Das größte Befürchtete bei AI-Startups: Rauschen als Signal missverstehen | Kevin Scott, CTO von Microsoft

19. Dezember 2025, San Francisco.

In einem Gespräch in der Startup-Community South Park Commons im Silicon Valley sprach Kevin Scott, der CTO von Microsoft, über berufliche Wendepunkte, die Zusammenarbeit mit OpenAI und die Fragen, die im Zeitalter der KI wertvoller sind, aber oft ignoriert werden. Das gesamte Gespräch dauerte 56 Minuten, und die Themen reichten von Fehlversuchen beim Gründen eines Unternehmens bis hin zu Open-Source und Closed-Source.

Sein wichtigster Satz war:

Das größte Problem beim KI-Startup ist nicht, dass die Technologie hinterher hinkt, sondern dass man „Rauschen“ für Signale hält.

Was ist Rauschen?

Informationen, die wie positive Signale aussehen, aber für das, was man macht, weder von Wert noch relevant sind. Medienhype, Investoreninteresse und technische Buzzwords sind solche Signale, die leicht zu erhalten und zu quantifizieren sind, aber möglicherweise in die falsche Richtung führen.

Dieser Artikel handelt von vier Dingen:

Erstens, wie Kevin lernte, die richtigen Signale zu erkennen.

Zweitens, welche Umwelt heutige Unternehmerinnen und Unternehmer haben.

Drittens, warum ChatGPT erfolgreich war.

Viertens, wie man die ignorierten echten Signale erkennt.

Abschnitt 1 | Verzicht auf interessante Technologien und Wahl von wertvollen Aufgaben

Kevin Scott wollte ursprünglich Hochschullehrer werden. Während seiner Promotion forschte er über dynamische binäre Übersetzung, eine Technologie mit hohem Komplexitätsgrad, aber er gab sie später auf.

Der Grund war einfach: Niemand außer mir kümmerte sich wirklich darum.

Er sagte: Ich habe viel Zeit damit verbracht, diese Optimierungsmethoden zu untersuchen, die die Leistung des Systems um ein paar Prozent verbessern können. Wissenschaftliche Artikel schreiben, Zitationen erhalten, weitere Artikel schreiben … und dann?

In der Wissenschaft ist dies der Standardweg. Aber in der realen Welt hat diese prozentuale Verbesserung keinen Sinn. Kevin erkannte zum ersten Mal: Die Bewertungskriterien in der Wissenschaft und die Werturteile in der realen Welt stimmen überhaupt nicht überein.

In der Wissenschaft wird auf die Anzahl der Artikel, die Zitationshäufigkeit und die Anerkennung der Kollegen geachtet. Dieser Mechanismus ist klar und leicht zu quantifizieren. Aber in der realen Welt geht es darum: Wie viele Menschen profitieren davon? Welchen Wert wird geschaffen?

Diese beiden Standards stimmen nicht überein und sind sogar im Widerspruch zueinander.

Also wechselte er von der Wissenschaft zu Google. Sein erstes Projekt war die Automatisierung des Werbekontrollprozesses. Das klingt überhaupt nicht cool. Kevin sagte: Es geht eigentlich nur darum, eine Reihe von automatischen Filterregeln zu erstellen, um zu entscheiden, ob in der Werbetext Ausrufezeichen verwendet werden dürfen und ob es jugendgefährdende Inhalte gibt.

Aber dieses Problem war wertvoll. Täglich waren Werbeanzeigen im Wert von 50 Millionen US-Dollar blockiert, und die manuelle Prüfung konnte nicht hinterherkommen. Durch diese kleine Änderung sparte Google letztendlich fast eine Milliarde US-Dollar pro Jahr.

Dafür erhielt er den Founder Award.

Seitdem hat er sich eine berufliche Richtlinie gesetzt. Bei jeder Aufgabe schaut er zunächst, ob sie möglicherweise einen echten Einfluss haben kann, und erst dann, wie interessant die Technologie ist.

Er sagte, dass das Leben beginnt, wenn man die komplexesten Technologien aufgibt und sich der wertvollsten Arbeit widmet.

Dies war sein erster richtiger „Signalerkennungsmoment“.

Abschnitt 2 | Leicht erreichbare Rückmeldungen sind oft Rauschen

Kevin's Entscheidung vor 20 Jahren war einfach: Wissenschaft oder Geschäftswelt, eine von beiden.

Die heutige Umwelt, in der KI-Unternehmer tätig sind, ist viel komplexer.

Heute ist es billiger, ein Unternehmen zu gründen als je zuvor. Aber gerade weil es billig ist, gibt es mehr Leute, die Fehlversuche machen, und somit auch mehr Rauschen.

Was ist Rauschen?

Er gab die Definition:

Informationen, die wie positive Rückmeldungen aussehen, aber nichts mit dem Produktwert zu tun haben.

Medien-Trends, Like-Zahlen und das Interesse von Risikokapitalgebern können alles Rauschen sein. Viele Unternehmer verlassen sich auf diese Signale, die aber auch am leichtesten sie in die falsche Richtung bringen können.

Weil hinter diesen Signalen eigene Interessenmechanismen stecken.

1. Die Medien brauchen Traffic und wählen thematische Geschichten.
2. Investoren legen Wert auf eine vielfältige Projektportfolios und zeigen Interesse an beliebten Marktsegmenten.
3. Die technische Community jagt hinter den neuesten Modellen und den höchsten Parameterzahlen.

Aber das hat nichts mit jemandem zu tun, der bereit ist, für Ihr Produkt zu zahlen.

Was noch schlimmer ist, ist, dass dieses Rauschen besonders leicht zu erhalten ist.

Sie posten etwas und erhalten hunderte Likes; Sie schreiben einen Artikel und landen auf der Hot-Liste; Sie treffen sich mit einigen Investoren, und alle zeigen Interesse. Sie beginnen zu glauben, dass Sie den richtigen Weg gehen. Aber das kann nur bedeuten, dass Sie ein heißes Thema getroffen haben und zu einem Weiterleitungsartikel geworden sind, statt ein echtes Problem gelöst zu haben.

Viele Unternehmer versuchen, sich an beliebte Konzepte zu halten: „Wir sind KI + Bildung“, „Der Browser im Zeitalter der KI“, „Ein neues Notizwerkzeug im Zeitalter von GPT“ …

Diese Aussagen sind neu und leicht zu erklären, aber das bedeutet nicht, dass jemand wirklich danach sucht.

Kevin gab eine Beurteilungsmethode: Man muss zwei Dinge unterscheiden.

Das eine ist, was Sie sich wünschen; das andere ist, was unabhängig von Ihnen passieren würde. Das Letzte eignet sich am besten für das Gründen eines Unternehmens.

Was sind also die echten Signale?

Kevin erläutert dies anhand von ChatGPT.

Abschnitt 3 | Was macht OpenAI, wenn alle hinter Modellen herjagen?

Als ChatGPT gestartet wurde, verwendete es ein altes Modell. Viele Leute in der Branche hatten es gesehen. Kevin sagte, dass auch er selbst nicht dachte, dass es ein Hit werden würde.

Warum wurde es dann ein Hit?

Weil alle nach einem Signal jagten, jagte OpenAI nach einem anderen Signal.

Ende 2022 jagten alle Labore hinter leicht quantifizierbaren Zahlen: höhere Parameterzahlen, bessere Benchmarks und fortschrittlichere Architekturen. Aber das war Rauschen.

Das Signal, auf das OpenAI geachtet hat, war:

Können normale Menschen es ohne technisches Vorwissen nutzen?

Ist die Interaktion natürlich genug?

Kann es ein alltägliches Werkzeug werden?

Das sind die echten Bedürfnisse.

Die Änderungen an ChatGPT waren minimal: ein altes Modell, RLHF und ein Eingabefeld. Technisch gesehen gab es keinen Durchbruch. Aber es ermöglichte es erstmals normalen Menschen, direkt mit KI zu kommunizieren, ohne technisches Vorwissen.

Kevin sagte klar:

„Es ist nicht das stärkste Modell, das wir je gesehen haben, aber es hat erstmals die KI in das Leben der Nutzer gebracht.“

Nach seiner Ansicht haben diese Chancen drei Merkmale:

Die technische Fähigkeit reicht bereits aus.

Aber niemand hat sich ernsthaft um die Verwendungsmöglichkeiten bemüht.

Es wird ignoriert, weil es zu gewöhnlich, zu grundlegend und nicht spannend genug scheint.

Diese Chancen erscheinen nicht auf den Trendlisten und lassen sich nicht in großartige Geschichten einpacken, aber sie könnten Märkte im Wert von Billionen von Dollar eröffnen.

Das Wichtigste ist: Wie erkennt man solche Chancen?

Abschnitt 4 | Drei Kriterien zur Erkennung echter Signale

Dafür gab Kevin drei Beurteilungskriterien.

Kriterium 1: Betrachten Sie die Lücke zwischen Fähigkeit und Nutzung

Er sagte: Es ist nicht, dass die KI nicht stark genug ist, sondern dass viele Menschen nicht wissen, wie man sie richtig nutzt.

Was bedeutet das? Es bedeutet, dass die Chancen nicht auf der Fähigkeitsseite liegen, sondern auf der Nutzungsseite.

Er führte das Beispiel des Langzeitgedächtnisses an. Aktuelle große Modelle können zwar kommunizieren, aber sie können die Gesprächsgeschichte nicht behalten. Benutzer müssen jedes Mal den Hintergrund erneut erklären, und die KI ist wie ein ständig betrunkener „Azubi“.

Kann das technisch gelöst werden? Vollkommen. Man muss nur Datenpipelines, Inhaltskompression und Verlaufsaufzeichnungen implementieren.

Aber niemand tut es.

Warum? Weil es nicht in wissenschaftlichen Artikeln auftaucht und keine Medienaufmerksamkeit erregt.

Kevin sagte: Viele Menschen wollen diese Aufgabe nicht übernehmen, weil es wie kleine Reparaturen aussieht, nicht wie Schaffung. Aber das ist genau das echte Signal. Weil die Nutzer es wirklich brauchen, die technische Fähigkeit reicht bereits aus, aber niemand hat es ernsthaft versucht.

Kriterium 2: Sehen Sie, wer das Rauschen macht

Wenn die Medien berichten, die Investoren hinter etwas herjagen und die großen Unternehmen Pläne schmieden, ist das wahrscheinlich Rauschen.

Das ist wie Kevin's Entscheidung vor 20 Jahren: Er machte das, was alle als nicht cool empfanden, aber es löste ein echtes Problem. Heute ist es das Gleiche. Es gibt bereits zu viele Ressourcen, die hinter den beliebten Marktsegmenten herjagen, und es ist für Sie als Unternehmer schwer, zu gewinnen.

Die echten Chancen liegen oft an den Stellen, die ignoriert werden: Die großen Unternehmen finden es zu trivial, die Medien finden es nicht aufsehenerregend genug, und die Investoren finden es nicht grandios genug.

Gerade weil es ignoriert wird, ist der Wettbewerb geringer.

Kriterium 3: Führen Sie kleine Experimente durch

Kevin sagte, dass die Kosten für die Entwicklung von Tools nie so niedrig waren. Was es heute wirklich braucht, sind Leute, die bereit sind, zu handeln.

Beispielsweise:

Lassen Sie die KI die Gesprächsgeschichte des Nutzers speichern. Bauen Sie einen einfachen Kontext-Cache und sehen Sie, ob die Nutzer es wirklich brauchen.

Erstellen Sie einen End-to-End-Prozess mit vorhandenen Tools. Verbinden Sie KI-Gespräche, Automatisierungstools und Dokumentsysteme und führen Sie einen vollständigen Zyklus durch, um zu sehen, ob es wirklich die menschliche Arbeit ersetzen kann.

Entwickeln Sie kein PowerPoint, sondern direkt ein interaktives Prototyp. Gehen Sie von der Produkterfahrung aus, nicht von der Konzeptverpackung.

Jetzt ist die beste Zeit für KI-Startups, weil Sie nicht in die Zukunft vorhersehen müssen, sondern einfach ein kleines Experiment durchführen können, um die richtige Richtung zu finden.

Das Wichtigste ist, Rauschen und echte Signale zu unterscheiden.

Verfolgen Sie Sie die leicht zu erzählenden Geschichten oder lösen Sie echte Probleme?

Abschluss | Signale sind wichtiger als Richtungen

Kevin Scott sagte, dass er nicht nach Glück sucht, sondern nur an sinnvollen Dingen arbeiten möchte.

Weil sinnvolle Dinge von sich aus klare Signale senden.

Vor 20 Jahren musste Kevin nur entscheiden: Wissenschaft oder Geschäftswelt. Heute stehen die Unternehmer vor einer komplexeren Umwelt: Medienhype, Investoreninteresse, technische Buzzwords. Was ist Rauschen? Was sind Signale?

Kevin's Methode ist: Raten Sie nicht, sondern verifizieren Sie es durch Handlungen.

Die Kosten für die Entwicklung von Tools waren noch nie so niedrig, aber das Rauschen war noch nie so viel.

Die richtigen Signale zu finden ist wichtiger als die richtige Richtung zu finden.

Quellenangaben:

https://www.youtube.com/watch?v=Vut9hUEKyfk&t=10s

https://news.microsoft.com/signal/articles/5-ai-insights-from-microsoft-cto-kevin-scott/

https://www.linkedin.com/posts/adityaagarwal3_what-did-kevin-scott-see-that-others-didnt-activity-7407467737867784193-0DGC

https://podcasts.apple.com/ie/podcast/minus-one/id1759014294

Quelle: Offizielle Medien / Online-Nachrichten

Dieser Artikel stammt aus dem WeChat-Account „AI Deep Researcher“, Autor: AI Deep Researcher, Redakteur: Shen Si, veröffentlicht von 36 Kr mit Genehmigung.