Washington und Silicon Valley streiten über ein neues Thema im Bereich der künstlichen Intelligenz: das „Pacing“, also die bewusste Verlangsamung der Entwicklung von Frontier-Modellen, bis Sicherheitsmaßnahmen, Alignment und die Gesellschaft aufholen können. Kritiker bezeichnen Pacing als einseitige Abrüstung im Wettbewerb mit China. Befürworter sehen darin den einzigen verantwortungsvollen Ansatz für eine Technologie, deren Schöpfer selbst vor katastrophalen Risiken warnen.

Beide Seiten haben jedoch einen sogenannten „Compute-to-GDP-Fehlschluss“ übernommen – die Annahme, dass jede schrittweise Verbesserung der KI-Leistung unmittelbar in makroökonomische Produktion umgesetzt wird. Frühere universelle Technologien – grundlegende Innovationen wie Elektrizität, Computer und das Internet, die alle Industrien durchdrangen – brauchten Jahrzehnte, um sich in der Wirtschaft zu verbreiten und messbare Produktivitätsgewinne zu erzielen. Die KI folgt einem ähnlichen Pfad in beschleunigtem Tempo, doch die öffentliche Debatte geht oft davon aus, dass historische und ökonomische Muster diesmal keine Geltung mehr haben.

Amerika liegt bereits Jahre hinter der KI-Frontier zurück. Die kommerziellen Erfolge der Frontier-Labore werden weniger von der reinen Leistungsfähigkeit abhängen als von Vertrauen und Adoption. Eine Phase des Pacings würde die Wirtschaft daher vergleichsweise wenig kosten, denn die zentrale Debatte richtet sich auf die falsche Beschränkung.

Die Skepsis gegenüber dem Pacing ist nicht unbegründet. Ist es eine echte Sicherheitsmaßnahme oder eine Marketingstrategie von Frontier-Laboren und Cybersecurity-Unternehmen, die ihre Finanzzahlen vor Börsengängen aufpolieren? Würde eine Verlangsamung den Vorsprung der USA an China übergeben, oder würde Peking mit einer eigenen Form des Pacings reagieren?

Das Frontier-Problem

KI hat eine kritische Leistungsschwelle erreicht. Warnungen vor katastrophalen oder existenziellen Risiken lassen sich nicht mehr rundweg abtun, auch wenn ihre kurzfristige Wahrscheinlichkeit gering bleibt. Doch indem sich die Frontier-Labore fast ausschließlich auf modernste Modelle konzentrieren, haben sie sowohl ihre Kommunikation als auch das Thema öffentliches Vertrauen schlecht verwaltet.

Mehr als 100 aktuelle Gespräche mit CEOs, Politikern und KI-Wissenschaftlern, die für das bevorstehende Buch When Machines Act geführt wurden, haben die Autoren überzeugt, dass die Pacing-Debatte das Prinzipiendenken aus den Augen verloren hat. Eine wesentliche Unterscheidung ist verloren gegangen: Die Spitzforschung, die Labore hinter verschlossenen Türen betreiben, ist nicht dasselbe wie die Produkte, die sie der Öffentlichkeit freigeben.

Die relevantere Frage ist möglicherweise, ob die Labore ihre Forschung überhaupt verlangsamen müssen – oder ob sie lediglich besser sicherstellen müssen, dass ihre kommerziellen Produkte sicher verwendbar sind.

Das Alignment-Problem

Seit der Veröffentlichung von ChatGPT im Jahr 2022 haben Unternehmensführer eine Geschwindigkeit an den Tag gelegt, die in der modernen Handelsgeschichte beispiellos ist. Doch die Struktur der Unternehmens-IT macht eine breite wirtschaftliche Aufnahme inhärent langsam. Fragmentierte Datensilos, veraltete ERP-Systeme, strenge Compliance-Anforderungen und mangelnde Datenhygiene stehen im Weg.

Budgetschocks durch überbordendes „Tokenmaxxing“ – die Praxis, Routineaufgaben durch weit größere Modelle zu schleusen, als die Arbeit erfordert – haben zudem gezeigt, dass viele alltägliche Unternehmensworkflows deutlich einfachere Modelle benötigen. Sehr wenige Aufgaben in einem durchschnittlichen Fortune-500-Unternehmen erfordern überhaupt ein Frontier-System. Pacing würde daher weder die wirtschaftliche Produktion nennenswert schädigen noch die Einnahmen der Labore abwürgen, denn Unternehmen brauchen schlicht Zeit, um die bereits verfügbaren Fähigkeiten zu absorbieren.

Mehr als zwei Drittel der leistungsstarken Unternehmen nennen Daten als Haupthürde für die KI-Umsetzung, laut McKinsey. Dieses Hindernis ist hartnäckig geblieben, obwohl sich die Modelle rasant weiterentwickelt haben. Nur 7% der Unternehmen bezeichnen ihre Daten als „vollständig bereit“ für KI, weniger als ein Viertel haben überhaupt eine Datenstrategie, und 63% verfügen entweder nicht über KI-taugliches Datenmanagement oder sind unsicher, ob sie es haben, laut einem Bericht von Cloudera und Harvard Business Review Analytic Services und einer Mitteilung von Gartner.

Der Compute-to-GDP-Fehlschluss

Wie der McKinsey-Senior-Partner Asutosh Padhi im Gespräch mit Fareed Zakaria betonte, sind technische Verfügbarkeit und wirtschaftliche Transformation grundsätzlich verschieden. Universelle Technologien benötigten historisch Jahrzehnte, um Workflows neu zu organisieren und breite Produktivitätsgewinne zu erzeugen.

Elektrizität brauchte 75 Jahre, um die Produktivität der gesamten Wirtschaft zu heben. Computer benötigten 50 Jahre, das Internet und mobile Geräte 25 Jahre Die KI-Modelle mögen bereit sein, aber die organisatorische Umstrukturierung, die ihr Einsatz im großen Maßstab erfordert, wird erhebliche Zeit brauchen. In einer Umfrage in der Wirtschaftswelt fand McKinsey, dass nur 6% der Unternehmen eine „signifikante“ Wirkung und bescheidene Ertragsbeiträge meldeten. Der State-of-AI-Bericht liefert zusätzlichen Kontext zur Unternehmensadoption.

Die Unternehmen konzentrieren sich auf automatisierte Aufgaben mit hohem Ertrag und geringem Risiko, die Modelle aus ein bis zwei Generationen bereits bewältigen können. Ein hoch angesehener ehemaliger Wall-Street-CEO sagte, diese Systeme würden jahrelang parallel zu Legacy-Systemen laufen, damit die Unternehmen bestätigen können, dass sie korrekt funktionieren und unbewusst keine regulatorischen Risiken übernommen werden.

Corporate America wird das Einführungstempo daher selbst bestimmen, unabhängig von den Entscheidungen der Frontier-Labore. Kein Unternehmen einer Branche sollte ein Produkt freigeben, das es für gefährlich hält – und die KI sollte nicht anders behandelt werden.

Ein ähnliches Muster zeichnet sich auf dem Halbleitermarkt ab. Ältere Chipgenerationen, die im Rennen um die neuesten Beschleuniger zunächst beiseitegelegt wurden, erleben ein zweites Leben als Arbeitspferde für praktische Inferenz-Workloads – den täglichen Betrieb eingesetzter Modelle statt ihres Trainings –, die einen Großteil der Unternehmensnachfrage ausmachen.

Miro Dimitrov, Gründer und CEO von Growth Protocol, sagte in der vergangenen Woche beim Yale CEO Caucus, dass neuro-symbolische Architekturen die Inferenzkosten in Live-Kundeneinsätzen um rund das 80-Fache gesenkt hätten. Die Einsparungen gingen vor allem darauf zurück, dass Workloads von extrem teuren GPUs auf gewöhnliche Unternehmens-CPUs verlagert wurden.

Drei Phasen der KI-Adoption

Die Unternehmensadoption lässt sich in drei Phasen verstehen, die sich daran bemessen, wie viel Arbeit ein Unternehmen verantwortungsvoll delegieren kann. Der Fortschritt wird durch die Datenbereitschaft und das Vertrauen begrenzt, das Systeme erworben haben.

Die erste Phase ist Assistenz. Sie besteht aus fertigen Copiloten auf Enterprise-Plattformen wie Salesforce. Diese Werkzeuge verbinden Daten über bestehende Anwendungen hinweg und helfen Mitarbeitern, schneller zu arbeiten, ohne weitreichende Umstrukturierung. Der Nutzen stellt sich schnell ein, während das Risiko begrenzt bleibt, da ein Mensch weiterhin einen Großteil der Arbeit verrichtet.

Die zweite Phase ist Orchestrierung. Sie umfasst agentische Workflows – KI-Systeme, die mehrstufige Aufgaben im Auftrag eines Mitarbeiters planen und ausführen – und erfordert erhebliche Investitionen in proprietäre Daten sowie die Verbindung entfernter Data Lakes, die nie für ein Zusammenspiel konzipiert waren. Ein Mensch bleibt in der Schleife und genehmigt jeden wesentlichen Schritt.

Die dritte Phase ist Autonomie, in der durchgehend agentische Abläufe über nahtlos verbundene Systeme laufen, während Menschen ausnahmsweise überwachen.

Der potenzielle Ertrag steigt mit jeder Phase, aber ebenso das Risiko und das erforderliche Vertrauen. Deshalb verharrt der durchschnittliche Fortune500-CEO in der Assistenzphase und tätigt zugleich erhebliche frühe Investitionen zur Vorbereitung auf die Orchestrierung. Die Phasen schreiten innerhalb eines Unternehmens auch nicht einheitlich voran. Die meisten Unternehmen verwalten ein Portfolio über mehrere Phasen und testen die Orchestrierung in ausgewählten progressiven Abteilungen, während der Rest der Organisation sich an die grundlegende Assistenz gewöhnt.

Allen drei Phasen liegt das Vertrauen der CEOs zugrunde, dass die KI die Regeln des Mitarbeiterhandbuchs befolgt, das Gesetz einhält und eine Grundlage menschlicher Werte und Urteilsfähigkeit wahrt. Anleger, Medienkommentatoren und Märkte verkennt daher, wie Unternehmenswert entsteht, wenn sie befürchten, Pacing für das KI-Alignment werde den Fortschritt der Frontier-Modelle behindern.

Die Debatte wird zusätzlich durch vage Versprechungen und Warnungen rund um „AGI“ – die künstliche allgemeine Intelligenz, Systeme, die menschliche Leistung in den meisten kognitiven Aufgaben übertreffen könnten – sowie um die Chancen und katastrophalen Risiken der „Singularität“ erschwert. Alignment ist selbst ein subjektiver Begriff, den verschiedene Labore und Personen unterschiedlich definieren. Auf jede Erwähnung von Alignment sollte die Gegenfrage folgen: Alignment woran?

Wenn KI-Technologien menschliche Aufgaben automatisieren sollen, müssen sie denselben Maßstäben an Werten, Urteilsvermögen und moralischem Verhalten gerecht werden wie ein aktueller oder künftiger Mitarbeiter. Wenn die modernsten Frontier-Modelle diese Standards im Test nicht erfüllen, sind sie nicht release-fähig. Dieses Prinzip entspricht den Gesetzen, die die Vereinigten Staaten seit Langem zum Schutz der Verbraucher vor gefährlichen Produkten aufrechterhalten.

Die ehemalige FTC-Vorsitzende Lina Khan machte einen ähnlichen Punkt auf X deutlich: „Es gibt ein umfangreiches Set von Gesetzen für gefährliche und fehlerhafte Produkte … die Freigabe ungeprüfter KI-Modelle oder Agenten kann gegen Verbraucherschutzgesetze verstoßen. Der Versand mangelhafter KI-Werkzeuge ohne angemessene Maßnahmen zur Erkennung und Unterbindung fehlerhafter KI-Agenten kann eine ‚unfair oder täuschende‘ Handlung oder Praxis gemäß dem FTC Act (und entsprechenden Landesgesetzen) sein.“ Der Beitrag ist abrufbar unter https://x.com/linamkhan/status/2099204390548639960.

Diese Gesetze machen Unternehmen verantwortlich für Schäden an Verbrauchern, Mitarbeitern, Investoren, Patienten und Wettbewerbern sowie an den Märkten und Finanzsystemen, von denen alle abhängen.

Amerika, China, Geschwindigkeit und Vertrauen

Unabhängig davon, wo man in der Debatte über Chinas Destillation von KI-Modellen – der Technik, kleinere Modelle darauf zu trainieren, die Ausgaben größerer Frontier-Systeme zu reproduzieren – steht: China verfügt heute über Systeme, die mit den am Markt erhältlichen Frontier-Modellen konkurrieren. Die Kommunistische Partei Chinas hat zudem signalisiert, ihre Anstrengungen auf die Verbreitung der KI in der Wirtschaft zu verlagern statt die Frontier weiter voranzutreiben.

Die Frontier-Labore nehmen daher an zwei Rennen gleichzeitig teil: einem Rennen zu „AGI“ „Superintelligenz“ und einem Rennen um die Ausgaben der Kunden. Ihre etabliertesten Kunden, vor allem Fortune-500-Unternehmen, können bezeugen, wie außerordentlich schwer es ist, einen Kunden nach getroffener Kaufentscheidung zurückzugewinnen. China kennt diese Dynamik gut – sie trieb seinen Sieg im globalen Telekommunikationswettrennen an, das die USA weitgehend verloren.

Die Kommunistische Partei Chinas hat auch tiefe Besorgnis über Alignment geäußert. Pekings innerstaatliches Alignment priorisiert Staatskontrolle, Parteitreue und narrative Konsistenz, während westliches Alignment auf treuhänderischer Zuverlässigkeit, Verbrauchersicherheit und Produkthaftung beruht. Unter der ideologischen Kluft liegt jedoch dieselbe kommerzielle Realität: unvorhersehbare, „halluzinierende“ Agenten, die sich nicht an Regeln, Urteilsvermögen und institutionelle Leitplanken halten, kann man nicht mit unternehmenskritischen Workflows betrauen oder als Garant dauerhaften Wirtschaftswachstums betrachten.

Die Trump-Regierung sollte weiterhin Wege zur Zusammenarbeit und Koordination mit Präsident Xi verfolgen, um sicherzustellen, dass die KI weder absichtlich noch versehentlich Massenzerstörung oder Katastrophen verursacht. Ob Trump das Thema ansprechen wird, ist eine andere Frage.

Beim CEO Caucus glaubten 93 von rund 100 befragten CEOs nicht, dass der Präsident richtig lag, Warnungen vor KI-Gefahren als „Hoax“ zu bezeichnen. Fast 90% sagten, der Präsident solle beim Staatsbesuch die Notwendigkeit gemeinsamer KI-Sicherheitsrichtlinien mit China ansprechen, während knapp drei Viertel nicht erwarteten, dass er dies tun würde. Laut Axios könnten vorbereitende Gespräche zwischen Finanzminister Bessent und seinem chinesischen Amtskollegen diese rund 75 Wirtschaftsvertreter bald gerne widerlegen.

Eine Pacing-Phase wäre kein passiver Urlaub und kein wirtschaftlicher Waffenstillstand, sondern ein aktives Fenster zur defensiven Härtung. Washington und Peking brauchen bewussten Bewegungsspielraum, um ihre kritische Infrastruktur gegen autonome agentische Angriffe zu härten, bevor die nächste Generation der Frontier-Fähigkeiten freigeschaltet wird.

Das Einimpfen menschlichen Alignments ist nur die halbe Miete. In einer solchen Phase muss die unmittelbare Priorität darin bestehen, die Institutionen zu festigen, die das Fundament der Zivilisation bilden. Finanz-, Gesundheits- und Bildungssysteme sollten von den modernsten Modellen auf Schwachstellen geprüft werden, wie Anthropic durch seine eingeschränkte Bereitstellung von Mythos im Rahmen von Project Glasswing demonstriert hat. Diese Modelle durchbrechen Verteidigungen mit beeindruckender technischer Ingenieurskunst – doch ihre Angriffe gelingen nur wegen systemischer Schwächen in der digitalen Infrastruktur der Unternehmen.

Die Frontier-Labore glauben, ein einziges Rennen Richtung Superintelligenz zu laufen. Doch das R, das über ihr kommerzielles Schicksal entscheidet – das langsamere Wettrennen um das Vertrauen der Unternehmen, Regulierer und Bürger, die mit ihren Schöpfungen leben müssen –, ist ein anderer Wettlauf. Geschwindigkeit mag Schlagzeilen bringen, aber Vertrauen gewinnt die Kunden.

Dieses Rennen ist ein Marathon, kein Sprint. Wer selbst Läufer war, weiß: Die erste Hälfte eines Langstreckenrennens dient dem Pacing, die zweite Hälfte dem Überholen. In jeder technologischen Revolution, von der Eisenbahn bis zum Internet, gingen die größten Vermögen an jene, die verstanden hatten, dass eine Frontier wertlos ist, bis die Siedler kommen.

Die in Fortune.com-Kommentaren geäußerten Meinungen sind ausschließlich die ihrer Autoren und spiegeln nicht notwendigerweise die Meinungen und Überzeugungen von Fortune wider. Der Bericht wurde um ergänzende Kommentare des Mitautors David Siegel aktualisiert. Diese Geschichte erschien ursprünglich auf Fortune.com: https://fortune.com/2026/09/22/ai-pacing-debate-how-fast-slow-wrong-debate-frontier