Warum die KI noch keinen iPhone-Moment hatte – und weshalb OpenAI Sora und Atlas eingestellt hat

Sam Altmans Erklärung für den bislang ausgebliebenen „iPhone-Moment“ der künstlichen Intelligenz fiel ungewöhnlich selbstkritisch aus: Das Problem liege nicht nur in den Fähigkeiten der Modelle, sondern darin, dass daraus noch keine wirklich neue Art des Arbeitens entstanden sei. In seinem am 23. August 2026 veröffentlichten Gespräch mit dem Podcaster David Senra bezeichnete er die Lücke als „größtenteils ein Produktversagen“. 23

Das Gespräch liefert zugleich eine strategische Einordnung für zwei auffällige Rückzüge von OpenAI. Sora und der Browser Atlas seien gute Produkte gewesen, erklärte Altman sinngemäß. Doch Rechenleistung, Personal und andere Ressourcen seien begrenzt. Deshalb konzentrierte OpenAI seine Kräfte auf Codex, Forschung und eine umfassendere Plattform, statt jedes vielversprechende Einzelprodukt weiterzuführen. 237

Die KI kann viel – aber sie bietet noch keine neue Alltagsschnittstelle

Altman beschreibt die aktuelle Situation als Leben in zwei Computerwelten. Die Nutzerinnen und Nutzer verfügen weiterhin über klassische Rechner und vertraute Arbeitsabläufe. Gleichzeitig können sie Werkzeuge wie Codex einsetzen, um den Computer auf eine deutlich leistungsfähigere Weise zu bedienen. Was fehlt, ist eine nahtlose Schnittstelle, die beides zusammenführt und die alte Arbeitsweise tatsächlich ersetzt. 3

Darauf stützt sich seine Diagnose vom „Produktversagen“. KI kann in einzelnen Interaktionen beeindruckend wirken, ohne bereits zu einem grundlegenden Verbraucherprodukt geworden zu sein. Der entscheidende Durchbruch wäre eine Lösung, bei der sich fortschrittliche KI wie eine natürliche Erweiterung des alltäglichen Arbeitens anfühlt – nicht wie eine weitere Website, App oder Sammlung voneinander getrennter Befehle.

Altman machte den Punkt offenbar auch an seiner eigenen Arbeitsweise fest: Obwohl er OpenAI leitet, arbeitet er weiterhin mit einem alten, fragmentierten Computer-Workflow statt mit einer vollständig neu gedachten Benutzeroberfläche. 26 Die Botschaft dahinter: Bei der Produktgestaltung und der Nutzererfahrung hinkt die Branche den Modellen möglicherweise noch hinterher.

Warum OpenAI Sora beendet hat

Bei Sora begründete Altman die Entscheidung mit einer Priorisierung. OpenAI habe ein Produkt „getötet“, das „gut“, „unterhaltsam“ und „cool“ gewesen sei, aber viel Rechenleistung verbraucht habe. Diese Rechenleistung sei bei Codex aus Sicht des Unternehmens wichtiger eingesetzt. 2

Damit sind nicht automatisch alle Berichte über die wirtschaftliche Entwicklung von Sora bestätigt. Die vorliegenden Interviewauszüge stützen die Begründung über die Verteilung der Rechenressourcen. Sie belegen jedoch nicht unabhängig die Angaben von rund einer Million Nutzerinnen und Nutzern auf dem Höchststand oder Betriebskosten von etwa einer Million US-Dollar pro Tag.

Auch bei den Daten ist Genauigkeit wichtig: OpenAI kündigte die Einstellung im März an; verfügbaren Berichten zufolge war die Sora-App jedoch erst am 26. April 2026 nicht mehr verfügbar. 1 „Im März abgeschaltet“ kann sich daher auf die Ankündigung beziehen, nicht auf das vollständige Ende des App-Betriebs.

Die Disney-Partnerschaft machte das Ende von Sora besonders bemerkenswert. Die vorliegenden Belege zeigen allerdings nicht, dass diese Partnerschaft Altmans genannte Ressourcenabwägung verändert hätte. Seine Erklärung lautete, dass die knappe Rechenleistung an anderer Stelle wertvoller sei. 25

Warum Atlas in die Plattform integriert wurde

Eine ähnliche Logik wandte Altman auf Atlas an. Er bezeichnete den Browser als großartiges Produkt – laut dem Transkript sogar als den besten Webbrowser. Zugleich sagte er, die Mitarbeitenden und Ressourcen könnten an anderer Stelle mit höherer Priorität eingesetzt werden. 3

Nach den verfügbaren Berichten war Atlas ab dem 9. August 2026 kein eigenständiger Browser mehr; dies war im Juli angekündigt worden. Die Fähigkeiten des Browser-Agenten verschwanden jedoch nicht vollständig, sondern wurden in ChatGPT und Codex integriert. 1

Dieser Unterschied ist wichtig. OpenAI wollte offenbar nicht jede Funktion eines eingestellten Produkts aufgeben. Stattdessen sollten Fähigkeiten in weniger, dafür zentraleren Oberflächen gebündelt werden. Teams und Ressourcen aus den eigenständigen Produkten wurden auf die übergeordneten Prioritäten des Unternehmens gelenkt.

Die strategische Wette: eine Plattform statt vieler Einzel-Apps

Die übergeordnete Strategie aus dem Gespräch besteht darin, OpenAI eher als Plattformunternehmen denn als Sammlung einzelner Produktunternehmen zu verstehen. Das in Berichten beschriebene Modell: eine direkte Benutzerschnittstelle und eine API, über die Menschen und Organisationen auf KI zugreifen können. 47

Das erklärt auch die Zusammenführung von ChatGPT und Codex in einer einheitlichen Oberfläche. Nutzer sollen nicht mehr zwischen getrennten Angeboten für allgemeine Unterstützung und wissensintensive Arbeit wählen müssen. Stattdessen sollen sich ergänzende Funktionen innerhalb derselben Plattform befinden. 5

Altman formulierte dazu eine weitreichende Ambition: Die Plattform könne 100 Millionen neue Unternehmen ermöglichen und letztlich von 8 Milliarden Menschen genutzt oder als Grundlage für deren Angebote verwendet werden. 1 In diesem Verständnis sind die hohen Ausgaben für Infrastruktur nicht nur die laufenden Kosten heutiger Chat-Produkte. Sie bilden die Grundlage für Forschung an besonders leistungsfähigen Modellen, groß angelegte Rechenkapazitäten und eine einheitliche KI-Plattform.

Der Preis dieser Strategie ist Konzentration. Produkte können eingestellt werden, obwohl Nutzer sie mögen und obwohl sie technisch stark sind, wenn sie aus Sicht des Unternehmens nicht in die zentrale Richtung passen. Altman stellte diese Bereitschaft, gute Ideen aufzugeben, als notwendig dar, solange Rechenleistung, Talent und Kapital begrenzt sind. 23

Warum die wirtschaftlichen Folgen der KI langsamer eintreten

Altman räumte außerdem ein, dass seine Einschätzung des Tempos der KI-bedingten Umwälzung zu optimistisch gewesen sei. Nach dem Start von GPT-4 im Jahr 2023 habe er erwartet, dass sich Softwareunternehmen und die Gesamtwirtschaft deutlich schneller verändern würden. 8

Als Erklärung wurde aus dem Gespräch „wirtschaftliche Trägheit“ berichtet. Beschaffungsprozesse, Regulierung, etablierte Arbeitsabläufe und organisatorische Veränderungen bewegen sich oft deutlich langsamer als die Fähigkeiten von KI-Modellen. 813

So entsteht eine zweite Lücke bei der Einführung. Die erste liegt auf Produktebene: KI-Werkzeuge haben den klassischen Computer-Workflow noch nicht nahtlos ersetzt. Die zweite ist institutioneller Art: Unternehmen können KI möglicherweise bereits einsetzen, doch Budgets, Zugriffsrechte, Prozesse und Verantwortlichkeiten lassen sich nicht über Nacht neu ordnen.

Für Unternehmen bedeutet das praktisch: Bessere Modelle allein führen nicht zwangsläufig zu einem grundlegenden Wandel. Erfolgreich könnte am Ende vor allem ein Produkt sein, das KI in bestehende Arbeit integriert und den Übergang so einfach macht, dass Teams ihm vertrauen und es dauerhaft nutzen.

Was die Quellen über Sicherheit zeigen – und was nicht

Die vorliegenden Auszüge stützen eine Strategie aus Veröffentlichung, praktischer Erprobung und der Konzentration von Ressourcen. Sie liefern jedoch nicht genügend direkte Belege, um die detaillierten Sicherheitsargumente aus der ursprünglichen Fragestellung – darunter einen möglichen Kontrollverlust, eine übermäßige Machtkonzentration oder rund eine Milliarde wöchentliche Nutzer – diesem Interview eindeutig zuzuschreiben.

Mit größerer Sicherheit lässt sich sagen, dass OpenAI Systeme in reale Produkte bringen und aus ihrer Nutzung lernen will, während knappe Rechenleistung und Fachkräfte auf jene Systeme gelenkt werden, die das Unternehmen für besonders folgenreich hält. 237 Dieser Ansatz kann das Lernen bei der Produktentwicklung beschleunigen. Gleichzeitig werden Fragen zu Governance, Zugang und Machtkonzentration wichtiger, je größer die Plattform wird.

Die größere Lehre für KI-Produkte

Altmans Aussagen führen zu einer unbequemen Schlussfolgerung für die gesamte KI-Branche: Der nächste große Durchbruch muss nicht zwingend ein Modell mit noch längerem Kontextfenster oder einem besseren Benchmark-Ergebnis sein. Vielleicht ist es ein Produkt, das fortschrittliche KI endlich gewöhnlich, zuverlässig und in die bestehende Arbeitsweise integriert wirken lässt.

Bis dahin kann KI gleichzeitig leistungsfähig und umständlich sein. Die Entscheidungen rund um Sora und Atlas zeigen die andere Seite dieser Realität: Selbst überzeugende Produkte können den Kürzeren ziehen, wenn ein Unternehmen einer einheitlicheren Plattform und der dafür nötigen Rechenleistung einen höheren strategischen Wert beimisst.