KI-Pioniere im Schlagabtausch: Hinton, Ng und Li streiten über Risiko, Arbeit und Regulierung auf der Ai4 2026

Existenzielle Risiken: Apokalypse, Science-Fiction oder Panikmache?

Geoffrey Hinton schlug den alarmierendsten Ton an. KI-Systeme, so seine Kernaussage, entwickelten sich so rasant, dass die Gesellschaft nicht hinterherkomme. Er prognostizierte, dass die KI die menschliche Intelligenz „in den nächsten fünf bis zwanzig Jahren“ übertreffen werde und fügte hinzu: „wahrscheinlich früher“ . Er warnte eindringlich: „Wenn wir uns jetzt keine Sorgen machen, könnten Probleme entstehen“ . Seine Sorge galt besonders offenen KI-Modellen, deren Gewichte (open-weight models) von jedermann missbraucht werden könnten .

Fei-Fei Li widersprach dieser Dramatisierung deutlich. Sie forderte die Rückkehr zu „Wissenschaft, nicht Science-Fiction“ in der öffentlichen Debatte. Die Diskussion sei zu extrem geworden – dominiert von Angst statt von Fakten. Sie lehnte sowohl dystopische als auch utopische Erzählungen ab .

Andrew Ng – der als „KI-Evangelist“ gilt – ging noch einen Schritt weiter und beschuldigte große KI-Unternehmen direkt der „Panikmache“ (fearmongering) . Ihm zufolge übertreiben diese Konzerne die Risiken absichtlich, um Open-Source-Modelle zu blockieren und Konkurrenz auszuschalten. Sein Statement war klar: „Ich will keine Wächter der KI“ .

Arbeitsplätze: Werden wir alle ersetzt oder verändern sich unsere Jobs nur?

Dieser Punkt entzündete die heftigste Debatte des Panels.

Geoffrey Hinton fokussierte sich nicht auf die Arbeiter in der Fabrik, sondern auf die Angestellten im Büro. Er nannte Callcenter-Mitarbeiter, Verwaltungsangestellte und Sachbearbeiter in Versicherungen als die am stärksten gefährdeten Gruppen. Seine provokante Frage fasste seine Sorge zusammen: „Was sollen diese Leute dann tun? Alles, wofür man sie umschulen kann, wird die KI auch können“ . Zur Untermauerung nannte er ein Beispiel aus dem Gesundheitswesen, wo ein Chatbot die Zeit für die Bearbeitung einer Beschwerde von 30 Minuten auf wenige Minuten reduzierte .

Andrew Ng widersprach und argumentierte, dass KI nicht Jobs eliminiert, sondern deren Aufgabenbereiche verändert. Softwareentwickler seien nicht verschwunden, sie seien zu „Full-Stack-Entwicklern“ geworden. Marketingassistenten würden zu „Full-Cycle-Marketern“. Die eigentliche Herausforderung sei, „die menschliche Entwicklung zu beschleunigen“ .

Fei-Fei Li verweigerte sich beiden extremen Lagern. Sie analysierte, dass wenige Berufe aus einer einzigen Aufgabe bestehen – Krankenschwestern machen nicht nur Dokumentation, Lehrer halten nicht nur Vorträge . KI werde einige Teile automatisieren, andere nicht. Sie warnte jedoch davor, dass höhere Produktivität nicht automatisch zu allgemeinem Wohlstand führe .

Regulierung: Lenkrad, Wettbewerbsbremse oder wissenschaftliche Kommunikation?

Auch beim Thema staatliche Eingriffe gingen die Meinungen massiv auseinander.

Hinton forderte eine Regulierung als zwingend notwendiges „Lenkrad“ (steering wheel). Er argumentierte, die Fähigkeiten der KI überholten jede institutionelle Reaktionsfähigkeit. Seine spezifische Warnung galt, wie schon beim Thema Risiko, den offenen Modellen, die für schädliche Zwecke umfunktioniert werden könnten .

Andrew Ng lehnte eine zu strenge Regulierung als potenzielles Instrument der Platzhirsche ab, um sich gegen neue Konkurrenten abzuschotten. Er wandte sich direkt gegen die Forderung nach einer Lizenzierung von Open-Source-Modellen, da dies die Macht der großen KI-Labore zementiere .

Fei-Fei Li plädierte für einen Mittelweg: mehr öffentliche Investitionen in die KI-Forschung und ein Bekenntnis zu „guter, gesunder, wissenschaftlicher Kommunikation“ zur Politikberatung. Sie warnte vor einem Kurs, der „Menschen entmündigt und ihnen die Handlungsfähigkeit nimmt“ .

Bildung: Der eine gemeinsame Nenner

Trotz aller Differenzen waren sich die drei KI-Pioniere in einem Punkt einig: Bildung wird darüber entscheiden, ob der KI-Fortschritt der Gesellschaft nützt – oder nicht . Allerdings unterschieden sich die Akzente auch hier.

Hinton äußerte Skepsis, ob eine Umschulung von Arbeitnehmern bei der rasanten Entwicklung der KI überhaupt realistisch sei . Ng betonte, dass menschliches Lernen parallel zur KI vorangetrieben werden müsse. Li wiederum hob die Bedeutung der feinen Unterschiede zwischen Aufgaben (Task-Level-Nuance) und einer wissenschaftlichen Kommunikation als Grundlage für das öffentliche Verständnis hervor .

Die Keynote der Ai4 2026 war mehr als eine Podiumsdiskussion – sie war ein Spiegelbild der tiefen Zerrissenheit in der KI-Debatte selbst. Sie zeigt, dass die großen Fragen der Technologie nicht nur Politik und Gesellschaft spalten, sondern auch die Erfinder der Technologie selbst .