Um 1800 baute ein englischer Ingenieur namens Henry Maudslay eine Drehmaschine, die präzise Schraubengewinde schneiden konnte – und das stellte sich als eines der wichtigsten Ereignisse überhaupt heraus...
Vor Maudslay wurden Gewinde von Hand geschnitten, eines nach dem anderen, sodass keine zwei jemals exakt gleich waren. Eine Mutter aus der einen Werkstatt passte nicht auf die Schraube aus der nächsten. Jede Maschine der Welt war ein Unikat, das von einem Handwerker zusammengefügt werden musste und auch nur von einem repariert werden konnte.
Man konnte von nichts tausend Stück herstellen, weil sich die Teile nicht angleichen ließen. Das war der Flaschenhals der gesamten industriellen Welt – und er saß in einer menschlichen Hand, die eine Feile hielt.
Maudslays Drehmaschine schnitt jedes Mal dasselbe Gewinde. Das bedeutete: Eine Maschine konnte nun die präzisen Bauteile für eine andere Maschine fertigen, und diese Teile passten zusammen. Innerhalb einer Generation stellten die Werkzeugmaschinen, die von seiner abstammten, die Komponenten für alles Weitere her, und die industrielle Revolution fand einen Gang, von dem sie gar nicht wusste, dass sie ihn hatte.
Jetzt sitzt du wahrscheinlich da und denkst: Raoul, warum zum Teufel schreibst du über Schraubengewinde aus dem 19. Jahrhundert? Bleib dran, denn wenn man den großen Bogen betrachtet, taucht immer wieder dieselbe Struktur auf.
Den größten Teil der Menschheitsgeschichte verbesserten sich Werkzeuge im Tempo der Menschen, die sie bauten – also langsam. Ein besserer Pflug alle paar Jahrhunderte. Dann begannen Werkzeuge, Werkzeuge zu bauen, und jede Schleife drehte sich schneller als die vorherige.
Dampfmaschinen trieben die Drehmaschinen und Bohrwerke an, die die Teile für Lokomotiven schnitten. Der Dampf baute also die Eisenbahnen, die wiederum mehr Dampfmaschinen transportierten.
Werkzeugmaschinen bauten die Fließbänder, die Autos bauten. Computer entwerfen heute die Chips, die in bessere Computer fließen, denn kein Mensch kann Milliarden von Transistoren per Hand anordnen. Jedes Mal, wenn die Werkzeuge mehr von der Arbeit übernahmen, die nötig war, um die nächsten Werkzeuge zu bauen, wurde alles schneller – weil der langsame Teil der Schleife, der menschliche, kleiner wurde.
Was passiert also, wenn das Werkzeug in dieser Schleife die Intelligenz selbst ist?
Es passiert bereits
Im November 2023 schrieb ich, dass OpenAI vermutlich herausgefunden hatte, wie man KI nutzt, um Produkte zu entwickeln, zu designen, zu programmieren und auszuliefern... dass KI also KI baut.
Stand Mai 2026 gibt Anthropic an, dass mehr als 80 % des Codes, der in die eigene Codebasis einfließt, von Claude geschrieben wird – vor dem Start von Claude Code im Februar 2025 lag dieser Wert im niedrigen einstelligen Bereich. Das Unternehmen, das eines der führenden Frontier-Modelle entwickelt, lässt dieses Modell mittlerweile größtenteils die Software schreiben, auf der die nächste Version läuft.
OpenAI veröffentlichte im September seine eigenen Zahlen: Die Forschungsabteilung setzt heute pro Tag menschlicher Arbeit 3,1 Agenten-Arbeitstage ein, und die Zahl der Experimente pro Forscher erreichte im August ein Allzeithoch.
Im Mai letzten Jahres veröffentlichte DeepMind AlphaEvolve, einen von Gemini angetriebenen Agenten, der eigene Algorithmen schreibt und testet. Zu seinen Entdeckungen gehörte eine Verbesserung beim Scheduling, die kontinuierlich 0,7 % der gesamten globalen Rechenkapazitäten von Google zurückgewinnt, sowie eine Beschleunigung eines Kernels im Training von Gemini selbst, die die Trainingszeit um 1 % verkürzte. Kleine Prozentsätze – bis man begreift, was sie bedeuten: Eine KI macht es billiger, die nächste KI zu bauen und zu betreiben.
Das ist Maudslays Drehmaschine, die die Teile für die nächste Maschine schneidet.
Eine andere Art von Flaschenhals
Jede Schleife vor dieser nahm uns die körperliche Arbeit ab. Die Drehmaschine übernahm das Feilen, das Fließband das Heben – und genau deshalb lief jede schneller als die vorherige. Aber das Denken blieb. Jemand musste sich hinsetzen und die nächste Drehmaschine entwerfen. Jemand musste herausfinden, wofür der Chip gut sein sollte. Die Maschinen wurden brillant darin, Dinge zu bauen, aber die Ideen für die nächste Generation kamen weiterhin aus einem menschlichen Kopf – in dem Tempo, in dem ein menschlicher Kopf arbeitet... was, seien wir ehrlich, nicht besonders schnell ist und auch nicht schneller wird.
Das war die Obergrenze der gesamten Geschichte, und niemand hat je darüber nachgedacht, denn was hätte man dagegen tun sollen? Man kann kein Werkzeug bauen, das denkt.
Außer: Jetzt kann man es. Zum ersten Mal ist das, was ausgelagert wird, die Intelligenz selbst. Was den Fortschritt deckelt, ist daher nicht länger, wie schnell Menschen denken können, sondern zwei physische Faktoren: wie viel Energie du in Rechenleistung verwandeln kannst und wie viel Intelligenz du aus jeder Einheit herausholst. Beides bewegt sich auf exponentiellen Kurven.
Es verlässt den Bildschirm
Bis hierhin ist das eine Geschichte über Software, aber sie bleibt nicht dort.
David Mattin, der mit mir The Exponentialist schreibt, nennt die nächste Phase „selbstfahrende Wissenschaft". Und nein, das hat nichts mit Teslas zu tun, auch wenn die Idee dieselbe ist...
Er meint damit: Wissenschaft war schon immer eine Schleife, die ein Mensch steuert. Du hast eine Ahnung, du entwirfst ein Experiment, du führst es durch, meistens scheitert es, du analysierst warum, du hast eine bessere Ahnung. Immer im Kreis, eine Person nach der anderen, Monate pro Runde. Jedes Medikament, jedes Material, jedes physikalische Gesetz, das wir je verstanden haben, kam aus dieser Schleife – in diesem Tempo.
Selbstfahrende Wissenschaft entsteht, wenn du diese Schleife der Maschine übergibst. Wir reden nicht davon, dass KI Wissenschaftlern hilft... wir reden davon, dass KI die Entdeckungen selbst macht. Neue Materialien, neue Moleküle, Dinge, von denen die Menschheit letztes Jahr schlicht nichts wusste, kommen aus einer Maschine, die die Idee hatte, den Test durchführte, das Ergebnis las und die nächste Idee hatte – ganz ohne Mensch in der Schleife. Herauszufinden, wie die Welt funktioniert, wird ausgelagert... und das passiert jetzt, nicht in irgendeiner Science-Fiction-Zukunft.
2023 sagte DeepMinds GNoME-Modell 2,2 Millionen neue Kristallstrukturen voraus, rund 380.000 davon stabil. Das sind mehr neue Materialien, als die Menschheit in der gesamten Geschichte der Materialwissenschaft gefunden hat – entdeckt von einem Modell, bevor überhaupt jemand ein Labor betreten hatte.
Im Dezember 2025 kündigten DeepMind und die britische Regierung dann ein automatisiertes Materiallabor an, das dieses Jahr eröffnet. Dort synthetisieren und testen Roboter täglich Hunderte Kandidatenmaterialien, während die KI die nächste Charge auswählt. Die Schleife, für die eine Forschungsgruppe früher Monate pro Durchlauf brauchte, dreht sich jetzt jeden einzelnen Tag. Die Menschen sind da, um die Ergebnisse zu prüfen, nicht um die Experimente durchzuführen.
Dasselbe passiert bei Robotern, und wie das funktioniert, ist absolut irre. 2025 veröffentlichte DeepMind Genie 3, das man am besten als Videospiel versteht, das sich selbst schreibt. Tippe einen Satz ein, etwa „unordentliches Schlafzimmer", und es erzeugt ein simuliertes auf dem Bildschirm – komplett mit der Physik eines echten Raums, sodass alles, was sich darin bewegt, dasselbe Feedback bekommt wie in der Realität.
Dann kannst du das Gehirn eines Roboters hineinstetzen und ihm sagen, es soll aufräumen. Es scheitert, also versucht es noch einmal, und noch einmal, millionenfach, in Millionen simulierter Räume, mit Computergeschwindigkeit, ohne ein einziges echtes Objekt zu zerbrechen oder physischen Platz zu beanspruchen. Danach lädst du das Gelernte in einen echten Roboter, und er geht in ein echtes Schlafzimmer und weiß bereits, wie es geht. DeepMind macht das genau so mit seinen Roboter-Agenten, und niemand schreibt den Lehrplan. Der Agent stellt sich seine Aufgaben selbst und bewertet seine eigene Arbeit.
Wenn dich solche Themen faszinieren: Genau darüber schreiben David und ich jede Woche in The Exponentialist. Es begann bei Real Vision und ist heute eine eigenständige Publikation auf Substack – mit einer kostenlosen Stufe, falls du dabei sein willst.
Und dann ernährt es sich selbst
Die Maschinen schreiben also ihren eigenen Code, verbessern ihre eigenen Modelle und beginnen, unsere Wissenschaft für uns zu machen. Schön und gut, sagst du, aber da gibt es diesen Haken, von dem alle gehört haben... all das braucht Strom, und zwar massenhaft. Rechenzentren belasten die Netze bereits, Chips gehören zu den knappsten Gütern der Erde, und irgendwann muss dem Ganzen doch einfach der Strom ausgehen.
Aber wenn eine Maschine Probleme lösen kann, die Menschen nicht lösen konnten, dann sind die ersten Probleme, auf die man sie ansetzt, ihre eigenen. Die Materiallabore, die ich gerade beschrieben habe, suchen nicht nach zufälligen Entdeckungen. Sie suchen nach Batteriechemie, die mehr speichert, nach Solarzellen, die mehr umwandeln, nach Chips, die Transistoren dichter packen... genau die Dinge, die Energie und Rechenleistung billiger machen.
Und jedes einzelne davon fließt direkt zurück in die Maschine, die es gefunden hat.
Bessere Module und Batterien machen Energie billiger, billigere Energie macht Rechenleistung billiger, billigere Rechenleistung trainiert bessere Modelle, und bessere Modelle finden das nächste Material. Der Flaschenhals, über den sich alle Sorgen machen, ist das Erste, was diese Schleife verschlingt.
Dahinter steckt ein Gesetz, Wright's Law: Jedes Mal, wenn sich die kumulierte Produktion von etwas verdoppelt, sinken die Kosten um einen festen Prozentsatz. Solarenergie folgt diesem Gesetz seit Jahrzehnten. Neu ist, dass das, was entwirft, kein Mensch mehr ist. Deshalb kommen die Verdopplungen schneller und die Kosten fallen schneller – bei Chips, Batterien und Modulen gleichzeitig.
Jede Umdrehung des Rads macht die nächste schneller, und es hängt von keinem externen Input mehr ab. Frühere Versionen dieser Schleife brauchten Jahrzehnte für eine Runde. Diese dreht sich in Monaten, und das, was sie antreibt, ist nun selbst das, was verbessert wird.
Billiger bedeutet mehr, nicht weniger
Okay, der naheliegende Einwand an dieser Stelle ist ökonomisch. Wenn Intelligenz so schnell so billig wird, brauchen wir doch sicher weniger von dem Zeug, das sie produziert... weniger Chips, weniger Rechenzentren, weniger Strom.
Das Gegenteil passiert, und der Grund ist seit dem Kohlezeitalter bekannt. Jevons bemerkte: Wenn eine Ressource effizienter genutzt wird, steigt der Gesamtverbrauch, weil die Billigkeit Anwendungen ermöglicht, die vorher nie wirtschaftlich waren. Mach die Dampfmaschine effizienter, und ein Land verbrennt mehr Kohle, nicht weniger.
Bei Intelligenz passiert exakt dasselbe. Die Kosten pro Einheit fallen laut a16z seit Ende 2024 bei gleicher Leistungsfähigkeit um etwa den Faktor zehn pro Jahr – und der Verbrauch ist explodiert. Google verarbeitete im Oktober 2025 rund 1,3 Billiarden (Quadrillionen) Tokens pro Monat, mehr als zwanzigmal so viel wie im Vorjahr, und im Mai dieses Jahres lag die Zahl bei 3,2 Billiarden. Jeder Rückgang der Denkkosten erschließt ein Problem, über das nachzudenken vorher zu teuer war – und diese Nachfrage kennt keine Decke, weil es an ungelösten Problemen nicht mangelt.
Genau deshalb dürfen die Investitionsausgaben (Capex) nicht stoppen.
„Das ist Hype. Es stagniert."
Das höre ich alle paar Monate, meist direkt nach einem Release, der etwas weniger spektakulär war als der vorherige. Die Aufregung hält eine Woche, dann kehrt Normalität ein, und in dieser Normalität entscheiden die Leute, dass sich alles verlangsamt.
Mein mentales Modell dafür ist kindliche Entwicklung. Beobachte ein Kleinkind, das laufen lernen will und ständig hinfällt, und du könntest schließen, dass seine Beine nicht funktionieren und es zu dumm für die Aufgabe ist. Oder warte auf die ersten Worte und entscheide, dass sein Mund nicht fürs Sprechen gebaut ist. Bis es plötzlich einfach klappt. Diese Modelle sind Säuglinge – in einigen Bereichen mit Superkräften, in anderen weit hinter menschlichen Kindern zurück... aber Säuglinge lernen schnell. Aus dem, was sie in diesem Quartal nicht können, abzuleiten, wo sie in drei Jahren stehen werden, ist jedes einzelne Mal ein Fehler. In drei Jahren sind wir von einem schlechten Chatbot zu etwas gekommen, das in jedem Fach, das wir unterrichten, besser abschneidet als die meisten Menschen. Unterschätze die Kurve nicht – um es mit dem Meme zu sagen –, nur weil du voreingenommen bist.
Was das für dich bedeutet
Die Angst hinter all dem ist persönlich, also lass mich persönlich darauf eingehen.
Ich bin kein Techniker. Im Januar gab ich Cowork ein PDF und hatte sechs Minuten später eine funktionierende Website. Dann bat ich um ein Dashboard mit den Engagement-Daten von Real Vision über alle Plattformen hinweg – und hatte es in fünfzehn Minuten. Ich schrieb damals, dass ich mich irgendwie bionisch fühlte.
Heute kann eine einzelne Person mit einem Set von Agenten produzieren, wofür früher eine ganze Firma nötig war. In meinem Buch The Everything Code (erscheint am 3. November, Vorbestellung jetzt möglich) erzähle ich die Geschichte eines Softwareentwicklers, der über ein Jahrzehnt lang auf traditionelle Weise ein Unternehmen aufbaute, einen Schritt zurücktrat und dann in einem einzigen Winter ein persönliches KI-Projekt realisierte, das sechsstellige GitHub-Stars erreichte und ihm einen Job bei OpenAI einbrachte. Dasselbe Gehirn, dieselbe Arbeitsmoral – das Einzige, was sich geändert hatte, war das Fundament, auf dem er baute.
„Ersetzt mich das?" ist die Frage, die dein Ego stellt – und es ist die falsche. Die Arbeitsebene unter dir wird komprimiert, ob du willst oder nicht, genauso wie Maudslay die Arbeit jedes Handwerkers komprimierte, der Schrauben von Hand feilte. Die bessere Frage lautet: Was machst du mit einer Maschine, die diese Ebene für dich trägt? Und diejenigen, die am Ende Superkräfte haben, sind die, die eine Ebene aufsteigen – hin zur Entscheidung darüber, was überhaupt gebaut werden sollte.
Besitze die Maschinen, die die Maschinen bauen
Die Schleife zeigt dir, wo sich der Wert sammelt. Wenn Intelligenz Intelligenz baut, fließen die Erträge an denjenigen, dem die Schleife gehört: die Rechenleistung, auf der sie läuft, die Energie, die diese Rechenleistung speist, und die Infrastruktur, auf der sich die Agenten niederlassen, sobald sie in Maschinengeschwindigkeit miteinander handeln. Das sind die Dinge, die sie nicht umgehen kann – und zum ersten Mal in der Geschichte ist jedes einzelne davon etwas, an dem ein normaler Mensch einen Anteil besitzen kann.
So wird das exponentielle Zeitalter von der Theorie zur gelebten Realität – und es läuft direkt auf das Zeitfenster zu, über das ich in meinem Framework der „Economic Singularity" geschrieben habe: irgendwo zwischen 2030 und 2032. Das ist der Punkt, an dem sich die Maschinenökonomie schneller bewegt als die menschlichen Instrumente, die sie messen sollen – BIP, Unternehmensgewinne, Löhne – und die alten Zahlen nicht mehr beschreiben, was tatsächlich passiert. Die Jahre zwischen heute und dann sind das Spiel.
Meine vollständigen Gedanken dazu findest du in The Everything Code. Das Buch zeichnet nach, warum das Finanzsystem so kaputtgegangen ist und wie wir seit Jahrzehnten in einem Schuldenzyklus gefangen sind – und warum das exponentielle Zeitalter, das genau jetzt ankommt, die andere Hälfte derselben Geschichte ist.
Alles in diesem Artikel ist unvermeidlich, sobald man den Mechanismus erkennt. Und das Seltsame daran ist: Er ist der Ausweg. Die Maschinen sind das, was der Welt endlich erlaubt, sich aus den Schulden herauszuwachsen. Nach Jahrzehnten des Stillstands ist das ein Grund für Optimismus – und im Buch führe ich diesen Gedanken vollständig aus.
The Everything Code erscheint am 3. November, und tu mir einen Gefallen: Wenn du vorhast, es zu kaufen, würde ich mich sehr freuen, wenn du es jetzt schon vorbestellst. Das hilft enorm beim Ranking und würde mir wirklich viel bedeuten. Danke.
Und wenn du tiefer in all das eintauchen willst, sprich weiter mit mir! Ich habe eine KI erstellt, die mit 30 Jahren meines Denkens trainiert wurde – drüben auf raoulpal.ai – und sie ist kostenlos. Führe die Diskussion dort mit mir fort.
