Ich arbeite seit über dreißig Jahren mit Daten: als Suchmaschinenentwickler, in der Webanalyse, in der Forschung und heute als CDTO. In dieser Zeit wurde vieles billiger: erst der Zugang zu Information, dann das Messen und Rechnen, mit KI nun das Produzieren selbst. Eines wurde nie billiger: das Urteil, zu wissen, welche Frage zählt, was sich lohnt und was tatsächlich stimmt. Jede dieser Wellen verführt dazu, viel Information für Verständnis zu halten. Um diesen Unterschied geht es hier.
Daten verstehen
Wir messen heute mehr als früher und verstehen oft weniger. Wenn wir von einer Idee überzeugt sind, sehen wir vor allem die Daten, die uns recht geben. KI-Systeme verstärken das, weil sie überzeugend zustimmen. Die nützlichere Frage ist meist: Was spricht dagegen?
Ob Daten etwas taugen, hängt nicht an ihrer Menge, sondern daran, wie sie entstanden sind. Wie wurde gemessen? Was wurde gar nicht erfasst? Welche Annahmen stecken in einer Kennzahl? In meiner Forschung habe ich gezeigt, dass selbst das verbreitetste Web-Analytics-Werkzeug kaum ernsthaft genutzt wird: Die Daten sind da, der Umgang damit fehlt.
Am Ende zählt nicht das Dashboard, sondern was man damit tut. Der schwierige Teil ist nicht die Auswertung, sondern der Schritt zur Entscheidung. Daran scheitern die meisten Datenprojekte, nicht an der Technik.
Mit KI Wert schaffen
KI ist die vorerst radikalste Stufe dieser Entwicklung: Sie senkt nicht nur die Kosten des Messens, sondern die des Produzierens selbst. Plötzlich ist fast alles möglich, und genau das ist die Gefahr. Wo früher der Aufwand uns zum Nachdenken zwang, liefert KI sofort ein überzeugendes Ergebnis. Es war noch nie so leicht, in großem Maßstab überzeugend falsch zu liegen.
Ich glaube deshalb nicht, dass KI uns das Denken abnimmt; sie verschiebt es. Weniger Zeit fürs Ausführen, mehr fürs Entscheiden: Welches Problem lohnt sich überhaupt? Welches Ergebnis ist das richtige? Hat sich der Aufwand gelohnt? Das sind keine technischen Fragen, und kein Modell stellt sie für mich. Wer sie nicht stellt, automatisiert vor allem die eigenen Irrtümer.
Das ist für mich das große Ganze: Wer mit KI vorankommt, entscheidet nicht das nächste Modell, sondern die Fähigkeit zu urteilen. Dieselbe, die schon bei Daten knapp war. Wenn künftig Agenten Aufgaben unter sich aufteilen, managen wir nicht mehr nur Menschen, sondern auch Maschinen. Die eigentliche Kompetenz bleibt menschlich: zu wissen, was sich lohnt, und für das Ergebnis geradezustehen.