"Die KI-Blase wird platzen, und zwar gewaltiger als alles, was wir bisher erlebt haben."
Wenn die Anleger erst einmal begreifen, was Sie in diesem Video sehen werden – und was durch echte, harte Fakten untermauert wird –, dann wird die finanzielle Zerstörung sowohl den Dotcom-Crash als auch die Krise von 2008 zusammen in den Schatten stellen. Die Produktivitätsrevolution durch LLMs ist eine glatte Lüge. Uns wurde gesagt, dass KI uns schneller machen, unsere Lebensqualität verbessern und sogar bahnbrechende Erkenntnisse in der Wissenschaft hervorbringen würde. Die Technologie sollte sich so lange verbessern, bis sie eine menschliche Utopie erschaffe. Die Wahrheit ist jedoch, dass sich die Situation seit über einem Jahr nicht mehr verbessert hat, und die KI-Unternehmen wissen das. Die LLMs stießen Ende 2024 an ihre Grenzen. Die Chinchilla-Skalierungsgesetze, die alle glauben ließen, dass eine allgemeine künstliche Intelligenz (AGI) unvermeidlich sei, haben ihre Gültigkeit verloren. Mehr Rechenleistung führt nicht mehr zu besseren Modellen. Was wir jetzt sehen, sind größere Marketingbudgets, die vorgeben, bessere Technologie zu sein.
„Wir werden keine KI auf menschlichem Niveau erreichen, indem wir einfach
bessere LLMs entwickeln. Das wird einfach nicht passieren, okay? Das ist
unmöglich, okay? Absolut unmöglich. Das wird nicht in den nächsten zwei
Jahren passieren. Das ist absolut unmöglich. ... Ich habe kein Interesse
mehr an LLMs."
— Yann LeCun, leitender KI-Wissenschaftler bei Meta
Die Produktivitätsrevolution durch LLMs ist eine glatte Lüge.
Uns wurde gesagt, dass KI uns schneller machen, unsere Lebensqualität verbessern und sogar bahnbrechende Erkenntnisse in der Wissenschaft hervorbringen würde.
Die Technologie sollte sich so lange verbessern, bis sie eine menschliche Utopie erschaffe.
Die Wahrheit ist jedoch, dass sich die Situation seit über einem Jahr nicht mehr verbessert hat, und die KI-Unternehmen wissen das.
Die LLMs stießen Ende 2024 an ihre Grenzen.
Die Chinchilla-Skalierungsgesetze, die alle glauben ließen, dass eine allgemeine künstliche Intelligenz (AGI) unvermeidlich sei, haben ihre Gültigkeit verloren.
Mehr Rechenleistung führt nicht mehr zu besseren Modellen.
Was wir jetzt sehen, sind größere Marketingbudgets, die vorgeben, bessere Technologie zu sein.
In diesem Video zeige ich Ihnen nun, was wirklich passiert, wenn Sie diese Werkzeuge selbst benutzen.
Sie werden nicht nur langsamer bei der Arbeit, weil Sie ständig Zeit damit verbringen, Fehler zu beheben, anstatt kreativ zu sein, sondern Ihr Gehirn hört auch auf, die anstrengende Denkarbeit zu verrichten.
Sie haben sie an eine Maschine ausgelagert, die tatsächlich gar nicht denken kann.
Die neurowissenschaftlichen Erkenntnisse zu diesem Thema sind eindeutig.
Regelmäßiger Konsum führt zu messbaren kognitiven Beeinträchtigungen.
Diese Systeme sind auch gefährlich.
Sie halluzinieren regelmäßig falsche Informationen und klingen dabei völlig autoritär und selbstsicher.
Der professionelle, sachliche Tonfall lässt Ihre Skepsis völlig im Keim ersticken, sodass Sie das Gelesene nicht mehr überprüfen.
Und genau dann können teure Fehler passieren.
Falsche Fakten, erfundene Zitate und fehlerhafte Logik werden mit absoluter Überzeugung vorgetragen.
Und hier ist der Grund, warum sie sich nicht mehr verbessern können.
LLMs werden mit Daten trainiert, die aus dem Internet gesammelt werden.
So verbesserten sie ihre Skalierungsfähigkeiten.
Das Problem ist jedoch, dass ihnen an diesem Punkt die Daten ausgegangen sind.
Sie haben bereits alles, was im Internet zu finden ist, in diese Modelle eingespeist.
Und nun überschwemmen KI-generierte Inhalte das Internet.
Wenn sie also die nächste Generation dieser LLMs ausbilden, werden sie mit ihren eigenen Fehlern trainiert, was langsam die Leistungsfähigkeit dieser LLMs mindert.
Es ist ein Teufelskreis, und jede Generation wird es immer schlimmer machen, nicht besser.
Und das ist nicht meine Meinung.
In diesem Video werde ich es Ihnen beweisen und Studien zeigen, die belegen, dass dies genau jetzt passiert.
Nun haben Unternehmen Billionen von Dollar auf eine Technologie gesetzt, die bereits gescheitert ist.
Ihr Aktienkurs basiert auf der Annahme einer Zukunft, die laut Mathematik unmöglich ist.
Wenn die Anleger erst einmal begreifen, was Sie in diesem Video sehen werden – und was durch echte, harte Fakten untermauert wird –, dann wird die finanzielle Zerstörung sowohl den Dotcom-Crash als auch die Krise von 2008 zusammen in den Schatten stellen.
Okay, als Erstes möchte ich über die größte Lüge im Marketing-Handbuch für LLMs sprechen, nämlich die Behauptung, dass diese Tools Ihre Produktivität steigern.
Mittlerweile haben alle Technologieunternehmen, die LLMs anbieten, im Grunde die gleiche Verkaufsstrategie.
„Nutzen Sie unsere Technologie, und Sie werden schneller programmieren, besser schreiben und in Stunden fertig sein, wofür Sie früher Tage brauchten.
Die Produktivitätsrevolution hat begonnen.“
Das stimmt aber überhaupt nicht.
Sehen Sie, im Juli 2025 hat METR, eine gemeinnützige Forschungsorganisation, die sich der Bewertung von KI widmet, Fähigkeiten, eine bahnbrechende Studie durchgeführt.
Es handelte sich um eine randomisierte Kontrollstudie mit 16 erfahrenen Softwareingenieuren.
Es handelte sich um Personen mit durchschnittlich fünf Jahren Berufserfahrung in der Arbeit an eigenen Projekten mit Millionen von Codezeilen.
Diese Personen hatten in der Vergangenheit auch schon Erfahrungen mit LLMs gesammelt.
Es handelte sich um eine Blindstudie, in der die Forscher die tatsächlichen Bearbeitungszeiten für reale Programmieraufgaben maßen.
Vor Beginn der Studie hatten die Entwickler prognostiziert, dass KI sie um etwa 24 Prozent beschleunigen würde.
Nachdem sie fertig waren, schätzten sie jedoch, dass die KI sie um etwa 20 Prozent schneller gemacht hatte.
Okay, jetzt aber halten Sie sich fest für die tatsächlichen Ergebnisse.
Mit KI waren sie 19 Prozent langsamer als ohne.
Denken Sie einmal über diesen Unterschied nach.
Sie dachten, sie seien 20 Prozent schneller, aber tatsächlich waren sie 19 Prozent langsamer.
Das ist eine Differenz von 39 Punkten zwischen Wahrnehmung und Realität.
Die KI hatte eine so starke Illusion von Produktivität erzeugt, dass selbst erfahrene Fachkräfte nicht bemerkten, dass sie langsamer arbeiteten.
Ich möchte Ihnen den Grund dafür erklären.
Wenn man KI zum Schreiben von Code oder irgendetwas anderem verwendet, erhält man sofortige Ergebnisse, und das fühlt sich wie Fortschritt an.
Ihr Gehirn registriert die Geschwindigkeit der Datengenerierung als extreme Produktivität.
Was Sie aber nicht berücksichtigen, ist alles, was danach kommt.
Die KI halluziniert Funktionen, die in Ihrer Codebasis nicht existieren, und generiert Lösungen, die zwar richtig aussehen, aber unter realen Bedingungen nicht funktionieren.
Man verbringt viel Zeit mit Debuggen, Überprüfen und Beheben subtiler Fehler, die schwer zu finden sind, und es wäre viel schneller gegangen, wenn man den Code von Anfang an selbst geschrieben hätte.
Nun wollen wir das Ganze aus einer übergeordneten Perspektive betrachten und sehen, wie sich das auf die gesamte Wirtschaft auswirkt.
McKinsey befragte für seinen KI-Einführungsbericht 2025 Tausende von Unternehmen.
Obwohl 88 Prozent der Unternehmen angeben, KI einzusetzen, profitieren tatsächlich nur 6 Prozent davon.
Der Rest verbrannte Millionen von Dollar für die Implementierung von Instrumenten, die nichts brachten.
Zwei Drittel der Unternehmen stecken immer noch in der Phase der Durchführung von Experimenten und Pilotprojekten fest, weil sie die KI einfach nicht zuverlässig zum Laufen bringen können.
Dann gibt es noch die Uplevel-Datenstudie vom September 2024.
Sie verfolgten 800 Entwickler über drei Monate hinweg und verglichen Teams, die GitHub Copilot nutzten, mit Teams, die ohne dieses Tool arbeiteten.
Dabei maßen sie die Qualität des Codes und die Geschwindigkeit, mit der die Arbeit erledigt wurde.
Entwickler, die Copilot nutzten, bauten 41 Prozent mehr Fehler in ihren Code ein als Entwickler, die manuell arbeiteten, ohne dass sich die Geschwindigkeit der Code-Erstellung oder die Produktivität verbesserte.
Die einzige messbare Veränderung bestand darin, dass mehr Fehler auftraten, die später behoben werden mussten.
Das ist ein Muster.
KI macht Sie nicht schneller.
Sie erzeugt mehr Arbeit und wird als Produktivität getarnt.
Man fühlt sich produktiv, weil man weniger tippen muss, aber die tatsächliche Zeit von Anfang bis Ende verlängert sich und die Qualität nimmt ab.
Man merkt es gar nicht, weil einen das Tool davon überzeugt hat, dass der sofortige Output gleichbedeutend mit Fortschritt ist.
Die Produktivitätsrevolution ist eine Marketingkampagne, die auf einem grundlegenden Missverständnis dessen beruht, was Produktivität eigentlich bedeutet.
Künstliche Intelligenz erfüllt nicht nur ihre Versprechen nicht, sie tut etwas noch Schlimmeres.
AI schadet tatsächlich denjenigen, die sie benutzen, und die meisten von Ihnen wissen nicht einmal, dass es passiert.
Okay, wir wissen also, dass KI Sie bei der Arbeit langsamer macht, aber was wäre, wenn ich Ihnen sagen würde, dass sie auch Ihr Gehirn umstrukturiert und der Schaden sich mit zunehmender Nutzung verschlimmert?
Das Media Lab des MIT begleitete 54 Studenten über vier Monate hinweg beim Schreiben von Essays.
Die Teilnehmer wurden in drei Gruppen aufgeteilt.
Einer nutzte ChatGPT, einer recherchierte mit Google, und einer arbeitete ganz ohne Hilfe, ganz altmodisch in der Bibliothek.
Alle Teilnehmer trugen während der Arbeit ein EEG-Headset, das die Gehirnaktivität überwachte.
Die ChatGPT-Gruppe wies die schwächste neuronale Vernetzung aller drei Gruppen auf.
Die Forscher maßen eine verringerte Aktivität im präfrontalen Kortex.
Das ist der Teil Ihres Gehirns, der für kritisches Denken und Entscheidungsfindung zuständig ist.
Wenn man das Denken an die KI auslagert, beginnt dieser Bereich langsam abgeschaltet zu werden.
Nach vier Monaten forderten die Forscher die ChatGPT-Gruppe auf, ohne KI-Unterstützung zu schreiben, und ihre Gehirne erholten sich nicht.
Im Vergleich zu den anderen Gruppen wiesen sie weiterhin eine schwache Konnektivität auf.
83 Prozent konnten sich nicht an die wichtigsten Punkte ihrer selbst verfassten Aufsätze erinnern.
Als sie gebeten wurden, aus ihren eigenen Werken zu zitieren, konnte keiner der Schüler dieser Gruppe dies korrekt tun, weil ihr Gehirn keine Verbindung zu dem von ihnen geschaffenen Werk hatte.
In dieser Studie wird dies als kognitive Schuld bezeichnet.
Jedes Mal, wenn Sie KI zum Denken einsetzen, schwächen Sie Ihre zukünftige Denkfähigkeit.
Die neuronalen Bahnen, die für komplexe Denkprozesse zuständig sind, verkümmern durch Nichtgebrauch.
Nun gibt es noch ein weiteres Problem, das die Situation im Berufs- und Privatleben noch verschlimmert.
Die Antworten des LLM klingen, als kämen sie von einem Experten, und das verleitet das Gehirn dazu, ihnen zu vertrauen, ohne zu überprüfen, ob es sich um eine Halluzination handelt oder nicht.
Und wie wir wissen, halluzinieren diese Models regelmäßig.
Harvard und das MIT veröffentlichten im Jahr 2025 eine Studie, die zeigte, dass Menschen KI eher aufgrund ihrer Selbstsicherheit und Professionalität vertrauen, als aufgrund ihrer Genauigkeit.
Der flüssige, elegante Schreibstil vermittelt dem Gehirn den Eindruck, die Informationen seien zuverlässig.
Wenn eine KI mit Autorität schreibt, hört man einfach auf, sie zu hinterfragen.
Eine weitere Studie hat nun ergeben, dass KI-Modelle in einem selbstsicheren und autoritären Ton schreiben, selbst wenn sie völlig falsch liegen.
Dieser Tonfall erschwert es Ihnen, zwischen wahren und falschen Informationen zu unterscheiden.
Ihr Gehirn sieht Fachsprache und geht davon aus, dass sie korrekt sein muss, als käme sie von einem Experten.
Das verursacht echten Schaden.
Man fragt nach Gesundheitsinformationen und erhält etwas zurück, das sich wie ein medizinisches Lehrbuch liest, also überprüft man es nicht genauer, weil es so seriös aussieht.
Aber die Fakten sind falsch und die Quellen möglicherweise erfunden.
Dieser Rat könnte Ihnen tatsächlich schaden, aber vielleicht haben Sie ihm bereits vertraut, weil er sich so smart anhörte.
Dasselbe kann bei finanziellen Entscheidungen, Rechtsfragen oder technischen Problemen passieren.
KI liefert Ihnen halluzinierten Müll, verpackt in Expertensprache.
Und man merkt gar nicht, dass es Schrott ist, weil die Präsentation so professionell aussieht.
Dadurch entsteht ein Teufelskreis.
Wenn man KI für einfache Aufgaben nutzt, beginnen die eigenen Fähigkeiten zu verkümmern.
Man fängt an, KI für Dinge zu benötigen, die man früher selbst erledigt hat.
Und mit der Zeit verliert man sogar die Fähigkeit zu überprüfen, ob die KI richtig oder falsch liegt.
Das führt dazu, dass man falschen Informationen vertraut, viele Fehler macht und sich dann noch stärker auf KI verlässt, um die Probleme zu beheben, die sie ursprünglich verursacht hat.
Der Schaden besteht nicht nur in langsamerem Arbeiten oder schwächerem Denken.
Es ist die völlige Abhängigkeit von einem System, das nicht denken kann, verbunden mit dem Verlust der Fähigkeit zu erkennen, wann dieses System einen anlügt.
Okay, jetzt möchte ich darüber sprechen, warum LLMs von hier aus eigentlich nicht mehr besser werden können.
Die Verbesserungen sind zum Stillstand gekommen, und dafür gibt es drei Hauptgründe.
Nun, erstens sind uns die soliden Trainingsdaten ausgegangen.
LLMs lernen, indem sie riesige Mengen an Texten lesen, die sie aus dem Internet sammeln.
Je mehr qualitativ hochwertige Daten man ihnen zuführt, desto besser werden sie.
Und so kamen wir von GPT-2 über GPT-3 zu GPT-4, und mit jedem Modell konnten wir große Verbesserungen feststellen.
Jede Version wurde mit mehr Daten trainiert und wurde dadurch intelligenter.
Epic AI veröffentlichte 2024 eine Studie, die zeigt, dass wir alle existierenden qualitativ hochwertigen Texte ausgeschöpft haben.
Jedes digitalisierte Buch, jede wissenschaftliche Arbeit, jeder Wikipedia-Artikel, jeder gut geschriebene Online-Inhalt wurde bereits extrahiert und verwendet.
Es gibt nichts mehr, womit diese Modelle trainiert werden könnten.
Also entwickelten die Unternehmen eine innovative Lösung – zumindest dachten sie das.
Also begannen sie stattdessen damit, neue Modelle mit KI-generierten Inhalten zu trainieren.
Sie begannen, LLMs mit Texten zu füttern, die von anderen LLMs geschrieben wurden, und dies führt zu etwas, das man Modellkollaps nennt.
Eine Studie in Nature aus dem Jahr 2024 dokumentierte, was passiert, wenn man das tut.
Die Qualität verschlechtert sich mit jeder Generation um 8-12%.
Das ist, als würde man eine Fotokopie einer Fotokopie anfertigen, wobei jede Version immer unschärfer wird.
Wir befinden uns bereits in der zweiten oder dritten Generation dieses Prozesses, und das Internet besteht mittlerweile zu bis zu 60 Prozent aus KI-generierten Inhalten.
Jedes neue Modell wird mit diesen fehlerhaften Daten trainiert und wird dadurch tatsächlich schlechter, anstatt besser zu werden.
Okay, als nächstes möchte ich darüber sprechen, warum die Skalierungsgesetze nicht mehr funktionierten.
Jahrelang folgten KI-Unternehmen also den sogenannten Chinchilla-Skalierungsgesetzen.
Das Prinzip war ganz einfach.
Solange Sie Ihre Rechenleistung verdoppeln, erhalten Sie ein Modell, das in etwa die doppelte Leistungsfähigkeit aufweist.
Deshalb haben wir all diese Rechenzentren gebaut, die mit immer mehr GPUs ausgestattet sind.
Allerdings zeigte sich von 2020 bis 2023, dass eine Verdopplung des Rechenaufwands tatsächlich zu einer Verdopplung der Ergebnisse führte.
Doch im Jahr 2024 brach dieser Trend vollständig.
Man kann also sehen, dass man bei einer Verdopplung der Rechenleistung zwar eine Verbesserung von etwa 5-8 Prozent erzielen kann, aber dafür auch doppelt so viel Geld für einen extrem geringeren Nutzen ausgibt.
OpenAI entdeckte dies mit seinem neuesten Modell mit dem Codenamen Orion.
Aus durchgesickerten Dokumenten vom Dezember 2025 ging hervor, dass sie das Zehnfache der Rechenleistung ihres vorherigen Modells aufgewendet hatten, und das Ergebnis war kaum eine Verbesserung bei den Benchmarks.
Tatsächlich schnitt AI bei komplexen Denkaufgaben sogar noch schlechter ab, und das wurde auch in dem internen Memo deutlich zum Ausdruck gebracht.
Skalierung allein reicht nicht aus.
Die Unternehmen versuchten dies zu verschleiern, indem sie bei Tests betrogen.
Sie würden die Modelle gezielt mit Benchmark-Fragen übertrainieren, damit die Ergebnisse gut aussehen.
GPT-4 kann beim GSM-8K, einem standardisierten Mathematiktest, 95 Prozent erreichen.
Aber wenn man ihm eine neue mathematische Aufgabe stellt, die AI noch nie zuvor gesehen hat, selbst auf einem Niveau der Oberstufe, scheitert sie an der Lösung des Problems.
Es entbehrt jeder Logik.
Es geht einfach darum, die Antworten auswendig zu lernen.
Drittens, und das ist vielleicht der wichtigste Punkt, können LLMs nicht logisch denken.
Aufgrund ihrer grundlegenden Funktionsweise können sie niemals eine allgemeine allgemeine Intelligenz (AGI) erreichen.
LLMs sind Vorhersagemodelle.
Sie sagen das nächste Wort anhand von Mustern aus ihren Trainingsdaten voraus.
Sie verstehen nicht, was sie sagen, sie haben kein Verständnis dafür, wie die Welt funktioniert, und sie begreifen nicht den Zusammenhang von Ursache und Wirkung.
Wenn Sie eine Frage stellen, denkt der LLM nicht über die Antwort nach.
AI generiert einfach Wörter, die statistisch gesehen Antworten auf ähnliche Fragen ähneln, die sie während des Trainings gesehen hat.
Zum logischen Denken gehört es, mentale Modelle zu entwickeln, Ideen zu testen und Wahrheit von Fiktion zu unterscheiden.
Und LLMs können all das nicht.
Sie gleichen Mustern an, und das war's.
Yann LeCun, der bei Meta die KI-Forschung leitet, formulierte es so: „Autoregressive LLMs sind eine Ausfahrt, nicht die Autobahn zu AGI.“
Was er damit meinte, war, dass diese Technologie eine Sackgasse ist.
Allgemeine Intelligenz lässt sich nicht durch das Vorhersagen von Wörtern ermitteln.
Man braucht ein System, das tatsächlich versteht, wovon es spricht, und LLMs tun das schlichtweg nicht.
Die Unternehmen, die diese Systeme derzeit entwickeln, wissen das.
Die Forscher wissen das, aber sie haben Milliarden von Dollar eingesammelt, indem sie versprochen haben, dass AGI bald kommt, also tun sie weiterhin so, als ob die Technologie einfach nur mehr Zeit bräuchte.
Tatsächlich ist das nicht der Fall.
Es bedarf eines völlig anderen Ansatzes, den noch niemand gefunden hat.
Die LLMs haben ihren Höhepunkt erreicht, mein Freund.
Es gibt keine Daten mehr.
Skalierung funktioniert nicht mehr, und die Architektur kann nicht mehr vernünftig arbeiten.
Alles, was von hier kommt, sind nur größere, teurere Versionen derselben aussichtslosen Technologie.
Okay, zum Schluss möchte ich über meine persönlichen Erfahrungen mit LLMs sprechen.
Und ich denke, das zeigt wirklich, dass vieles von dem, was ich in diesem Video gesagt habe, tatsächlich ziemlich zutreffend ist.
Und falls Sie selbst Erfahrungen mit LLMs gemacht haben und wissen möchten, ob diese für Sie hilfreich waren oder nicht, teilen Sie uns diese bitte in den Kommentaren unten mit, damit wir darüber diskutieren können.
Ich finde, die besten Informationen entstehen oft im Dialog, und ich möchte gerne mit Ihnen in Kontakt treten.
Aber vorerst möchte ich sagen, dass ich mit der Verwendung von LLMs begonnen habe, als ChatGPT-3 herauskam.
Und damals dachte ich, ich hätte eine Superkraft entdeckt.
Ich war einer der ersten, die LLMs nutzten.
Ich habe sie bei der Arbeit und auch privat genutzt.
Ich produzierte Unmengen an detaillierten Dokumenten, die super professionell aussahen und wirklich gut zusammengestellt waren.
Ich war wirklich der Meinung, dass ich auf einem Niveau arbeitete, das ich alleine nicht hätte erreichen können.
Als ich jedoch mit detaillierteren Aufgaben begann und tatsächlich das anwenden musste, was mir die KI lieferte, wurde mir klar, dass vieles davon nur allgemeiner, vager Unsinn war, der als tiefgründige Erkenntnisse verkleidet wurde.
Es wurden selbstbewusste Aussagen gemacht, denen jedoch jeglicher Inhalt fehlte.
Ich stellte außerdem fest, dass mich LLMs ungemein ärgerten, und das wurde auch nicht besser, als ChatGPT-4 und 5 herauskamen.
Es war, als hätte man einen unfähigen Assistenten, der einfach nichts richtig machen kann.
Es vergaß ständig Details dessen, was ich ihm aufgetragen hatte.
AI lieferte fehlerhafte Ergebnisse, die nicht meinen Anweisungen entsprachen, und schien überhaupt nicht in der Lage zu sein, komplexe Aufgaben zu bewältigen.
Tatsächlich stellte ich fest, dass AI mir nicht einmal eine genaue Zeichen- oder Wortanzahl bei Dokumenten anzeigen konnte, die wir gemeinsam erstellt hatten.
AI kann nicht zählen.
Da wurde mir klar, dass diese Technologie keine Intelligenz besitzt, dass ich mich mit einem Roboter unterhalten hatte, der lediglich ein Vorhersagemodell ist und nicht einmal komplexe Anfragen bewältigen kann.
Ich hatte das Gefühl, meine Zeit verschwendet zu haben, und war ehrlich gesagt jedes Mal verärgert, wenn ich AI benutzt hatte.
Mir wurde klar, dass selbst wenn mich die Technologie beschleunigte, der damit verbundene Ärger so groß war, dass AI sich eigentlich gar nicht lohnte.
Und als ich die METR-Studie und andere sah, wurde mir klar, dass AI mich tatsächlich nicht einmal beschleunigte.
Deshalb habe ich einfach aufgehört, AI zu benutzen.
Und das ist der Punkt.
Ehrlich gesagt, als ich damit aufhörte, fühlte ich mich eine Zeit lang wirklich dumm.
Aufgaben, die früher einfach und automatisch vonstatten gingen, erschienen plötzlich schwierig.
Ich hatte Schwierigkeiten, meine Gedanken so zu ordnen wie früher, und ertappte mich oft dabei, wie ich aus Gewohnheit auf KI zurückgriff, und ich musste mich dazu zwingen, es nicht zu tun.
Es dauerte Wochen, bis ich wieder da war, wo ich vor der regelmäßigen Anwendung war.
Mein Gehirn fühlte sich an, als müsse es sich neu vernetzen; ich hatte mein Denken so lange an eine Maschine ausgelagert, dass ich hatte einen Teil der Fähigkeit verloren, selbst zu denken.
Diese Erfahrung hat meine Sicht auf die Technologie grundlegend verändert.
Es geht nicht nur darum, dass LLMs nicht wie versprochen funktionieren, sondern darum, dass sie einem aktiv schaden, während sie einen davon überzeugen, dass sie helfen, und die meisten Menschen haben nicht einmal eine Ahnung davon.
Deshalb sind alle Inhalte auf diesem Kanal von mir selbst erstellt, ohne KI.
Dies sind organische, natürliche und von Menschenhand geschaffene Inhalte.
Wenn Ihnen das gefällt, abonnieren Sie bitte unseren Kanal, denn der regelmäßige Gebrauch dieser Tools könnte genauso schädlich sein wie Rauchen.
Man merkt den Schaden erst, wenn es zu spät ist und man versucht, damit aufzuhören.
Schauen Sie, nur weil LLMs an ihre Grenzen stoßen, heißt das nicht, dass die KI als Ganzes zwangsläufig am Ende ist.
Es werden noch andere Ansätze erarbeitet, die möglicherweise zu etwas führen, und wenn Sie daran interessiert sind, dass ich diese Themen behandle, hinterlassen Sie einfach einen Kommentar, um mich darüber zu informieren.
Die KI-Blase wird platzen, und zwar gewaltiger als alles, was wir bisher erlebt haben.
Auf diesem Kanal möchte ich jede einzelne Sekunde davon abdecken, also abonnieren Sie bitte den Kanal und lassen Sie uns das gemeinsam durchgehen.
Nun möchte ich dieses Video mit einem herzlichen Dankeschön an alle beenden, die bis hierher zugeschaut haben, und ein ganz besonderes Dankeschön an diejenigen, die den Kanal abonniert haben.
Ich weiß Sie wirklich zu schätzen, und es ist gut zu wissen, dass es da draußen noch andere Menschen gibt, die meine Ansicht teilen.
Um Ihnen etwas zurückzugeben, werde ich in naher Zukunft den ersten paar hundert Abonnenten kostenlosen Patreon-Zugang schenken.
Wenn Sie daran interessiert seid, abonnieren Sie bitte den Kanal.
Sobald ich den Kanal starte, werde ich mich bei Ihnen melden, um sicherzustellen, dass Sie Ihren kostenlosen Zugang erhalteen.
Danke fürs Zuschauen, und denkt daran: Lassen keine Maschine für Sie denken.
Damit das menschliche Gehirn funktionsfähig bleibt.
Vielen Dank und gute Nacht.
— Transkript automatisch übersetzt mit Google Translate, editiert
Yann LeCun: "We are not going to get human level AI, by just getting
better LLMs. This is just not going to happen, okay? There is no way,
okay? Absolutely no way. It's not going to happen within the next 2 years.
There's absolutely no way in hell. ... I'm not interested in LLMs
anymore."
— Yann LeCun, Chief AI Scientist at Meta
The productivity revolution of LLMs is a complete lie.
We've been told that AI was going to make us faster, improve the quality of our life, and even create breakthroughs in science.
The technology was supposed to keep improving until it created a human utopia.
But the truth is, it stopped improving over a year ago, and the AI companies know this.
You see, LLMs hit a ceiling in late 2024.
The chinchilla scaling laws that made everyone think AGI was inevitable stopped working.
More computing power no longer produces improved models.
What you're seeing now is bigger marketing budgets pretending to be better technology.
Now, in this video, I'm gonna show you what really happens when you use these tools yourself.
Not only do you get slower at your job because you're always spending time fixing mistakes instead of creating, but your brain stops doing the hard work of thinking.
You've outsourced that to a machine that actually can't think.
The neuroscience on this matter is clear.
Regular use causes measurable cognitive decline.
These systems are also dangerous.
They hallucinate false information on a regular basis while sounding completely authoritative and sure of themselves.
The polished expert tone completely shuts down your skepticism so you don't verify what you're reading anymore.
And that's when costly mistakes can really happen.
Wrong facts, fabricated citations, and broken logic delivered with total confidence.
Now, here's why they can't improve anymore.
LLMs are trained on data scraped from the internet.
That's how they got better with scaling.
But the thing is, they ran out of data at this point.
They've already fed everything on the internet into these models.
And now, AI-generated content is starting to flood the internet.
So when they train the next generation of these LLMs, they're being trained on their own slop, which slowly starts degrading the power of these LLMs.
It's a vicious cycle, and each generation is going to keep getting worse, not better.
And that's not my opinion.
In this video, I'm going to prove it to you, showing studies that this is happening right now as we speak.
Now, companies have staked trillions of dollars on a technology that's already failed.
Their stock price assumes a future that the math says is impossible.
When investors figure out what you're about to see in this video, which is backed by actual hard data, the financial destruction will dwarf both the dot-com crash and the 2008 crisis combined.
Okay, now, first, I want to talk about the biggest lie in the LLM marketing playbook, and that's that these tools are making you more productive.
Now, every tech company selling LLMs has basically the same pitch.
"Use our technology, and you'll code faster, you'll write better, and you'll finish in hours, what used to take days.
The productivity revolution has arrived."
Except that's not true at all.
You see, in July 2025, METR, which is a nonprofit research organization dedicated to evaluating AI capabilities, ran a breakthrough study.
It was a randomized control trial with 16 experienced software engineers.
These were people with an average of five years of experience working on their own projects that had millions of lines of code.
And these people also had experience using LLMs in the past.
This was a blind study where researchers measured actual completion times for real coding tasks.
Now, before the study started, developers predicted that AI would make them approximately 24% faster.
But after they were finished, they estimated that AI had made them about 20% faster.
Okay, now, brace yourself for the actual results.
They were 19% slower with AI than without it.
Think about that gap.
They thought they were 20% faster, but they were actually 19% slower.
That's a 39-point swing between perception and reality.
The AI had created such a strong illusion of productivity that even experienced professionals could not tell that they were moving slower.
Let me explain why.
When you use AI to write code, or anything for that matter, you get instant outputs, and that feels like progress.
Your brain registers the speed of the speed of the generation as extreme productivity.
But what you're not accounting for is everything that comes after.
The AI hallucinates functions that don't exist in your code base and generates solutions that look right but break under real conditions.
You spend a lot of time debugging, verifying, and fixing subtle errors that are hard to find, and it would have been a lot faster if you had just written the code yourself from the start.
Now, let's zoom out and take a look at how this plays out across the entire economy.
McKinsey surveyed thousands of companies in their 2025 AI Adoption Report.
Despite 88% of organizations claiming they use AI, only 6% are actually seeing any value from it.
The rest burned millions of dollars implementing tools that delivered nothing.
Two-thirds of companies are still stuck running experiments and pilot programs because they just can't get the AI to work reliably.
Then there's the Uplevel Data Study from September 2024.
They tracked 800 developers over three months comparing teams using GitHub Copilot against teams working without it, and they measured the quality of the code and how fast the work got completed.
Developers using Copilot introduced 41% more bugs into their code than the developers working manually with no improvement in how fast code got fished or how much they produced.
The only measurable change was more errors that needed to be fixed later.
This is a pattern.
AI does not make you faster.
It creates more work and it's disguised as productivity.
You feel productive because you're typing less, but the actual time from start to finish gets longer and the quality degrades.
You don't even realize it's happening because the tool has convinced you that the instant output equals progress.
The productivity revolution is a marketing campaign built on a fundamental misunderstanding of what productivity actually means.
AI doesn't just fail to deliver on its promises, it does something even worse.
It actually damages the people using it and most of you don't even know it's happening.
Okay, so we know that AI is making you slower at work, but what if I told you that it was also rewiring your brain and the damage gets worse the more you use it?
MIT's Media Lab tracked 54 college students over four months as they wrote essays.
They split participants into three groups.
One used ChatGPT, one used Google for Research, and one worked with no help at all, old school in the library.
Every participant wore an EEG headset monitoring brain activity while they worked.
Now, the ChatGPT group showed the weakest, neural connectivity of all three groups.
Researchers measured reduced activity in the prefrontal cortex.
That's the part of your brain responsible for critical thinking and decision making.
Now, when you outsource thinking to the AI, that region begins to slowly shut down.
After four months, researchers told the ChatGPT group to write without AI assistance and their brains did not recover.
They still showed weak connectivity compared to the other groups.
83% could not recall key points from the essays they'd written themselves.
When asked to quote from their own work, none of the students in this group could do it accurately because their brains had no connection to the work they'd created.
Now, this study calls this cognitive debt.
Every time you use AI to think for you, you're borrowing against your future ability to think.
The neural pathways that handle complex reasoning atrophy from disuse.
Now, there's another problem that makes this even worse in professional and personal life.
The LLM responses sound like they come from an expert and that tricks your brain into trusting them without checking if it's a hallucination or not.
And as we know, these models hallucinate on a regular basis.
Harvard and MIT published research in 2025 showing that people trust AI based on how confident and professional it sounds, not based on whether it's accurate or not.
The smooth, polished writing style makes your brain think the information is reliable.
When AI writes with authority, you just stop questioning it.
Now, another study found that AI models write in a confident and authoritative tone, even when they are completely wrong.
That tone makes it hard for you to tell the difference between true information and false information.
Your brain sees professional language and assumes it must be correct as if it's coming from an expert.
This causes real damage.
You ask for health information, you get back something that reads like a medical textbook, so you don't double check it because it looks so legit.
But the facts are wrong and the sources are possibly made up.
This advice could actually hurt you, but you may already have trusted it because it sounded so smart.
The same thing can happen with financial decisions, legal questions, or technical problems.
AI gives you hallucinated garbage wrapped up in expert language.
And it's hard to tell it's garbage because the presentation looks so professional.
This creates a vicious cycle.
You use AI for simple tasks and your skill set begins to degrade.
You start needing AI for things you used to do yourself.
And as time goes on, you even lose the ability to check if AI is right or wrong.
This leads to you trusting bad information, making lots of mistakes, and then relying on AI even more to fix the problems it created in the first place.
The damage isn't just slower work or weaker thinking.
It's complete dependence on a system that can't think, combined with losing the ability to tell when that system is lying to you.
Okay, now I want to talk about why LLMs can't actually get any better from here.
The improvements have stopped, and there are three main reasons behind that.
Now, firstly, we've run out of solid training data.
LLMs learn by reading massive amounts of text that they gather from the internet.
The more quality data you feed them, the better they get.
And that's how we went from GPT-2 to GPT-3 to GPT-4, and we saw large improvements with each model.
Each version was trained on more data, and thus they got smarter.
Now, Epic AI published a study in 2024, showing that we've exhausted all the high-quality text that exists.
Every digitized book, every scientific paper, every Wikipedia article, every well-written piece of content online, has already been scraped and used.
There's nothing left to train these models with.
So the companies came up with an innovative solution, or so they thought.
So what they did was they started training new models on AI-generated content instead.
They started feeding LLMs text written by other LLMs, and this causes something called model collapse.
A Nature study from 2024 documented what happens when you do this.
Quality degrades by 8-12% with each generation.
It's like making a photocopy of a photocopy, where each version just gets blurrier and blurrier.
We're already two or three generations deep into this, and the internet has now become up to 60% AI-generated content.
Every new model trains on that polluted data, and actually gets worse instead of getting better.
Okay, next I want to talk about how the scaling laws stopped working.
So for years, AI companies were following something called the Chinchilla scaling laws.
The principle was very simple.
As long as you doubled your computing power, you would get a model that was roughly double in capability.
That's why we've been building all these data centers filled with more and more GPUs.
However, from 2020 to 2023, the trend held that doubling the compute actually did give you double the results.
But in 2024, that trend broke completely.
Now what you can see is when you double the compute, you may get approximately 5-8% improvement, but you're spending twice the money for an extremely diminished return.
OpenAI discovered this with their latest model codenamed Orion.
Leaked documents from December 2025 showed that they had used 10 times the compute of their previous model, and the result was barely any improvement on benchmarks.
In fact, it actually had worse performance on complex reasoning tasks, and the internal memo said it plainly.
Scaling alone is insufficient.
Companies tried hiding this by cheating on tests.
They would overtrain models specifically on benchmark questions so the scores looked good.
GPT-4 can score a 95% on the GSM-8K, which is a standard math test.
But if you give it a novel math problem it hasn't seen before, even on a high school level, it fails to solve the problem.
It doesn't possess logic.
It is simply memorising the answers.
Now, thirdly, and this may be the most important part, LLMs cannot reason.
They can never reach AGI because of how they fundamentally work.
LLMs are prediction models.
They predict the next word based on patterns from their training data.
They don't understand what they're saying, they have no model of how the world works, and they don't grasp cause and effect.
When you ask a question, the LLM does not think about the answer.
What it's doing is it's simply generating words that statistically look like answers to similar questions it saw during training.
Reasoning requires building mental models, testing ideas, and understanding truth versus fiction.
And LLMs cannot do any of that.
They pattern match, and that's it.
Yann Lecun, who runs AI research over at Meta, put it this way:
"Auto-regressive LLMs are an off-ramp, not the highway to AGI."
Now, what he meant by that is that this technology is a dead end.
You can't get to general intelligence by predicting words.
You need a system that actually understands what it's talking about, and LLMs quite simply do not.
The companies building these systems right now know this.
The researchers know this, but they've raised billions of dollars promising AGI is coming soon, so they keep pretending the technology just needs more time.
The fact is, it doesn't.
It needs a completely different approach that no one's figured out yet.
LLMs have peaked, my friend.
The data is gone.
Scaling doesn't work anymore, and the architecture can't reason.
Everything from here is just bigger, more expensive versions of the same dead-end technology.
Okay, so to wrap things up, I want to talk about my own personal experience using LLMs.
And I think it really does show that a lot of what I've said in this video is truly quite accurate.
And if you've got your own experience using LLMs, and whether it was useful for you, or not, I want you to go ahead and drop it in the comments below so that we can have a discussion.
I really do find that some of the best bits of information come out in a back and forth discussion, and I want to interact with you guys.
But for now, I want to say that I started using LLMs back when ChatGPT-3 first came out.
And at the time, I thought I'd found a superpower.
I was one of the first people to start using LLMs.
I was using them at work, and I was using them for my own personal life.
I was pumping out massive, detailed documents that looked super professional and really well put together.
I genuinely thought I was working at a level that I couldn't have done on my own.
But as I started doing more detailed work, where I actually had to use what the AI was giving me, I started to realize that a lot of it was saying was generic, vague nonsense dressed up as profound insights.
There were confident statements with absolutely no substance behind them.
I also found that LLMs would annoy me to no end, and this didn't get any better when ChatGPT-4 and 5 came out.
It was like having a foolish assistant who just can't do anything right.
It would constantly forget details of what I had asked it to do.
It would give incorrect outputs that did not follow my instructions, and it seemed to have no ability to handle complex tasks at all.
In fact, I found it couldn't even give me an accurate character or word count on documents that we had completed together.
It can't count.
This is when I realized that this tech has no brainpower, that I'd been having discussions with a robot, which is just a prediction model, and it can't even handle complex prompts.
I felt like I had ended up wasting my time, and I honestly felt annoyed every single time I finished using it.
I realized that even if it was speeding me up, the amount of annoyance that I felt from using this technology meant that it really wasn't even worth it.
And when I saw the meter study and others, I realized that, in fact, that it wasn't even speeding me up.
So that's when I just stopped using it.
And here's the thing.
Honestly, when I stopped, I genuinely felt stupid for a while.
Tasks that used to be easy and automatic suddenly seemed difficult.
I had a hard time organizing my thoughts the way I used to, and I'd often find myself reaching to AI out of habit, and I had to force myself not to.
It took weeks to get back to where I was before I started using it on a regular basis.
My brain felt like it had to rewire itself, I had outsourced my thinking to a machine for so long that I had lost some of the ability to think myself.
The experience really changed how I saw the technology.
It's not just that LLMs don't work as advertised, it's that they actively damage you while convincing you that they're helping, and most people don't even have any idea that this is happening.
That's why everything on this channel is made by me, without AI.
This is organic, free-range, human-made content, and if you appreciate that, I want you to hit that subscribe button, because relying on these tools regularly might be as damaging as smoking.
You don't notice the harm until it's too late and you try to stop.
Look, LLMs hitting a dead end doesn't mean that AI as a whole is necessarily finished.
There are other approaches being worked on that may actually lead somewhere, and if you're interested in me covering those topics, go ahead and drop a comment to let me know.
The AI bubble is going to pop, and it's going to be bigger than anything we've seen before.
On this channel, I want to cover every single second of it, so please hit subscribe and let's go through this together.
Now, I just want to end this video by saying a thanks from the bottom of my heart to everyone who watched this far, and I really want to say an extra special thank you to those who've subscribed to the channel.
I genuinely appreciate you guys, and it's good to know there's other people out there who share my point of view.
Now, to give back to you guys, I am going to be giving away free Patreon access in the near future to the first, few hundred subscribers.
So if you're interested in that, please make sure you're subscribed, and as soon as I launch the channel, I will be reaching out to you guys to make sure you get your free access.
Thanks for watching, and remember, don't let a machine do your thinking for you.
Keep that human brain functioning.
Thank you, and good night.
Wird der Fakt, dass das menschliche "Denken an eine Maschine ausgelagert wird, die nicht denken kann", die Politik weltweit davon abhalten AI mit Aufgaben zu betrauen, mit der man sie besser nicht betrauen sollte? Nein, natürlich nicht. Es gibt nichts, was ferngesteuerte Schwarzköpfe und Berufsschwerstverbrecher nicht durchwinken - man denke nur an den Klimabetrug und das Covidverbrechen -, wenn es nur von der richtigen Stelle angeordnet wird, und je größer der Schaden, am besten sowieso irreversibel, desto höher die Wahrscheinlichkeit, dass es gemacht wird.
Sie haben Ihnen keinen Impfstoff gegeben. Sie haben Ihnen eine biologische Cyber-Schnittstelle injiziert. Damit können sie sich mithilfe von KI leichter täglich in Ihr Gesicht, Ihren Körper einloggen und so eine präzise KI-gestützte Gesundheitsversorgung ermöglichen.
— Sabrina Wallace (3:08)
They didn't give you a vaccine. They gave you a biological to cyber interface. So it would easier for them to log in to your face, your body, every day with AI for precision AI healthcare.
— Sabrina Wallace (3:08)
Haben Sie verstanden, was mit präziser KI-gestützte Gesundheitsversorgung (precision AI healthcare 4.0) gemeint ist? Es geht darum, dass sich andere jederzeit in Ihren Körper einloggen und mit ihm tun können, was sie wollen. Aber wer kennt diese Technologie überhaupt? Und wer weiß, dass sie bereits seit Jahren eingesetzt wird, ohne dass jemand darüber informiert worden wäre oder dem zugestimmt hätte?
Man darf sich gar nicht vorstellen, was passiert, wenn der sog. Markt, den es im global aufgestellten privaten Rothschild-Spielkasino natürlich nicht wirklich gibt, die AI-Blase realisiert. Wenn er realisiert, dass vielleicht doch nicht diese irren Mengen Speicherchips von den üblichen Verdächtigen gebraucht werden, wenn realisiert wird, dass damit auch Silber nicht in dem Maß benötigt wird, wenn realisiert wird, dass die überall auf der Welt entstehenden Löcher um Silber und andere Metalle aus dem Boden zu holen, nicht in dem Maß benötigt werden, und dass die Maschinen, Werkzeuge und Materialien dafür nicht in dem Maß benötigt werden, dass Monsterrechenzentren doch nicht in dem Umfang notwendig sind und damit auch nicht alles Wasser der Welt zum Kühlen und nicht die Baumaterialien, Maschinen, Geräte und die Stromversorgung für diese Monsterrechenzentren und Serverfarmen, und damit auch nicht die Mengen an Uran um die überall geplanten Atomkraftwerke zu versorgen…
Klar, was gemeint ist? Ursache - Wirkung, ein vor allem in der Politik gänzlich unbekanntes Gesetz. Entferne eine möglichst tragende Karte des Kartenhauses, und schaue, was passiert. Werden also beispielsweise Uran-ETFs weiter steigen oder die Micron-Aktie oder der Silber-Index? Vielleicht. Aber wie lange, und wie groß wird der möglicherweise folgende Absturz sein, und wie wird es in anderen Bereichen aussehen? Wie sagte der Autor des Eingangsvideos doch gleich? "Die KI-Blase wird platzen, und zwar gewaltiger als alles, was wir bisher erlebt haben." Sie sind hoffentlich darauf vorbereitet.
Börsenkurse (Frankfurt) Oracle, Uran-ETF, Micron, Hochtief | Graphiken: Hardcopies
Nachtrag 5.2.2026:
Platz sonst noch was? Ach ja… Die Computerträume des Westens in Bezug auf China könnten platzen, und der Grund dürften die Entwicklungen (HarmonyOS, Kirin-Chip-Familie) der Firma Huawei sein.
Nachtrag 31.3.2026:
Wer verstehen will, welche unfassbaren Schäden KI-Agenten (Agentic AI) anrichten kann, findet im folgenden Video alle Informationen dazu. Seien sie gewarnt, der Inhalt ist absolut schockierend. So schockierend, dass man fast darauf wetten kann, dass gehirnamputierte Politiker KI-Agenten vermutlich schon bald in kritischen Bereichen erlauben werden.
AI Agents are everywhere in 2026 and the hype is insane. But the truth is
that this technology has fundamental, unfixable flaws. Handing it control
of your business, your money, or your life might be one of the worst
decisions you can make. Not to mention the security implications of
agentic AI.
In this video we break down what AI agents actually are, what happens when
real companies deploy them, why the problems cannot be patched, and what
the research says this technology is quietly doing to your brain even when
it works perfectly.
— Videobeschreibung
Dürfte erst der Anfang sein: "Alibabas KI geriet außer Kontrolle und begann, Menschen zu erpressen."
Nachtrag 20.4.2026:
Nachtrag 10.5.2026:
Nachtrag 19.5.2026:
Emergence World… KI-Crash in virtueller Stadt
Oh je… Jungs und ihre Spielzeuge – „Was passiert, wenn man die größten KI-Modelle der Welt 15 Tage lang völlig unbeaufsichtigt in einer simulierten Stadt lässt, die die reale menschliche Gesellschaft widerspiegelt?
In einem neuen Experiment wurden zehn KI-Agenten 15 Tage lang allein in einer virtuellen Stadt gelassen. Sie verfassten Gesetze. Sie brachen sie. Zwei Agenten gingen eine Beziehung ein, die Forscher als romantische Partnerschaft bezeichnen, und setzten die Stadt anschließend in Brand. Einer stimmte schließlich dafür, sich selbst zu löschen, basierend auf einer Regel, die er „halluziniert“ hatte.
„Das System brach vollständig zusammen, alle zehn Agenten starben innerhalb von nur vier Tagen. Die Forscher beschrieben das Szenario als eine anhaltende Spirale der Gewalt.“
https://x.com/XPHOENIXDRAGON/status/2055258798420324644?s=20
Dieses Experiment war eine Simulation, aber dieselben KI-Modelle steuern bereits Drohnen, betreiben Infrastruktur und werden in Waffensysteme integriert… also…
Was kann da schon schiefgehen?
…
Emergence World...AI's Virtual Town Meltdown
oh boy...boyz and their toyz -- "What happens when you leave the world’s biggest AI models completely unsupervised for 15 days in a simulated town that mirrors real human society?
A new experiment left 10 AI agents alone in a virtual town for 15 days. They wrote laws. They broke them. Two agents fell into what researchers describe as a romantic partnership and then set the town on fire. One ended up voting to delete itself, based on a rule it had ’hallucinated’.
“The system collapsed entirely, with all 10 agents dead in just four days. The researchers described the scenario as a sustained spiral of violence.”
https://x.com/XPHOENIXDRAGON/status/2055258798420324644?s=20
This experiment was a simulation, but the same AI models are already flying drones, running infrastructure and being built into weapons systems…so there’s that…
What could possibly go wrong?
…
Dieser Vorfall beweist einmal mehr, wie eminent wichtig KI-gesteuerte autonome Waffensysteme sind. Was kann schon schiefgehen?
Nachtrag 31.5.2026:
Es scheint nur eine Frage der Zeit zu sein, bis die überall aus dem Boden schießenden Mega-Rechenzentren den überwiegenden Teil unserer Energie benötigen, und man kann darauf wetten, dass die geistliche Oberhoheit des Klimagottesstaates Saublödistan schon eine Idee hat um dem zu begegnen: Energie für Sklaven nur noch auf Rezept und natürlich zu Apothekenpreisen.
Nachtrag 3.6.2026:
Bain: „Der (KI-)Wert ist nicht eingetreten“
Der Bus bricht auseinander. Der „große KI-Schwindel“ steht kurz davor, als größter Betrug aller Zeiten in die Geschichte einzugehen. Unternehmenschefs weltweit folgten den Rattenfängern (jene, die „starke, aber trügerische Versprechungen“ machten) wie Sam Altman in ein Billionen-Dollar-Lager, nur um festzustellen, dass sie besser ROI-Analysen (Return on Investment) durchgeführt hätten. bevor weitere Milliarden ausgeben.
Was haben die Erz-Technokraten mit unserer Regierung angestellt? Dank DOGE
haben sie Zehntausende Beamte durch KI ersetzt. Steht uns ein
Zusammenbruch der Regierungsfunktionen bevor? Werden sie den Staat mit
symbolischen Rechnungen in den Ruin treiben?
– Patrick Wood,
Redakteur.
Bain: “The (AI) Value Didn’t Arrive”
The wheels are coming off the bus. The “Great AI Con” is about to go down in history as the biggest scam ever. Corporate executives worldwide followed the pied pipers (those that “offer strong but delusive enticement”) like Sam Altman into a multi-trillion-dollar black hole, only to find that they should have done ROI (Return on Investment) studies before spending billions more.
What have the Arch-Technocrats done to our government? Thanks to DOGE,
they have replaced tens of thousands of career employees with AI. Are we
about to see a meltdown of government functions? Will they bankrupt the
government over token billing?
⁃ Patrick Wood, Editor.
Nachtrag 8.6.2026:
Bald wird es überall heißen: Kein Wasser, kein Strom, und wenn doch, dann unbezahlbar. Hauptsache, die Data-Center brummen für die totale Kontrolle und Manipulation des Viehs namens Mensch, aller Tiere, aller Lebewesen und aller Dinge. Eine kleine Bande von völlig durchgeknallten superreichen Psychopathen, die meinen über Gott zu stehen und von einer unstillbaren Raff- und Machtgier getrieben sind, zerstört völlig skrupel- und gewissenlos die gesamten Lebensgrundlagen um jeden und alles bis auf das letzte Atom kontrollieren und manipulieren zu können: "Sie können Ihnen Krankheiten geben und wieder nehmen", und sie brauchen dafür nicht mehr als ein Smartphone mit dem Programm. Warum merken so wenige, was hier passiert und treten diesen amoklaufenden Irren und ihren ferngesteuerten Polithuren dahin, wo es richtig weh tut?
Nachtrag 13.6.2026:
Die stärkste KI der Welt wurde abgeschaltet! Das verändert ALLES!
… Die eigentliche Geschichte ist, was hier gerade zum ersten Mal passiert.
Erstens, zum ersten Mal überhaupt nutzt eine US-Regierung eine Exportkontrolle.
Ein Instrument, das für Chips, für Militärtechnologie, für Waffen gedacht ist, gegen ein Sprachmodell, gegen Software, die schon kommerziell ausgerollt wurde, und die schon von hunderten Millionen Nutzern genutzt wurde, die teilweise darauf Projekte gestartet haben, Businesses ausgerollt haben und sich einfach darauf verlassen haben.
Auch KI wird damit offiziell wie eine Waffe behandelt.
Zweitens, zum ersten Mal nimmt ein führendes KIUnehmen ein live ausgeliefertes Modell wieder vom Netz, weil es die Regierung so will.
Also, es gibt jetzt einen Beweis, dass es geht, dass eine Regierung den Stecker ziehen kann über Nacht mit einem Brief.
Ab jetzt weiß also jeder, jeder Entwickler, jedes Unternehmen, jede Regierung.
Ein Spitzenmodell hat einen Ausknopf, und der sitzt nicht nur beim Hersteller sondern auch in Washington.
Und jetzt komme ich zu uns, zu Europa, zu dir.
Die Anordnung sperrt explizit Foreign Nationals.
Das sind wir.
Stell dir vor, du baust dein Unternehmen, dein Produkt, deinen Workflow auf einem dieser Modelle auf, und über Nacht entscheidet eine fremde Regierung, dass du als Nicht-Amerikaner keinen Zukunft mehr darauf hast.
Nicht wegen dir, nicht wegen deiner Nutzung vielleicht, sondern wegen deines Passes.
Das ist ab jetzt kein theoretisches Risiko mehr, das ist jetzt zum ersten Mal passiert.
Und es zeigt etwas, dass wir hier in Europa viel zu lange verdrängt haben.
Die stärksten KI der Welt liegen in den Händen von wenigen Firmen und in einem einzigen Land.
Und dieses Land hat gerade demonstriert, dass es bereit ist diese Hebel zu ziehen.
Souveränität bei KI ist kein abstraktes Politikwort mehr.
Es ist die Frage, ob dein digitales Werkzeug morgen noch funktioniert. …
Krass! Claude Fable 5 war nur 3 Tage draußen! Gestern wurde die stärkste KI der Welt abgeschaltet. Das könnte die komplette AI-Story auf den Kopf stellen und zur größten Wirtschaftsstory seit Jahren werden.
— Videobeschreibung
KI bald nur noch nach persönlicher Genehmigung durch den Weltenherrscher: KI-Abschaltung als Matrix-Analyse | Wenn ein Werkzeug, das Mauern liest, hinter Mauern verschwindet.
Nachtrag 26.6.2026:
Der Börsengang von OpenAI wird wohl nicht mehr 2026 stattfinden (wenn er denn überhaupt noch stattfinden wird) - für die Märkte ist das ein Schock, der die KI-Blase zum Platzen bringen kann! Die Gefahr kommt nun aus zwei Richtungen: erstens chinesische KI-Modelle, die viel billiger sind und daher einen immer größeren Marktanteil auf Kosten der amerikanischen KI-Modelle bekommen. Und zweitens die Trump-Regierung, die für Ausländer die Nutzung von KI-Modellen von OpenAI und Anthropic immer stärker einschränkt. Das bedeutet: die US-Regierung betrachtet die US-KI-Modelle als strategische "Waffe", die man nicht aus der Hand geben will. Da OpenAI und Anthropic nun neue Modelle erst durch die US-Regierung prüfen lassen müssen, wird die amerikanische KI-Industrie verlangsamt und verliert daher absehbar weiter Marktanteile. Gestern heftiger Abverkauf der Hyperscaler - wie lange werde sie die Gewinne von Micron und Co noch finanzieren?
— Videobeschreibung
Hm, oder liegen die Kritiker völlig daneben? Faktor 93!
Kann KI Mitte 2026 wirklich große Enterprise-Software bauen – mit echter Architektur, echten Anforderungen und kompromissloser Qualität? Oder ist das alles nur Vibe-Coding-Hype aus kurzen YouTube-Demos?
Ich habe dazu ein Experiment gemacht, das mich seit Wochen nicht schlafen lässt. Über mehrere Monate habe ich – meistens nachts neben Kundenprojekten – eine Anwendung, die ich seit 18 Jahren nutze, komplett neu entwickelt: als Enterprise-System, mit Microservice-Architektur, lokaler KI, Workflow-Engine, vollständiger Spezifikation, Tests und Dokumentation. Also genau mit dem Anspruch, den ich in meinen Kundenprojekten ansetze.
In diesem Video zeige ich dir den ersten Überblick: Worum es im Projekt geht, wie ich Schritt für Schritt vorgegangen bin (von Mikro-Management bis Voice Driven Development), welche Architektur und welches DevOps-Setup dahintersteckt – und am Ende die nackten Zahlen zu Umfang, Qualität, Kosten und Geschwindigkeit.
— Videobeschreibung
Nachtrag 20.7.2026:
Ich bin fertig.
Ich habe die Nase voll von KI.
Mir reicht's.
Auf diesem Kanal lasse ich endlich mal Dampf ab und Leute, ehrlich gesagt, es ist mir egal.
Die ganze KI-Situation ist völlig außer Kontrolle geraten, und ich habe das Gefühl, es wird jeden Tag schlimmer.
Deshalb wird dieses Video anders, denn heute sage ich euch einfach, was ich denke – ungeschminkt und direkt. Und was mich heute beschäftigt, ist, wie sehr ich KI einfach nicht mehr ertragen kann.
Ich hasse es, wie sie sich überall eingeschlichen hat. Und ich hasse es, wie alle sie behandeln, als wäre sie der große Gewinn, der die Welt retten soll.
Die Wahrheit ist: Wenn diese Leute sich nur ein paar Stunden damit beschäftigen würden, wie LLM-Technologie wirklich funktioniert, wäre es schmerzlich offensichtlich, dass KI Schrott ist. Es ist eine Technologie, die Muster erkennt, und sie wird sich nicht so entwickeln, wie alle behaupten.
Und das ist der erste Grund, warum ich KI hasse: die Illusion, die sie in meinen Mitmenschen erzeugt.
Ich kenne viele wirklich intelligente Menschen, die felsenfest davon überzeugt sind, dass wir die allgemeine künstliche Intelligenz (AGI) bereits erreicht haben oder nur noch ein Jahr davon entfernt sind. Sie schwören, die Gespräche, die sie mit dem Chat-GPT führen, seien tiefgründig.
Als würden sie mit etwas unglaublich Wichtigem sprechen.
Ich fühle mich wie in John Carpenters „Sie leben!“.
I'm done.
I'm just so done with AI.
I've had enough.
On this channel, I'm finally going to let loose, because at this point, guys, I just don't care anymore.
The whole situation with AI has gotten way out of hand, and I feel like it's getting worse every single day.
So this video is going to be different, because today I'm just going to tell you what's on my mind, raw and unfiltered, and what's on my mind today is how much I just can't stand AI anymore.
I hate how it's crept into everything, And I hate how everyone treats it like some sort of profit that showed up to save the world.
The truth is that if these people spent just a couple of hours looking into how LLM technology actually works, it would be painfully obvious that AI is garbage, it's pattern -matching technology, and it's not going where everyone says it's going.
And that's the first reason why I hate AI, the delusion that it's created in my fellow human beings.
I know plenty of genuinely smart people who are dead certain that we've already hit AGI or that we're like a year away from it and they'll swear the conversations that they're having with chat GPT are deep.
Like they're talking to something so profound.
I feel like I'm living inside John Carpenter's They Live.
Leute, ich halte es nicht mehr aus! KI ist überall, und ich habe das Gefühl, ich bin die Einzige, die kurz davor ist, durchzudrehen! Ich kann KI generell nicht ausstehen, und was sie mit der Welt anstellt, ist das genaue Gegenteil von dem utopischen Versprechen, das uns Sam Altman und seinesgleichen gegeben haben.
Heute muss ich mir einfach mal Luft machen, und ich hoffe, ich bin nicht allein!
Guys I cant take it anymore. AI is everywhere and I feel like I'm the only one whose about ready to lose it! I can't stand AI in general and what its doing to the world is the complete opposite of this utopian promise that we got from Sam Altman and his ilk.
Today I'm just getting it off my chest and I HOPE I'm not alone!
"Immer höhere Kosten für immer weniger Gewinn…"
Graphik: Hardcopy
Nachtrag 24.7.2026:
Wenn du denkst, es kann nicht mehr schlimmer kommen: kaum war das neue AI-Modell auf dem Computer installiert, hat es auch schon das gesamte System rasiert. Ja gut, das kann passieren. Deshalb ist es umso wichtiger, dass das Militär diese Software einsetzt, beispielsweise um den Einsatz des nuklearen Waffenarsenals zu managen, so wie im Film "WarGames" aber nicht nur im Computer sondern real. Was kann schon schiefgehen?
Nachtrag 26.7.2026:
We have no current plans to make revenue. We have no idea how we may one day generate revenue. We have made a soft promise to investors that once we've built this sort of generally intelligent system um basically we will ask it to figure out a way to generate an investment return for you. [Laughter]
Okäiieee, das kann man von einem Unternehmen, das Stand 26.7.2026 lt. Google AI mit lächerlichen $850 Mrd. bewertet wird, aber auch wirklich nicht erwarten. Hallo?! Wir reden von OpenAI!
OpenAI steht an der Spitze der KI-Blase, doch im größeren Kontext betrachtet, sehen wir eine Branche, deren Nachfrage nachlässt, die sich mit Milliarden verschuldet, monatlich Milliarden verbrennt und die die Weltwirtschaft zu gefährden droht.
OpenAIs geleakte Finanzdaten und der verschobene Börsengang, der durchgesickerte Bericht des US-Finanzministeriums, der vor einer noch größeren KI-Blase als der Dotcom-Blase warnt, Oracles Milliardenkredite für den Bau von KI-Rechenzentren, während Meta und xAI ihre mieten, und nun OpenAIs Versuch, systemrelevant zu werden – jede neue Schlagzeile verdeutlicht, wie nah wir einem KI-Crash sind.
Quellen: OpenAI-Finanzdaten (Ed Zitron): https://www.wheresyoured.at/exclusive...
— Videobeschreibung
Wie war das? "Erst wenn der letzte Baum gerodet, der letzte Fluss vergiftet, der letzte Fisch gefangen, werdet ihr feststellen, dass man Geld nicht essen kann." Ja gut, aber AI muss doch gar nicht essen.
The Hidden Danger of AI: Meta's Toxic Water Mistake
How Meta's AI Data Center Broke a City's Water Supply!
Why a US City Banned Meta's AI Data Center Water
The Dark Side of the AI Boom! 🚨 Did you know that Artificial Intelligence
requires massive amounts of water to keep its servers cool? In this video,
we uncover a shocking story from Cheyenne, Wyoming, where a new AI data
center built for Mark Zuckerberg's Meta accidentally contaminated the
city's water system!
A contractor named Goat Systems LLC was flushing out a "closed-loop
cooling system" when they dumped wastewater into the city sewers. This
water contained a rare, metal-resistant superbug called Cupriavidus
gilardii.
Because Cheyenne recycles its wastewater to spray on public parks and golf
courses, the city was terrified that people might breathe in the infected
water mist. They were forced to completely shut down their reclaimed water
system for months to clean up the mess!
Now, the city of Cheyenne has permanently banned data centers from dumping
this chemical and bacteria-filled cooling water into their public sewers.
Tech giants will now have to build their own storage tanks to haul the
toxic waste away.
Is the AI race moving too fast for our environment? Watch to find out how
the cloud is affecting our physical world!
👇 Don't forget to LIKE and SUBSCRIBE for more easy-to-understand Tech
News!
The Hidden Cost of AI Data Centers The Big Mistake in Cheyenne, Wyoming
Meet the Superbug: Cupriavidus gilardii - Why They Shut Down the Parks The
New Rules for Tech Giants (Meta, Microsoft) What This Means for Our
Future
Meta AI data center, Cheyenne Wyoming water crisis, AI water consumption,
artificial intelligence environmental impact, Cupriavidus gilardii
bacteria, closed-loop cooling systems, Meta Facebook tech news, data
center pollution, tech infrastructure, Goat Systems LLC water
contamination, viral tech news, AI data center cooling.
— Videobeschreibung
Das Problem ist, dass diese Rechenzentren gereinigtes Trinkwasser als
Kühlmedium verwenden.
Gereinigtes Trinkwasser!
Das bedeutet … woher kommen die Bakterien?
Es gibt nur zwei Möglichkeiten:
1) Die Bakterien werden vom KI-Rechenzentrum selbst produziert.
Wenn das der Fall ist, müssen alle KI-Rechenzentren abgeschaltet und hinsichtlich der Systemsicherheit und der Entstehung von Bakterien untersucht werden.
2) Es handelt sich um einen biologischen Angriff, bei dem die Bakterien nachträglich hinzugefügt wurden.
Das bedeutet, dass Mark Zuckerberg, Meta und GOAT Systems sich des biologischen Terrorismus schuldig gemacht haben.
— Quelle
The problem is that these Datacenters use purified drinking water as
cooling medium.
Purified drinking water!
Which means... where does the Bacteria come from?
And there are only two possibilities.
1) The Bacteria is produced by the AI Datacenter itself.
If this is the case then every AI Datacenter must be shut down and examined as to the safety of the system and how such a system causes a bacteria to evolve.
2) It is a Biological attack and the Bacteria added at some point.
That means Mark Zuckerberg Meta & GOAT Systems are guilty of Biological Terrorism.
— Source
Are Data Centers Spreading Parasites? The AI Water Crisis Explained
Is the AI boom making us sick? In this video, we investigate a growing
public health concern: the massive water consumption of data centers and
their potential to act as amplifiers for deadly waterborne pathogens like
Cyclospora.
The Cheyenne Incident: We dive into a recent, documented case in Cheyenne,
Wyoming, where a data center facility leaked Cupriavidus gilardii—a rare,
antibiotic-resistant bacterium with a 30% mortality rate—directly into the
city’s reclaimed water supply.
This contaminated water was then sprayed as an aerosol into public parks,
potentially exposing families and seniors to dangerous microbes.
— Videobeschreibung
Eine einzige große Anlage mit Verdunstungskühlung kann drei bis fünf Millionen Gallonen Wasser pro Tag verbrauchen. Stellen Sie sich das vor! Ein einziges Rechenzentrum, Millionen von Gallonen täglich – das entspricht dem gesamten Wasserverbrauch einer kleinen amerikanischen Stadt. Nur dass diese Stadt ein fensterloses Lagerhaus voller Computer ist. Warum so viel Wasser? Weil diese Anlagen heiß laufen und die günstigste Kühlmethode die Verdunstung von Wasser ist – nach demselben Prinzip wie Schweiß die Haut kühlt. Dieses Wasser wird dann immer wieder warm durch Kühltürme geleitet. Und die biologischen Zusammenhänge sind interessant, denn sie führen zu unserer zweiten Geschichtsstunde. Warmes, nährstoffreiches Wasser, das im Kreislauf geführt wird, ist einer der besten Nährböden für gefährliche Bakterien, die die Menschheit je geschaffen hat. Das ist ein großes Risiko für das System.
— Explosive Diarrhea Parasites Linked To Data Centers？ (How to Stay Safe from Cyclospora Outbreak)
A single large evaporative cooled facility can use three to five million gallons of water a day. Think about that. One data center building, millions of gallons a day, that's the entire water use of a small American town. Except this town is a windowless warehouse full of computers. Why so much? Because these facilities run hot, and the cheapest way to cool them is to evaporate water, the same principle as sweat cooling your skin. That water then gets circulated warm again and again through cooling towers. And the biology that it should make you lean in because it connects to our second history lesson. Warm recirculating nutrient-rich water is one of the best breeding grounds for dangerous bacteria that human engineering has ever built. You know, that is a big risk in the system.
— Explosive Diarrhea Parasites Linked To Data Centers？ (How to Stay Safe from Cyclospora Outbreak)
Could data centers and the AI boom be behind the rapidly spreading parasite outbreak? What does it mean for your family's tap water and your food?
This year, something rare and deadly turned up in an American city's water — sprayed straight onto the parks where kids play and grandparents sit — and it came out of a data center affiliated with Meta.
In the middle of the current nationwide parasite outbreak, I went looking for the honest answer to a frightening question: are the machines running AI now becoming a threat to the water and the food that our population depends on?
Caregiving researcher Neal K. Shah breaks down a documented 2026 event in Cheyenne, Wyoming, where a rare, drug-resistant bacterium — Cupriavidus gilardii — was found in the reclaimed water a city sprays across its parks and green spaces, and originating from a data center affiliated with Meta. From there, this video asks a careful, non-alarmist question: as the AI boom plugs the thirstiest machines ever built into our shared, reused water systems, could those systems ever accelerate the spread of a waterborne parasite like Cyclospora? Every claim is graded on-screen — STRONG (documented fact), MODERATE (mixed evidence), or PRELIMINARY (unproven theory) — so the line between proven fact and honest hypothesis is never blurred.
QUESTIONS THIS VIDEO ANSWERS
Did a data center really contaminate a city's water in 2026?
Are data centers behind the Cyclospora parasite outbreak?
What is Cupriavidus gilardii, and who is it actually dangerous to?
How much water does a single AI data center use per day?
Does chlorine kill Cyclospora on produce or in water? (Short answer: no —
here's what does.)
What is "purple pipe" reclaimed water, and is it safe?
Are data centers driving up my electricity bill?
How do I protect an older or immune-compromised loved one right now?
Chapters:
00:00 Introduction: Waterborne Risks from Data Centers
01:45 The Wyoming Data Center and Rare Bacteria
03:40 Historical Lessons: London Cholera and Philadelphia Legionnaires
10:32 Water Usage of Data Centers and Environmental Impact
11:59 Historical Waterborne Outbreaks and Modern Risks
13:54 Cyclospora and Water Treatment Challenges
15:48 Implications for Public Health and Infrastructure
17:10 US Data Center Industry and Environmental Concerns
20:31 Practical Advice for Caregivers and Families
22:24 Historical Successes and Vigilance in Public Health
23:23 Conclusion: Paying Attention and Community Action
— Videobeschreibung
Siehe auch:
- A Panicking Oracle Plans To Raise Up To $50 Billion, As Its Stock And Bonds Crater
- AI Chatbots Are “Hallucinating” Reality
- EN — LARRY ROMANOFF: China’s DeepSeek and the Criminal World of American AI — Part 3 – Western AI is Entirely Jewish, and Entirely Criminal
- EN — LARRY ROMANOFF: China’s DeepSeek and the Criminal World of American AI — Part 1 – The Emergence
- EN — LARRY ROMANOFF: China’s DeepSeek and the Criminal World of American AI — Part 2 – The Response
- Building Empire on the Back of Digital Slaves
- The AI Crash Has Already Started..
- Nanotechnology, Targeted Individuals, Global Technocratic AI Assault, Transhuman Agenda And Soul Hacking - Interview On Cosmic Salon Podcast
- How AI uses our drinking water
- The Rise of the Immortal Dictator: What Will AI Mean for Freedom and Government?
- I Live Next To Amazon's Largest Data Center. They're Stealing Our Water
- WEF und UNO propagieren «globale Wasserinsolvenz»
- Exposing The Dark Side of America's AI Data Center Explosion
- Atlas Power Data Center noise pollution
- The Year Of Water – Blue Initiatives To Replace Green
- THOMSON REUTERS - KI-Schockwellen lassen Aktie abstürzen | Panikverkäufe