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
medium.com4. Juli 2026 · Q011059

I Ship Code With AI Every Day. I’m Still Done With the Hype.

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor unterscheidet zwischen KI-Hype und tatsächlichem Nutzen: Er kritisiert Funktionen ohne klaren Zweck, verwendet aber selbst täglich lokale und bei Bedarf cloudbasierte Modelle. Als groben Maßstab schlägt er vor zu prüfen, ob eine KI-Funktion die Arbeit wirklich verändert oder vorhandene Informationen nur anders darstellt; seine Beispiele und Zahlen beruhen auf persönlichen Erfahrungen.

Mittel

Der Autor kritisiert, dass KI-Funktionen häufig auf Produktfahrplänen landen, ohne dass ein konkretes Problem oder Erfolgskriterien benannt werden. Eine von ihm mitentwickelte und später zurückgenommene Funktion sei laut seiner Darstellung von nur etwa drei Prozent der aktiven Nutzer ausprobiert worden. Zugleich betont er, dass diese Erfahrungen die Technologie nicht grundsätzlich widerlegen: Hype und praktischer Nutzen seien verschiedene Dinge.

Er nutzt nach eigenen Angaben täglich ein lokales Sprachmodell und greift bei schwierigen Aufgaben weiterhin auf ein kostenpflichtiges Cloud-Modell zurück. Ein zuvor getestetes kleineres Modell habe sich für seine Arbeit als wenig hilfreich erwiesen. Zudem unterscheidet er zwischen der Möglichkeit, ein großes Modell in den Speicher zu laden, und einer tatsächlich brauchbaren Geschwindigkeit. Seine Cloud-Ausgaben seien gegenüber dem Vorjahr um mehr als die Hälfte gesunken, aber nicht auf null.

Als Prüffrage für KI-Funktionen empfiehlt er, ob sie die Aufgabe selbst verbessern oder nur vorhandene Informationen anders präsentieren. Code-Vervollständigung könne Arbeitsabläufe verändern; ein Chatbot über einem bereits durchsuchbaren Ticketsystem möglicherweise nur zusätzliche Schritte schaffen. Die Aussagen beruhen auf persönlichen Erfahrungen; die Leistungs- und Nutzungswerte werden im Text nicht unabhängig überprüft.

Ausführlich lesen

Der Autor beschreibt eine Spannung: Er ist von der allgegenwärtigen KI-Werbung und schlecht begründeten Produktentscheidungen ermüdet, nutzt Sprachmodelle aber weiterhin regelmäßig. Seine zentrale These lautet, dass die Kritik am Hype nicht mit einer Ablehnung der Technologie gleichzusetzen sei. Er berichtet, in rund zehn Jahren Softwareentwicklung erlebt zu haben, wie KI-Funktionen ohne klar benanntes Problem oder überprüfbare Erfolgskriterien auf Produktfahrpläne gelangen. Bei drei von ihm mitentwickelten Funktionen seien zwei veröffentlicht und eine nach elf Wochen zurückgenommen worden. Laut seiner Darstellung hatten zuvor nur etwa drei Prozent der aktiven Nutzer die zurückgenommene Funktion ausprobiert, meist einmal. Er räumt ein, dass das Team diese Nutzer nicht nach ihren Beweggründen gefragt habe.

Auch die öffentliche Begeisterung für jede neue Modellversion hält er für erschöpfend, sieht sie aber nicht als Beleg dafür, dass die Technologie grundsätzlich untauglich sei. Er unterscheidet zwischen tatsächlichem Nutzen und einer Kultur, die Neuheit mit Erfolg verwechsle.

Als persönliches Beispiel schildert der Autor seine lokale Nutzung auf einem MacBook Pro. Er verwendet nach eigenen Angaben täglich ein quantisiertes Qwen-Modell mit 27 Milliarden Parametern und greift bei schwierigen Aufgaben weiterhin auf eine kostenpflichtige Frontier-API zurück. Zuvor habe er etwa zwei Wochen lang DeepSeek R1 mit acht Milliarden Parametern getestet, es aber wieder aufgegeben: Es sei interessant zum Vorführen gewesen, habe ihm jedoch bei seiner bezahlten Arbeit wenig geholfen. Seine Erfahrung mit lokaler Modellnutzung führt ihn zu der Unterscheidung, dass ein Modell in den Arbeitsspeicher zu passen nicht bedeutet, dass es schnell genug arbeitet. Ein Modell mit 70 Milliarden Parametern könne auf einem Laptop zwar geladen werden, erzeuge nach seiner Schätzung aber nur ungefähr vier Tokens pro Sekunde. Für ihn zählt deshalb ein passendes Verhältnis von Modellgröße und brauchbarer Geschwindigkeit stärker als die größtmögliche Modellgröße. Seine Ausgaben für Cloud-Modelle seien im Vergleich zum Vorjahr um mehr als die Hälfte gesunken, aber nicht entfallen.

Als grobe Prüffrage für KI-Funktionen schlägt er vor: Verändert die KI-Schicht das gelöste Problem, oder formuliert sie vorhandene Informationen nur freundlicher? Code-Vervollständigung könne nach seiner Einschätzung die Arbeit messbar beschleunigen, auch wenn ihre Vorschläge geprüft werden müssten. Ein Chatbot, der ein bereits durchsuchbares Ticketsystem lediglich in natürlicher Sprache abfragt, bringe dagegen womöglich kaum zusätzlichen Nutzen. Bei der KI-Schaltfläche in Notepad bleibt sein Urteil zwiespältig.

Der Text beruht auf persönlichen Erfahrungen und Einschätzungen; die genannten Nutzungs- und Leistungswerte werden nicht durch unabhängige Messungen oder eine systematische Untersuchung belegt. Der Autor zieht daraus das persönliche Fazit, KI nüchtern und für jede Funktion einzeln zu beurteilen, statt sie vorschnell als revolutionär zu bezeichnen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Stufen und Anteile wurden nicht übernommen; die Einordnung erfolgte unabhängig vom Bericht. Die Zusammenfassung ist im Kern treu, lässt aber die Kritik an Finanzierungslogik und Hype-Kultur weitgehend aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Hype-Takt wird laut Bericht von Finanzierungsrunden und Aktienkurs bestimmt, nicht davon, ob der Nutzen für Anwender steigt
  • Die Kritik an der Hype-Kultur: Early-Adopter und Bauende werden in der öffentlichen Debatte vermischt

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
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

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 28 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht

  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 36 %gleiches Oberthema, hilft nicht
    • Luna 47 %einzelne zitierbare Belege
    • JEV 45 %beantwortet teilweise oder widerspricht
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 28 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Agenten und vernetzte Systeme
Modelle teilen und schützen
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 61 %Hintergrund, keine Belege
    • JEV 52 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
  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 44 %einzelne zitierbare Belege
    • JEV 49 %beantwortet teilweise oder widerspricht
    • amos 31 %nur am Rande erwähnt
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
Wirtschaft und Haftung
Information und Öffentlichkeit

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 →