Sie kennen das Versprechen. Es geht ungefähr so:
Ich, als CEO, kann ab sofort alles selbst. Ich brauche keine Data Engineers, keine Data Scientists, keine Software-Entwickler und keine Backend-Leute mehr. Copilot, Claude und Co. lösen das für mich — ganz ohne Domänenwissen. Ein Prompt, ein Ergebnis, fertig.
Ich habe diese These ernst genommen. Nicht auf einer Folie, sondern in der Praxis. Und ich schreibe diesen Text, weil das Ergebnis überraschender war, als ich dachte — in beide Richtungen.
Was moderne LLMs wirklich leisten (und das ist eine Menge)
Fangen wir mit dem an, was stimmt. Denn es wäre unehrlich, den Hype zu verteufeln — wir bauen KI-Produkte, wir sehen den Effekt jeden Tag.
Große Sprachmodelle sind der größte Produktivitätssprung, den ich in 14 Jahren Data Science erlebt habe. Konkret:
- Boilerplate, Glue Code, Test-Gerüste, Datenskripte — Dinge, die früher Stunden gefressen haben, entstehen in Minuten.
- Prototyping ist radikal billiger geworden. Eine Idee wird über Nacht zur lauffähigen Demo, statt über zwei Sprints.
- Dokumentation, Code-Reviews, Refactorings, das Erklären fremder Codebasen — all das wird schneller und angenehmer.
- Explorative Analysen, erste Modell-Baselines, das Durchdenken von Architekturen — die KI ist ein hervorragender Sparringspartner.
Ein guter Entwickler oder Data Scientist ist mit diesen Werkzeugen nicht 10 % schneller. Er ist ein Vielfaches schneller. Das ist real, das ist enorm, und wer es ignoriert, verliert.
Aber — und jetzt kommt der Teil, der auf den Bühnen fehlt.
Der Realitätscheck
Als ich versucht habe, ohne mein Team allein mit KI zu einem produktionsreifen Ergebnis zu kommen, ist Folgendes passiert:
Das Modell war überzeugend — und falsch. Ein LLM formuliert Unsinn in genau demselben souveränen Ton wie eine korrekte Analyse. Es gibt keinen roten Rand um die Halluzination. Ohne jemanden, der die Fachlichkeit hat — Agronomie, Fernerkundung, Biostatistik, Maschinendaten — merkt niemand im Raum, dass das schöne Ergebnis in die falsche Richtung zeigt. Das ist nicht „kein Ergebnis". Das ist schlimmer: ein falsches Ergebnis, das aussieht wie die Wahrheit.
Die Demo skaliert nicht. Der Prototyp lief auf dem Laptop. In Produktion — mit echten Satellitenbildern, verrauschten Sensordaten, 3D-Punktwolken, fehlenden Werten, Latenzanforderungen und drei Dutzend Edge Cases — bricht das Kartenhaus zusammen. Die letzten 20 % (Data Engineering, MLOps, Monitoring, Reproduzierbarkeit, Skalierung) sind 80 % der eigentlichen Arbeit. Und genau die kann ein Prompt nicht abkürzen.
Die KI kennt Ihre Daten nicht. Sie kennt das Internet. Sie kennt nicht Ihre Sensorik, Ihre Feldversuche, Ihre Labor-Pipeline, Ihre 15 Jahre gewachsenen, chaotischen, undokumentierten Datenbestände. Ground Truth kommt nicht aus dem Modell. Ground Truth kommt aus Ihrer Domäne.
Was LLMs (noch) nicht können
Damit wir konkret bleiben — hier sind die Grenzen, an die man in echten Projekten stößt:
- Sie wissen nicht, was sie nicht wissen. Ein LLM sagt fast nie „Das kann ich nicht beantworten." Genau diese Antwort wäre aber oft die richtige.
- Sie haben keinen Zugriff auf Wahrheit, nur auf Plausibilität. Statistische Wahrscheinlichkeit ≠ fachliche Korrektheit.
- Sie stellen nicht die richtige Frage. Die härteste Arbeit im Data Science ist, das Problem korrekt zu formulieren. Ein Modell beantwortet die Frage, die Sie stellen — nicht die, die Sie hätten stellen sollen.
- Sie tragen keine Verantwortung. Wenn ein Modell in der Landwirtschaft, in der Infrastruktur oder in der Life Science eine falsche Entscheidung trifft, haftet kein Prompt. Es haften Sie.
- Sie ersetzen kein System-Engineering. Sicherheit, Datenschutz, EU AI Act, Reproduzierbarkeit, Wartbarkeit — das ist Ingenieursdisziplin, keine Textvorhersage.
Der eigentliche Engpass war nie das Coden
Hier ist die unbequeme Wahrheit, die meine These oben zerlegt: Der teure Teil unserer Arbeit war noch nie das Tippen von Code. Das war immer der billigste Teil.
Teuer ist das Urteilsvermögen. Zu wissen, ob ein Ergebnis stimmt. Zu wissen, welche Methode zum Problem passt. Zu wissen, wo die Domäne Fallstricke hat, die in keinem Trainingsdatensatz stehen.
KI hat den Preis für „irgendein Ergebnis" auf nahezu null gesenkt. Und genau deshalb ist der Wert für „das richtige Ergebnis" explodiert. Fachwissen wird durch LLMs nicht entwertet — es wird zum entscheidenden Multiplikator. Wer Ahnung hat, wird mit KI dramatisch schneller. Wer keine hat, produziert nur schneller Fehler, die teurer werden, weil sie überzeugend aussehen.
Der blinde Fleck: die Organisation
Und selbst wenn das Modell stimmt und in Produktion läuft — dann ist die Arbeit noch nicht getan. Der am meisten unterschätzte Faktor ist nicht die Technologie. Es ist der Change.
Ein KI-Produkt entfaltet null Wirkung, wenn:
- die Menschen, die damit arbeiten sollen, es nicht verstehen oder nicht vertrauen,
- Prozesse drumherum unverändert bleiben,
- niemand Verantwortung für Betrieb, Pflege und Weiterentwicklung übernimmt,
- Datenkultur und Data Governance fehlen.
Das schönste Modell landet dann in sechs Monaten ungenutzt in einem Repository. KI einzuführen ist zu 30 % ein technisches und zu 70 % ein organisatorisches Projekt. Diesen Teil löst kein Copilot.
Fazit: Warum Sie uns jetzt mehr brauchen, nicht weniger
Also nein — ich feuere mein Team nicht. Ich gebe ihm die besten Werkzeuge der Welt und setze sie dort ein, wo sie hingehören: in den Händen von Menschen, die wissen, was sie tun.
Die Frage lautet nicht mehr „Mensch oder KI?". Sie lautet: „Wer bedient die KI so, dass am Ende etwas Richtiges, Skalierbares und Verantwortbares herauskommt?"
Genau das ist unser Geschäft. Domänenwissen aus Agrar, Geo AI und Life Science, kombiniert mit Data- und ML-Engineering — und jetzt zusätzlich beschleunigt durch dieselben LLMs, über die alle reden. Brains as a Service, heute relevanter als je zuvor.
Wenn Ihnen also gerade jemand erzählt, Sie bräuchten keine Data-Experten mehr, weil Sie ja einen Copilot haben: Lassen Sie ihn das Modell in Produktion bringen. Und dann schicken Sie ihm die Rechnung, wenn es die falschen Entscheidungen trifft.
Oder — Sie reden einfach mit uns.
