Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
epoch3. Oktober 2025 · Q006664

How many digital workers could OpenAI deploy?

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor schätzt spekulativ, dass OpenAI mit vorhandener Hardware im Median etwa 7 Millionen KI-Arbeitsäquivalente für Aufgaben bereitstellen könnte, die heutige Systeme bewältigen; die Unsicherheit ist sehr groß. Die Zahl bedeutet nicht, dass KI heute sieben Millionen Menschen ersetzen kann, und mögliche wirtschaftliche Folgen hängen von weiterem Fähigkeits- und Rechenleistungswachstum ab.

Mittel

Der Beitrag schätzt, wie viele digitale Arbeitskräfte führende KI-Labore mit ihrer vorhandenen Hardware für Aufgaben einsetzen könnten, die heutige KI beherrscht. Für OpenAI ergibt eine spekulative Überschlagsrechnung einen Median von etwa 7 Millionen, mit einem sehr breiten 90-Prozent-Intervall von rund 400.000 bis 300 Millionen. Das ist keine Schätzung der Zahl menschlicher Arbeitsplätze, die KI heute ersetzen kann.

Für die Rechnung schätzt der Autor GPT-5s tägliche Tokenmenge anhand verfügbarer Inferenz-Rechenleistung sowie anhand von Nutzungsdaten. Beide Ansätze führen zusammen zu einem Median von etwa 19 Billionen Tokens pro Tag. Die Umrechnung in menschliche Arbeitsäquivalente vergleicht diese Menge sowohl mit angenommener menschlicher Denkgeschwindigkeit als auch mit Tokens, die GPT-5 für bestimmte Aufgaben aus einer METR-Studie benötigt. Weil menschliche und KI-Tokens je nach Aufgabe unterschiedlich viel Arbeit abbilden, bleiben die Ergebnisse unsicher.

Der Beitrag skizziert mögliche Folgen günstigerer Automatisierung und beschleunigter KI-Forschung. Ob sie eintreten, hängt unter anderem von künftigen Fähigkeiten, verfügbarer Rechenleistung und deren effizienter Nutzung ab. Die Schätzung sagt nicht voraus, ob explosives Wirtschaftswachstum entsteht.

Ausführlich lesen

Der Beitrag von Jean-Stanislas Denain behandelt eine begrenzte Frage zur möglichen Rolle von KI in der Wirtschaft: Wie viele „digital workers“ könnten führende KI-Labore mit ihrer vorhandenen Rechenhardware für Aufgaben einsetzen, die heutige KI-Systeme bewältigen? Der Autor betont, dass der Beitrag seine persönliche Einschätzung wiedergibt und nicht notwendigerweise die Position von Epoch AI.

Als spekulative Überschlagsrechnung schätzt der Beitrag für Unternehmen wie OpenAI einen Median von etwa 7 Millionen solchen digitalen Arbeitskräften. Das 90-Prozent-Intervall ist sehr breit: Es reicht von rund 400.000 bis etwa 300 Millionen. Diese Zahl bedeutet ausdrücklich nicht, dass heutige KI-Systeme bereits die Arbeit von sieben Millionen Menschen vollständig erledigen könnten. Sie bezieht sich auf rechnerische Arbeitsäquivalente für Aufgaben, die KI derzeit ausführen kann.

Die Schätzung erfolgt in zwei Schritten. Zunächst schätzt der Autor, wie viele Tokens GPT-5 täglich verarbeitet. Ein Ansatz leitet dies aus OpenAIs verfügbarer Inferenz-Rechenleistung und dem geschätzten Rechenaufwand pro Token ab; ein zweiter nutzt ChatGPT-Nutzungszahlen, eine angenommene mittlere Nachrichtenlänge und den Anteil der API-Nutzung. Aus beiden Ansätzen ergibt sich als kombinierter Median etwa 19 Billionen Tokens täglich. Der Beitrag hält diesen Wert für plausibel, weil Google für seine KI-Modelle eine berichtete Größenordnung von etwa 35 Billionen Tokens pro Tag erreicht.

Anschließend wird die Tokenmenge mit menschlicher Arbeitsleistung verglichen. Ein Ansatz setzt menschliches Denken mit ungefähr 380 Wörtern pro Minute über einen achtstündigen Arbeitstag an und kommt auf rund 240.000 Tokens pro Person und Tag. Der Autor warnt, dass Tokens von Mensch und KI nicht ohne Weiteres gleichwertig sind. Als zweite Vergleichsmethode dienen Aufgaben aus einer METR-Studie: GPT-5 benötige für bestimmte Aufgaben, die Menschen etwa eine Stunde kosten, typischerweise 100.000 bis eine Million Tokens. Auf einen Arbeitstag hochgerechnet und mit der geschätzten Tokenmenge kombiniert, ergeben sich auch hier mehrere Millionen Arbeitsäquivalente. Die Verbindung beider Methoden führt zur Schätzung von sieben Millionen, bleibt aber stark unsicher.

Der Beitrag stellt diese Zahl einer anderen, rechenleistungsbasierten Methode gegenüber, die für OpenAI ungefähr 100.000 digitale Arbeitskräfte ergeben habe. Auch diese Vergleichswerte seien unsicher; insbesondere lasse sich die Rechenleistung des menschlichen Gehirns schwer bestimmen. Der Autor nennt mögliche wirtschaftliche Folgen, falls KI weitere Aufgaben übernimmt: Automatisierte Arbeit könnte deutlich weniger kosten als menschliche Arbeit, und parallel eingesetzte Systeme könnten Wissen aus Interaktionen schneller teilen. Außerdem könnte eine Konzentration digitaler Arbeitskräfte auf KI-Forschung den Fortschritt beschleunigen.

Die möglichen Folgen hängen laut Beitrag davon ab, wie schnell KI neue Aufgaben bewältigt, wie viel zusätzliche Rechenleistung verfügbar wird, wie effizient sie für Inferenz genutzt werden kann und ob sich beschleunigende Forschungs- oder Wachstumsdynamiken einstellen. Die Rechnung modelliert außerdem wichtige Details nur vereinfacht, etwa die Geschwindigkeit der KI-Ausführung. Sie beantwortet daher weder, wie viele menschliche Arbeitsplätze tatsächlich ersetzt würden, noch ob daraus explosives Wirtschaftswachstum folgt.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Anteilsangaben in Lunas Einordnung wurden nicht übernommen; die Stufen beruhen allein auf dem Berichtsinhalt.

Im Bericht, aber nicht in der Zusammenfassung

  • Vergleich mit einer früheren Schätzung über den Compute-Ansatz, die rund 100.000 Arbeitskräfte ergibt und damit etwa 500-mal kleiner ist
  • Kostenargument: Eine Stunde Programmierarbeit kostet 50 bis 100 Dollar, während GPT-5 dieselbe Aufgabe für etwa 1 bis 10 Dollar erledigen könnte, was einen starken Anreiz zur Automatisierung schafft

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 24 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 36 %gleiches Oberthema, hilft nicht
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 28 %Hintergrund, keine Belege
    • Luna 53 %einzelne zitierbare Belege
    • JEV 36 %Hintergrund, keine Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 31 %gleiches Oberthema, hilft nicht
    • drex 27 %nur am Rande erwähnt
    • d3-ultra 42 %nur am Rande erwähnt
    • Haiku-Prüfung Hintergrund, keine Belege

Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 43 %nur am Rande erwähnt
    • JEV 29 %Hintergrund, keine Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 61 %Hintergrund, keine Belege
    • JEV 46 %nur am Rande erwähnt
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

Modelle teilen und schützen
  1. SF-H5 Wann sind Chip- und Exportkontrollen eine Sicherheitsmaßnahme, und wann ein dauerhafter Vorteil?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 75 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht

Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →