Die Oberfläche über dem Chaos

Notizen über den Bau eines souveränen KI-Systems, seine wahren Kosten und die Architektur, die den Unterschied macht.

Es gibt einen Satz, der in fast jedem Gespräch über künstliche Intelligenz fällt, und er ist falsch. Er lautet: Die Technik ist das Schwierige. Das war einmal wahr. Heute kann jeder in wenigen Minuten ein Modell dazu bringen, Texte zu schreiben, Code zu bauen, Daten zu sortieren. Die Hürde, die früher Spezialisten brauchte, ist verschwunden. Und genau deshalb verschiebt sich die eigentliche Frage an eine Stelle, die kaum jemand betrachtet.

Nicht: Kann die Maschine das. Sondern: Was kostet es wirklich, wenn sie es tut, wem gehört das System am Ende, und lässt es sich wiederholen, ohne jedes Mal von vorn zu beginnen.

Man kann das mit einem Moment aus der Computergeschichte vergleichen. Es gab eine Zeit, in der ein Rechner alles konnte, was er auch heute kann, aber man musste kryptische Befehle in eine schwarze Zeile tippen, um ihn zu bewegen. Die Leistung war da. Nur beherrschbar war sie nicht. Was den Computer in jeden Haushalt brachte, war nicht ein stärkerer Prozessor. Es war eine Oberfläche, die die Komplexität darunter verbarg und sie bedienbar machte. Nicht die Kraft hat sich verändert, sondern der Zugriff darauf.

Bei KI stehen wir an genau diesem Punkt. Die Kraft ist überall verfügbar. Was fehlt, ist die Oberfläche, die aus roher Fähigkeit ein beherrschbares System macht. Genau die habe ich gebaut. An einem einzigen Tag, auf einem eigenen Server, in Deutschland, aus einzelnen Bausteinen selbst zusammengesetzt. Und irgendwann an diesem Tag war es kein Werkzeug mehr, das ich bediente. Es war eine kleine Organisation, die anfing, für mich zu arbeiten.

Zuerst zerlegen, dann bauen

Wer verstehen will, warum so viele KI-Projekte teuer und abhängig enden, muss das Problem zuerst auseinandernehmen. Das ist die Gewohnheit, die mir aus Jahren der Prüfung geblieben ist. Man schaut nicht auf das, was ein System verspricht, sondern auf das, woraus es besteht.

Ein KI-System ist kein Modell. Es ist ein Stapel aus Schichten, und die meisten bauen nur die oberste. Sie schreiben ihren Code direkt gegen einen Anbieter. Das Programm redet unmittelbar mit einem Modell, das einem fremden Konzern gehört. Solange alles gut läuft, merkt niemand das Problem. Es zeigt sich erst an dem Tag, an dem der Anbieter die Preise erhöht, den Zugang drosselt oder ein besseres Modell woanders erscheint. Dann hat man die Wahl zwischen zwei schlechten Optionen. Alles umbauen oder gefangen bleiben.

Das ist keine Architektur. Das ist eine Wette auf einen einzigen Lieferanten, abgeschlossen, ohne dass man merkt, dass man sie eingeht.

Ich habe deshalb die Schicht gebaut, die fast alle weglassen. Eine Vermittlungsebene, die zwischen meinen Agenten und den Modellen sitzt. Kein Agent spricht mehr direkt mit einem Anbieter. Jeder Aufruf läuft über diese Ebene, und sie entscheidet, welches Modell die Aufgabe bekommt. Welcher Konzern dahinter arbeitet, ist bei mir zu einer einzigen Zeile geschrumpft. Ich tausche das Modell, wie man einen Lieferanten wechselt, und keiner meiner Agenten bemerkt es. Das ist der ganze Unterschied zwischen etwas mieten und etwas besitzen. Und er entscheidet sich an einer Stelle, die man nicht sieht, wenn man nur auf die Oberfläche schaut.

Die Rechnung, die sonst niemand aufmacht

Jetzt kommt der Teil, den die meisten überspringen, weil er unbequem ist. Die Kosten.

Die sichtbare KI-Rechnung, die am Monatsende kommt, ist der kleinste Posten von allen. Die eigentlichen Kosten stehen auf keiner Rechnung. Sie verstecken sich in den Korrekturschleifen, in denen dieselbe Arbeit zweimal, dreimal bezahlt wird, bis das Ergebnis stimmt. In der Zeit, die man braucht, um jeden Output zu lesen und zu prüfen, bevor man ihm überhaupt trauen kann. In der Wartezeit, die verstreicht, während man auf ein Ergebnis schaut. Und in den teuren Modellen, die triviale Aufgaben erledigen, weil niemand entschieden hat, welche Aufgabe zu welchem Modell gehört.

Ein Beispiel, das jeder kennt, der es einmal ausgerechnet hat. Eine kurze Routineaufgabe, die man zwanzig Mal im Monat an eine KI gibt, kann am Ende teurer sein, als hätte man sie von Hand gemacht. Nicht wegen der Tokens. Wegen der Zeit, die das Prüfen jedes einzelnen Ergebnisses frisst. Die Maschine liefert kein fertiges Resultat. Sie liefert etwas, das man erst noch prüfen muss. Und diese Prüfung steht in keiner Kalkulation.

Deshalb habe ich von der ersten Stunde an eine Messung eingebaut. Jeder einzelne Aufruf wird protokolliert. Was er gekostet hat, wie lange er lief, welches Modell ihn bearbeitet hat. Ich sehe nicht, was KI ungefähr kostet. Ich sehe es auf den Cent, aufgeschlüsselt nach Aufgabe. Was man nicht misst, kann man nicht steuern, und was man nicht steuert, kann man nicht verantworten. Ein System ohne Kostentransparenz ist ein Blindflug, den sich kein Controller je erlauben würde. Warum sollte man ihn sich bei KI erlauben.

Der Moment, in dem das System sich selbst prüfte

Ein Plan, den man nicht ausführt, ist nur eine Meinung. Der Unterschied entsteht erst, wenn man baut.

Bei mir ist das Anlegen eines neuen Agenten inzwischen eine Sache von Minuten. Ich lege seine Rolle fest, seine Aufgabe, seine Werkzeuge. Alles andere ist geteilte Infrastruktur, die jeder Agent nutzt. Es funktioniert wie eine Einstellung. Man schreibt die Stellenbeschreibung, vergibt die Befugnisse, öffnet den Zugang zum Archiv, fertig. Die Maschine drumherum baut man ein einziges Mal, und danach kostet jeder weitere Mitarbeiter fast nichts.

Dann habe ich einen zweiten Agenten gebaut, mit einer einzigen Aufgabe. Effizienz suchen. Seine Grundfrage ist immer dieselbe. Braucht es hier überhaupt eine KI. Reicht nicht ein billigeres Modell. Ließe sich der Schritt mit einer simplen Regel lösen, statt mit einem teuren Aufruf.

Ich habe ihm eine meiner eigenen Routinen vorgelegt. In Sekunden hat er sie zerlegt und mir schwarz auf weiß gezeigt, an welchen Stellen ich das Dreifache bezahle und wie es billiger, schneller und zuverlässiger ginge. In diesem Moment kippte etwas. Das war kein Chatbot mehr, der Fragen beantwortet. Das war eine kleine Organisation, in der eine Rolle über die Wirtschaftlichkeit der anderen wacht. Ein System, das seine eigenen Kosten prüft, bevor ich es tue.

Was bleibt

Der schwierige Teil von KI ist nicht die Technik. Er war es einmal, heute ist er es nicht mehr. Der schwierige Teil ist die Architektur. Die stille Reihenfolge von Entscheidungen, die aus einem teuren, abhängigen Spielzeug ein souveränes, messbares, wiederholbares System macht. Wer nur auf die Modelle schaut, sieht das nie. Der Unterschied liegt zwischen den Bausteinen, nicht in ihnen.

Es sind nicht die einzelnen Werkzeuge, die zählen. Fast jeder benutzt dieselben. Es ist die Art, wie man sie verbindet, und die Reihenfolge, in der man es tut. Dort entsteht die Oberfläche über dem Chaos. Dort wird aus roher Kraft ein System, das man beherrscht.

Ich baue weiter. Und ich schreibe darüber, während ich es tue.