Der Vortrag über Wissen

—

Diesen Vortrag hielt Aravind Srinivas am 3. Oktober 2026 vor der Cambridge Union Society. Die Cambridge Union Society ist die größte Studierendenvereinigung der University of Cambridge und der älteste ununterbrochen bestehende Debattierclub der Welt.

—

Hallo und vielen Dank. Es ist mir eine Ehre, hier zu sein.

Was ich bei der Gründung eines Unternehmens nicht erwartet hätte: wie viel Zeit ich an Universitäten verbringen darf. Ich genieße das. Als CEO erlebe ich an Universitäten meist das einzige Publikum, das widerspricht. Deshalb nehmen wir uns mehr Zeit für die Diskussion, als ich für meine Rede eingeplant habe.

Fangen wir an.

Wenn ich irgendwo als Redner eingeladen werde, bittet man mich normalerweise um einen Vortrag voller Prognosen mit einem allgemeinen Titel wie „Die Zukunft der KI“. Ich werde nicht über die Zukunft der KI sprechen. Stattdessen spreche ich über Ihre Zukunft. Ihre Zukunft interessiert mich mehr, und wahrscheinlich interessiert sie auch Sie mehr.

Zunächst ein wenig über die Vergangenheit. Cambridge ist der perfekte Ort, um über die Vergangenheit und zugleich über Ihre Zukunft zu sprechen, denn hier gibt es beides.

Der Überlieferung nach wurde das, was wir heute Peer-Review nennen, hier in Cambridge erfunden. Genau genommen war es nur ein Professor aus Cambridge, und er schlug es bei der Royal Society of London vor, nicht hier an der Universität. Das war 1831. Heute werden jedes Jahr mehr als 3,5 Millionen wissenschaftliche Artikel im Peer-Review-Verfahren veröffentlicht.

Etwa 160 Jahre später arbeiteten zwei Doktoranden in Stanford an Netzwerkstrukturen und Data-Mining. Damals begann gerade der Internetboom der 1990er-Jahre. Alle redeten nur über das World Wide Web. So ähnlich wie heute über „KI“.

Ebenfalls wie heute redeten vor allem Investoren und Medien über den Boom. Die „Tech-Community“ war damals die Telekommunikationsbranche. An der Diskussion nahmen nicht viele Akademiker teil. (Einige schon, aber nicht viele.) Und diese beiden Doktoranden waren nicht gerade Insider des Internetbooms.

Aber sie wussten etwas, das Menschen außerhalb des Universitätssystems nicht wirklich interessierte.

Wie die meisten Akademiker verstanden sie den Zweck der Universität. Der Zweck der Universität ist es, Wissen voranzubringen.

Deshalb gibt es das Peer-Review-Verfahren. Deshalb enthalten wissenschaftliche Texte auch so viele Zitate. Und diese beiden Studenten wussten, dass die Menge an Wissen auf der Welt (gemessen an der Zahl der Fachartikel in Peer-Review-Qualität) nur wächst. So war für sie leicht zu erkennen, dass auch das Web mit dem menschlichen Wissen nur weiter wachsen würde.

Sie hatten außerdem Erfahrung mit einem alten Problem, das für das Web „neu“ war: Wie findet man das richtige oder das beste Wissen, wenn es ständig wächst? Im alten Modell beurteilen Akademiker, ob die Forschung von jemandem nützlich oder glaubwürdig ist, anhand dessen, wie oft sie zitiert wurde.

Also hatten sie die Idee, einen Algorithmus zu entwickeln, der jede Website im Internet danach bewertet, wie viele andere Websites sie zitieren oder auf sie verlinken, im Verhältnis zum Inhalt dieser Websites.

Sie nannten das System „Page Rank“, weil sie jede Seite im Web in eine Rangfolge brachten und weil einer dieser Doktoranden Larry Page hieß.

Larry und sein Partner (Sergey Brin) nahmen dieses kleine akademische Prinzip und machten es der breiten Masse zugänglich. Google wurde zu einem der nützlichsten Werkzeuge der Geschichte und zu einem der erfolgreichsten Unternehmen, weil Larry Page einfach übertrug, was Universitäten schon seit hundert Jahren taten.

Wie gesagt: Der Zweck der Universität ist es, Wissen voranzubringen. Ich werde Ihnen in diesem Vortrag drei Dinge über Wissen erzählen. Ich hoffe, dass wir zu einem besseren praktischen Verständnis künstlicher Intelligenz gelangen, indem wir über unsere eigene nachdenken.

1.

Erstens: Wissen hat ein Leben. Es wird geboren, es zerfällt und es stirbt.

Es hat einen Lebenszyklus. Und weil es einen Lebenszyklus hat, durchläuft Wissen eine Evolution.

Während sich unser Wissen weiterentwickelt, werden wir alle klüger. Das nennt man den Flynn-Effekt. Der Flynn-Effekt beschreibt die Beobachtung, dass die Menschheit pro Jahrzehnt um etwa 3 IQ-Punkte klüger geworden ist.

IQ-Tests werden ständig neu normiert, damit der Mittelwert bei 100 bleibt. Den Flynn-Effekt kann man sich daher am einfachsten in Perzentilen vorstellen. Wer 1950 im 92. Perzentil der Intelligenz lag, läge heute nur im 50. Perzentil. Wir sind alle klüger geworden.

1950 ist auch das Jahr, in dem der Turing-Test erfunden wurde. Das war der erste Test, um festzustellen, ob oder wann eine Maschine klüger ist als Menschen. Das bedeutet, dass eine Maschine den Turing-Test 1950 viel leichter bestehen konnte. Denn die Messlatte für „menschliche“ Intelligenz lag niedriger.

Und das ist die Kraft der Evolution. Wissen führt immer zu mehr Wissen.

Die Kehrseite: Die Welt kann klüger werden, aber Sie als Einzelner können dümmer werden. Wissen zerfällt. Stellen Sie es sich wie eine Halbwertszeit vor. Die Halbwertszeit eines radioaktiven Elements ist die Zeit, die vergeht, bis die Hälfte davon zerfallen ist. Die Halbwertszeit des Wissens ist die Zeit, die vergeht, bis die Hälfte davon veraltet ist.

Hier sind einige Beispiele, direkt aus Cambridge.

1978 trug Sir Roy Calne dazu bei, Ciclosporin in die Transplantationsmedizin einzuführen. Das war wichtig, um Organabstoßungen zu verhindern. Die ersten klinischen Studien fanden in Cambridge statt. Bis 2001 war ein anderes Medikament, Tacrolimus, in den USA zur vorherrschenden Behandlung seiner Klasse bei Nierentransplantationen geworden. Man könnte also sagen, dass das medizinische Wissen über die Ciclosporin-Behandlung eine Halbwertszeit von 23 Jahren hatte.

Es ist eine unvollkommene Messgröße, aber ein nützliches Modell, um Ingenieure in sich schnell entwickelnden Bereichen zu bewerten. Das machen wir in der Tech-Branche so. Die Frage dahinter lautet: „An welchem Punkt in der Karriere dieses Ingenieurs ist die Hälfte seines Wissens völlig veraltet?“

An welchem Punkt Ihrer Karriere wird Ihnen das passieren? Die Antwort hängt davon ab, wie viel Zeit Sie damit verbringen, Neues zu lernen.

Leider stirbt in seltenen Fällen auch Wissen. Es gibt Sprachen, die niemand mehr spricht. Es gibt Weisheit, die mit einem alten Menschen stirbt.

Deshalb bauen Menschen seit mehr als 4.000 Jahren Bibliotheken. Und als das Web aufkam, stellten wir unendlich viel mehr von dem, was wir wissen, hinein. Wissen stirbt also, aber das muss nicht sein. Vielleicht ist es ein angeborener Teil der menschlichen Natur, dass sich Menschen schon immer gedrängt gefühlt haben, Wissen zu bewahren. Wir sichern es ständig und vergrößern das gesamte Wissen der Welt. Das ist gut so.

Ich sollte anmerken: Wissen ist wie ein Lebewesen, aber es lebt nicht. Nur Sie sind lebendig. Ich glaube einfach, dass Sie lebendiger sind, wenn Sie etwas Neues lernen.

Deshalb gibt es übrigens Perplexity. Aber ich bin nicht hier, um über Perplexity zu sprechen. Ich bin hier, um über Sie zu sprechen – und über die Ökonomie des Wissens. Das bringt mich zu meinem zweiten Punkt.

2.

Zweitens: Wissen ist kein Geld. Aber es verhält sich wie Geld.

Geld hat einen Zeitwert. Zinsen lassen es wachsen, Inflation lässt es schrumpfen. Mit genügend Zeit unterliegen sowohl Zinsen als auch Inflation dem Zinseszinseffekt.

Wenn hunderttausend Pfund nur noch die Kaufkraft von vierzigtausend haben (wahrscheinlich in etwa 23 Jahren), brauchen Sie 250.000 £, um keinen Verlust zu machen. Weitere 23 Jahre später bräuchten Sie 625.000 £.

Wenn sich etwas wie beim Zinseszins aufbaut, wachsen die Gewinne oder Verluste mit der Zeit exponentiell.

Deshalb lautet der grundlegendste Finanzgrundsatz, dass Ihr Geld durch Zinseszins stets schneller wachsen sollte als die Inflation. Denn wenn Sie nicht wachsen, schrumpfen Sie. Mit Wissen verhält es sich genauso.

Genau wie der Wert eines Pfunds wird auch der Wert dessen, was Sie heute wissen, mit der Zeit sinken. Und wie bei einer normalen Wertminderung geschieht das jeden Tag nur in kleinem Umfang. So wenig, dass Sie es kaum bemerken. Bis Sie eines Tages aufwachen und nichts mehr haben. Ihr Wissen wird nicht mehr denselben Marktwert haben. Das ist unvermeidlich. Denken Sie daran: Der Satz des Pythagoras war einst etwas, das nur Eliten wissen durften. Aber alle hier haben ihn in der siebten Klasse gelernt.

Wir alle werden klüger, für immer. Wie gesagt, das ist der eigentliche Zweck der Universität. Mit etwas Glück ist das, was Sie hier in Cambridge studiert haben, eines fernen Tages Lehrstoff für die siebte Klasse.

Das ist gut, wenn es so kommt. Es bedeutet Fortschritt. Aber es bedeutet auch, dass Sie für Ihre wirtschaftlichen Ziele nie aufhören dürfen zu lernen. Sie müssen mit einem Zinssatz lernen, der über der Inflationsrate des Wissens liegt.

Anders gesagt: Sie müssen Ihr Wissen in kürzerer Zeit verdoppeln, als Ihre eigene Halbwertszeit des Wissens beträgt. Das braucht Zeit. Aber wenn Sie die Welt durch die Linse des Zinseszinses betrachten, müssen Sie sie mit Blick auf eine lange Zukunft betrachten.

Deshalb ist der beste Trick, um Ihr Vermögen durch den Zinseszinseffekt zu vermehren, jung anzufangen – und der zweitbeste, alt zu sterben. Warren Buffet begann mit 11 Jahren zu investieren, aber 99 % seines Vermögens kamen erst nach seinem 65. Geburtstag zusammen.

Das deutet auf die letzte Gemeinsamkeit von Wissen und Geld hin. Sie müssen es ausgeben.

Wenn Sie Kapital haben, setzen Sie es ein, damit es arbeitet. Wenn Sie Wissen haben, besonders außergewöhnliches Wissen, sollten Sie es ebenfalls einsetzen. Machen Sie etwas daraus. Das ist der Unterschied zwischen Erfindung und Innovation. Die Erfindung fragt: „Haben Sie etwas geschaffen?“ Die Innovation fragt: „Hat es etwas bewirkt?“

Und wenn Sie etwas bewirken wollen, müssen Sie Ihr Wissen in Taten umsetzen. Nur Handeln führt zu neuen Fragen, neuer Erkenntnissuche und neuem Wissen. Sie müssen immer lernen und immer handeln.

Hier kommt künstliche Intelligenz ins Spiel, und das führt mich zu meinem dritten und letzten Punkt.

3.

Der Zweck der KI ist es, menschliches Wissen und menschlichen Wohlstand zu beschleunigen.

Denken Sie an die ersten beiden Dinge, die ich heute Abend gesagt habe. Ich sagte, dass Wissen einen lebensähnlichen Charakter hat und dass wir es pflegen und voranbringen sollten, weil die Menschen im Großen und Ganzen davon profitieren. Dann sagte ich, dass Wissen einen wirtschaftlichen Charakter hat. Dass wir es kultivieren sollten, weil im Großen und Ganzen alle Menschen davon profitieren.

Wenn Sie diese beiden Dinge glauben, müssen Sie auch etwas anders über KI denken.

Statt davon besessen zu sein, AGI zu erreichen oder Technologie um ihrer selbst willen intelligent zu machen, würden Sie zu dem Schluss kommen, dass der Grund für den Bau besserer, genauerer KI darin liegt, den Menschen zu dienen.

Sie würden zu dem Schluss kommen, dass der höchste und wichtigste Zweck der KI darin besteht, Menschen klüger und wohlhabender zu machen.

Wenn Ihnen das sehr nach dem Zweck der Universität vorkommt – nun, hier sind wir.

Denken Sie noch einmal an das Peer-Review-Verfahren. Es wurde 1831 erfunden. In diesem Jahr hat Perplexity ein sehr einfaches Produkt namens Model Council eingeführt, das auf einer Idee eines der Gründungsforscher von OpenAI basiert. Sie stellen drei KI-Modellen dieselbe Frage. Jedes recherchiert und antwortet, dann bewertet ein „Vorsitz“-Modell, wo sie sich unterscheiden und übereinstimmen, und leitet eine endgültige Antwort ab.

Model Council ersetzt das Peer-Review-Verfahren nicht. Sein Zweck ist vielmehr, den Geist akademischer Forschung zu mehr Menschen zu bringen. Wir können das Ethos einer Universität über diese Mauern hinaus in die ganze Welt tragen.

Wir könnten mehr Menschen dabei helfen, tatsächlich recht zu haben, statt sich nur im Recht zu fühlen oder so zu klingen. Wissenschaftlich nach Wahrheit und Wissen zu streben. Der Bogen des Universums führt dahin, dass alle Menschen mehr Zugang zu mehr Wissen haben. Es ist gut für Menschen, Wissen zu haben. Und es sind die Menschen, die davon profitieren.

Zum Schluss eine kurze Geschichte über mein Unternehmen.

Als wir anfingen, waren wir nur drei KI-Forscher mit mehr Fragen als Visionen. Als dann eine vierte Person dazukam, beschlossen wir, dass es Zeit für eine Krankenversicherung war. Krankenversicherung ist in Amerika selbst für Amerikaner kompliziert. Ich komme nicht aus Amerika, also war es für mich noch verwirrender.

Die Google-Ergebnisse halfen nicht weiter. Normalerweise ruft ein Gründer in so einem Fall jemanden an, der das schon einmal gemacht hat. Etwa einen Investor oder einen anderen Gründer. Aber es war spät in der Nacht. Ich wollte es erledigen, also musste ich mir das Wissen selbst beschaffen.

Das Problem dabei: Wer selbst recherchiert, googelt sich durch SEO-optimierte Versicherungsseiten, die alle schlechte Ratschläge geben und darum wetteifern, am glaubwürdigsten zu wirken.

Da habe ich die erste Version von Perplexity gebaut.

Es übernahm die Recherche für mich. Und ich ließ es die Antworten mit Quellen belegen. So konnte ich alles überprüfen und weiter Fragen stellen. Dann habe ich unsere Krankenversicherung eingerichtet. Problem gelöst. Weiter zum nächsten Problem. Und zum nächsten und zum nächsten. Und hier sind wir heute.

Die Moral dieser Geschichte: Sie müssen nicht mehr „die richtigen Leute kennen“. Sie können sich einfach Wissen aneignen und loslegen. Ich habe Ihnen bereits gesagt, dass das Versprechen der KI darin besteht, dass Sie auf jedes Wissen zugreifen können. Die Moral dieser Geschichte ist, dass jeder Mensch auf jedes Wissen zugreifen kann.

Das ist das große Versprechen der KI. Jeder kann jetzt neugierig sein. Jeder kann alles bauen. Jeder kann jetzt den Tempel des Wissens betreten. Davon profitieren alle.

Und das ist eine gute Nachricht für Sie. Es bedeutet, dass das Wichtigste, was Sie Ihr Leben lang tun können, darin besteht, neugierig zu sein. Am erfolgreichsten unter Ihnen wird sein, wer die meisten Fragen hat. Und die besten Fragen.

Mein Rat an Sie lautet daher: Werden Sie so neugierig wie möglich. Geben Sie sich nicht damit zufrieden, auf Ihrem Handy durch soziale Medien zu scrollen. Geben Sie sich nicht mit einem KI-Agenten zufrieden, der nur Tische fürs Abendessen reserviert – leisten Sie echte Arbeit damit. Und glauben Sie niemals einem Chatbot, der Ihnen sagt, dass Sie ohnehin schon recht haben.

Glauben Sie an den Geist des Forschens. Glauben Sie an das, was Sie mit KI lernen können. Glauben Sie an das, was Sie dann erschaffen werden. Und machen Sie etwas Gutes daraus – für uns alle.

Vielen Dank.