Nach dem Goldrausch (und den Goldräuschen)

Der Beitrag legt außerdem nahe, dass die größten Durchbrüche der KI letztlich ihre eigene Erschöpfung beschleunigen könnten: Auf jeden großen Fortschritt folgt eine Welle neuer Ideen – doch dieser anfängliche Innovationsschub mündet dann in träge Wiederholung, da sich die Forschung immer stärker auf die Durchbrüche selbst konzentriert.^†:

„Aufeinanderfolgende Zyklen der modernen KI sättigen sich früher und erschöpfen sich stärker. Der Zyklus verkürzt sich.

„Über 36 Jahre der Entwicklung in der Informatik hinweg, die drei große technologische Fortschritte umfasst – AlexNet, den Transformer und LLMs –, beobachten wir wiederholt dieselbe Spirale[pattern].

„Bemerkenswert ist, dass sich dieses Muster nicht auf die Informatik beschränkt. Auch in der Biologie beobachten wir nach bedeutenden nicht computergestützten (z. B. Kryo-EM) und computergestützten (z. B. AlphaFold) Fortschritten denselben Erschöpfungszyklus.“  

Diese „Erschöpfung“ zeigte sich definitiv bei Autoencodern, generativen gegnerischen Netzwerken (GANs) und Autoencoder-Ansätzen wie Deepfakes. Forschende schöpften all diese Ansätze jahrelang gnadenlos aus, obwohl ihr Potenzial eindeutig erschöpft war – bis schließlich neue Frameworks und Ansätze aufkamen, die sie entlasteten.

Um diese Zyklen nachzuverfolgen, durchsuchten die Autorinnen und Autoren wissenschaftliche Abstracts nach charakteristischen Substantiven und Formulierungen und verfolgten deren Auftreten, Verschwinden und gelegentliche Wiederkehr als Anzeichen für Veränderungen bei den Forschungsideen.

AlexNet löste 2012 und der Transformer im Jahr 2017 jeweils eine Welle neuer Ideen aus, die schließlich abebbte. Mit jedem Durchbruch baute die KI ihren Vorsprung weiter aus, während andere Bereiche der Informatik zurückfielen und schließlich weniger neue Ideen hervorbrachten als vor 2012:

Vergleich des Anteils neuer Forschungsideen in den Bereichen KI (blau), Informatik ohne KI-Bezug (rot) und beiden zusammen (gestrichelt, violett). Nach AlexNet im Jahr 2012 und dem Transformer im Jahr 2017 nahm die Zahl neuer Ideen stark zu, bevor sie wieder zurückging. Der Vorsprung der KI wurde nach dem zweiten Durchbruch größer. Die Linien zeigen gleitende Dreijahresdurchschnitte.

Das Muster zeigt sich auch bei Ideen, die nicht mehr verwendet werden: Neue Durchbrüche verdrängen ältere Ansätze, manchmal erst Jahre nach deren Aufkommen. Doch auch die Durchbrüche selbst unterliegen demselben Zyklus: Jeder zieht zunächst eine Welle der Forschungsaufmerksamkeit auf sich, die schließlich abebbt, sodass das Fachgebiet darauf wartet, dass eine weitere Entdeckung neuen Schwung bringt (wie es bei Gaussian Splatting nach einer 31-jährigen Pause der Fall war):

Vergleich der Zitate zu den ursprünglichen Arbeiten über AlexNet (rot) und Transformer (blau) aus den Jahren 2012 bis 2025. Der Anteil der Zitate zu beiden Arbeiten stieg zunächst, bevor er stark zurückging. Das veranschaulicht, wie die Aufmerksamkeit für bedeutende Durchbrüche mit der Zeit nachlässt. Die Linien zeigen gleitende Dreijahresdurchschnitte.

Der Erfolg der KI konzentriert Forschende und Ideen auf einige wenige dominante Ansätze, während die angrenzenden Fachgebiete, die zur Entwicklung ihrer Nachfolger beitragen könnten, weiter an Boden verlieren, so die Autoren. Sie sagen zwar nicht ausdrücklich voraus, dass dadurch künftige Durchbrüche verhindert werden, halten es aber für möglich, dass die KI nach und nach die Vielfalt aufzehrt, von der ihr nächster großer Sprung abhängen könnte.

Die Autoren untersuchten auch die Zahl der Ideen, die weiterhin aktiv genutzt wurden. Über aufeinanderfolgende Entwicklungswellen der KI hinweg blieb diese Zahl zunehmend stärker hinter den Erwartungen zurück; nach dem Transformer war die Lücke größer als nach AlexNet:

Diagramm zur Zahl aktiver Forschungsideen im Verlauf aufeinanderfolgender KI-Durchbrüche. Durchgezogene Linien zeigen das modellierte Wachstum, gestrichelte Abschnitte, dass die tatsächlichen Zahlen unter den prognostizierten Werten liegen. Nach dem Transformer ist die Lücke größer als nach AlexNet; auch während der LLM-Ära ist bereits früh ein Rückgang zu erkennen.

Zusammenfassend kommen die Autoren zu dem Schluss, dass die Konzentration von Ressourcen und Fachkräften auf ein immer engeres Spektrum KI-bezogener Herausforderungen angrenzende Fachgebiete zu verarmen drohen lässt. Diese hätten früher ganz selbstverständlich Ideen für den KI-Sektor – und viele andere Bereiche – geliefert.

Mit Bezug auf John Hasslers Kommentar zur Verleihung des Nobelpreises für Wirtschaftswissenschaften 2025 kommen sie zu folgendem Schluss:

„Das Nobelkomitee warnte, dass die Mechanismen der schöpferischen Zerstörung aufrechterhalten werden müssen, wenn eine Stagnation vermieden werden soll. Unsere Ergebnisse weisen einen solchen Mechanismus aus – die Vielfalt des Denkens – und zeigen, dass die gegenwärtigen Institutionen sie untergraben.“

„Die Institutionen, die Aufmerksamkeit lenken – darunter Begutachtungssysteme, Einreichungsgebühren und -regeln, Anreizsysteme, Einstellungen, Beförderungen und Gepflogenheiten beim Eintritt in den Ruhestand 12 –, prägen alle, ob das nächste Paradigma Raum hat, sich zu entwickeln.“

„Sie gut zu gestalten bedeutet, dem Impuls zu widerstehen, den jeweils erfolgreichen Ansatz noch stärker zu verfolgen, Konzentration statt Erkundung zu belasten und die Bewertungsbefugnis von den Vielveröffentlichenden auf diejenigen zu verlagern, die Neues hervorbringen.“

„Schöpferische Zerstörung fördert das Wachstum nur, solange sie etwas zurücklässt, das sich neu kombinieren lässt. Auf eine Singularität folgt nichts.“

* Dafür müsste es doch ein Wort geben: „prognoseresistent“? Nun, das ist kein eigenständiges Wort, sondern ein Begriff, und klingt außerdem so, als bezöge es sich auf 2026 statt auf den Blick aus dem Jahr 2026 auf 2027. „Unverzukunftbar“? Das wurde in der Rechtschreibprüfung rot unterstrichen, also einigen wir uns darauf.

^† Meine Umwandlung der Quellenangaben im Fließtext der Autoren in Hyperlinks.

^†† Der Gini-Koeffizient gibt an, wie ungleich etwas verteilt ist. Die Skala reicht von 0 (vollständige Gleichverteilung) bis 1 (maximale Konzentration). Ein höherer Wert bedeutet hier, dass sich Forschende auf weniger Themen konzentrieren.

Erstveröffentlicht am Mittwoch, 21. Oktober 2026