{"id":1360483,"date":"2026-07-09T17:11:50","date_gmt":"2026-07-09T16:11:50","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=news&p=1360483"},"modified":"2026-07-09T17:37:18","modified_gmt":"2026-07-09T16:37:18","slug":"token-maxing-ai-silicon-valley-lie","status":"publish","type":"news","link":"https:\/\/www.artefact.com\/de\/news\/token-maxing-ai-silicon-valley-lie\/","title":{"rendered":"Interview mit Vincent Luciani, Mitbegr\u00fcnder und Vorstandsvorsitzender von Artefact, gef\u00fchrt von Matthieu Stefani in seiner Sendung \u201cGeneration Do It Yourself\u201d"},"content":{"rendered":"
Am 5. Juli 2026, Vincent Luciani<\/a>, Mitbegr\u00fcnder und Vorstandsvorsitzender von Artefact, war zu Gast im Podcast \u201eGeneration Do It Yourself\u201c, moderiert von Matthieu Stefani<\/a>, zu einem dreist\u00fcndigen Interview. Dieses Gespr\u00e4ch gew\u00e4hrt einen Einblick in die Realit\u00e4ten hinter den Kulissen der artificial intelligence-Branche \u2013 vom unternehmerischen data governance bis hin zum tats\u00e4chlichen Stand der digitalen Souver\u00e4nit\u00e4t.<\/div>\n

1. Der Mythos vom Wettlauf um das neueste Modell (ein 3%-Standardprodukt)<\/h2>\n

Die massiven Investitionen der amerikanischen Technologiegiganten, deren Infrastrukturausgaben im n\u00e4chsten Jahr 700 Milliarden Dollar erreichen werden, st\u00fctzen eine ganz bestimmte strategische These: die Vorstellung, dass Unternehmen unbedingt deren neueste Closed-Source-Modelle erwerben m\u00fcssen, um wettbewerbsf\u00e4hig zu bleiben.<\/p>\n

Tats\u00e4chlich sind die zugrunde liegenden KI-Modelle im Jahr 2026 zu einer Massenware geworden. Der durchschnittliche Leistungsunterschied zwischen einem kostenlosen (Open-Source-)Modell und einem kostenpflichtigen (Closed-Source-)Modell betr\u00e4gt nur etwa 3%. Dennoch nutzen die meisten Unternehmen heute nur 0,0011 TP47T der tats\u00e4chlichen Leistungsf\u00e4higkeit dieser Tools. Heutzutage ist nicht das von amerikanischen Gro\u00dfkonzernen gemietete Modell der entscheidende Wettbewerbsfaktor, sondern vielmehr propriet\u00e4re 1 TP41T und Ihr unternehmensspezifischer Kontext.<\/p>\n

Vincent Luciani, Mitbegr\u00fcnder und Vorstandsvorsitzender von Artefact, sah diesen Wandel bereits 2014 voraus, als er noch bei jedem Kundengespr\u00e4ch den Begriff \u201cKI\u201d erkl\u00e4ren musste. Heute ist Artefact mit 2.500 Mitarbeitern Europas gr\u00f6\u00dftes unabh\u00e4ngiges data- und KI-Beratungsunternehmen, und seine Schlussfolgerung ist eindeutig: Ohne saubere data ist selbst das leistungsst\u00e4rkste Modell wertlos.<\/p>\n

\n

\u201cEs ist nicht die KI, die den Unterschied ausmacht, sondern die Qualit\u00e4t der data, die im Unternehmen bereits vorhanden ist\u201d, so Vincent Luciani, Mitbegr\u00fcnder und Vorstandsvorsitzender von Artefact<\/p>\n<\/blockquote>\n

2. Die \u201cToken-Maxing\u201d-Falle oder die Illusion von Produktivit\u00e4t<\/h2>\n

Der Kern der L\u00fcge liegt in einer kulturellen Praxis, die f\u00fcr das Silicon Valley \u00e4u\u00dferst lukrativ ist: \u201cToken Maxing\u201d. Tech-Giganten \u00fcben enormen Druck auf Entwickler aus, Rechenressourcen (Token) \u00fcberm\u00e4\u00dfig zu verbrauchen. Vincent Luciani verweist dabei ausdr\u00fccklich auf Jensen Huang, den Gr\u00fcnder von Nvidia, der \u00f6ffentlich behauptete, ein Entwickler, der 500.000 Dollar pro Jahr verdiene, m\u00fcsse Token im Wert von mindestens 250.000 Dollar verbrauchen. Diese Kultur ist mittlerweile so toxisch geworden, dass Ger\u00fcchte besagen, Entwickler seien allein deshalb entlassen worden, weil sie nicht gen\u00fcgend Token ausgegeben h\u00e4tten, w\u00e4hrend Start-ups Tools anbieten, mit denen Token k\u00fcnstlich verbraucht werden k\u00f6nnen, um eine hohe Aktivit\u00e4t vorzut\u00e4uschen.<\/p>\n

F\u00fcr Unternehmen der Realwirtschaft sind die finanziellen Folgen verheerend:<\/p>\n

    \n
  • Unkontrollierte Budgetexplosionen:<\/strong> Etablierte Unternehmen wie Uber haben ihr gesamtes Jahresbudget f\u00fcr KI bereits nach nur vier Monaten aufgebraucht.<\/li>\n
  • Die Gefahr autonomer Regelkreise:<\/strong> Moderne KI-Architekturen erm\u00f6glichen es autonomen Agenten, Unteragenten zu starten, um ein Problem zu l\u00f6sen. Werden diese Skripte unbeaufsichtigt gelassen, laufen sie die ganze Nacht \u00fcber in einer Endlosschleife. Vincent Luciani berichtet vom Fall eines Kunden, der aufgrund einer einzigen, schlecht formulierten analytischen Abfrage innerhalb einer einzigen Nacht eine unerwartete Rechnung in H\u00f6he von 150.000 Dollar erhielt.<\/li>\n
  • Das Produktivit\u00e4tsparadoxon:<\/strong> Das Silicon Valley preist technische Teams an, die dank KI das 7- bis 8-Fache an Codezeilen produzieren. Eine MIT-Studie belegt jedoch die Aussichtslosigkeit dieser Kennzahl: Diese Unternehmen erzielen weder h\u00f6here Ums\u00e4tze, noch bringen sie nennenswert mehr Produkte auf den Markt. \u201cToken Maxing\u201d ist oft nichts anderes als eine massive Verm\u00f6gens\u00fcbertragung aus den Unternehmenskassen auf die Server im Silicon Valley.<\/li>\n<\/ul>\n

    3. Die Illusion des Wissens und der Entscheidungsengpass<\/h2>\n

    Diese Illusion von Produktivit\u00e4t verschleiert einen kognitiven R\u00fcckgang, den Vincent Luciani anhand einer an Studierenden durchgef\u00fchrten Studie veranschaulicht. Bei der Bearbeitung einer Aufgabe (sei es in Geschichte, Mathematik oder Programmierung) erzielt die Gruppe der Studierenden, die Zugang zu KI hat, durchweg deutlich bessere Noten. Wird der Test jedoch einige Tage sp\u00e4ter ohne KI wiederholt, bricht ihre Leistung vollst\u00e4ndig ein (von einer 10 auf eine 1), da das einfache Kopieren und Einf\u00fcgen die geistige Anstrengung umgeht, die f\u00fcr das Behalten von Informationen erforderlich ist.<\/p>\n

    Genau dasselbe Ph\u00e4nomen l\u00e4sst sich auch in der Unternehmenswelt beobachten. Wenn man KI an den Anfang eines kreativen oder strategischen Prozesses stellt, f\u00f6rdert dies geistige Tr\u00e4gheit. Aus diesem Grund hat sich der operative Engpass verlagert: Es geht nicht mehr um die Produktion, sondern um Entscheidungen und Validierungen.<\/p>\n

    In der Beratung k\u00f6nnen beispielsweise Tools wie Granola (Sprach-zu-Text) und KI-Skripte innerhalb einer Minute nach Verlassen eines Kundengespr\u00e4chs ein Angebot und eine Pr\u00e4sentation erstellen. Doch Artefact verbietet seinen Beratern dies. KI darf erst ganz am Ende des Prozesses zum Einsatz kommen, und zwar ausschlie\u00dflich dazu, zuvor geleistete tiefgreifende menschliche Denkarbeit zu formalisieren \u2013 andernfalls liefert sie nichts als einen langweiligen statistischen Durchschnittswert.<\/p>\n

    \n

    \u201cDer eigentliche Engpass liegt heute nicht mehr in der Produktion, sondern in der menschlichen \u00dcberpr\u00fcfung von Entscheidungen\u201d, so Vincent Luciani, Mitbegr\u00fcnder und Vorstandsvorsitzender von Artefact<\/p>\n<\/blockquote>\n

    4. Das Gegenmittel: \u201cThe Harness\u201d und die 4 Data-Schritte<\/h2>\n

    Um dieser Gewinnfalle zu entkommen, m\u00fcssen Unternehmen auf ein strenges Kontrollsystem namens \u201cThe Harness\u201d umstellen. Dies beinhaltet die Einrichtung einer strengen Governance zur \u00dcberwachung der Rechenkosten, zur Verfolgung technischer Modellabweichungen und zur Einschr\u00e4nkung der data-Zugriffsrechte.<\/p>\n

    Um dieses Fundament zu schaffen und KI wirklich rentabel zu machen, muss man zu pragmatischen Grundlagen zur\u00fcckkehren, die in einem vierstufigen Fahrplan zur Bereinigung von data zusammengefasst sind:<\/p>\n

      \n
    • \u00dcberpr\u00fcfen Sie die Richtigkeit an der Quelle:<\/strong> \u00dcberpr\u00fcfen Sie die vorhandenen Tools. In den meisten Unternehmen fehlen grundlegende data-Daten oder diese sind fehlerhaft (beispielsweise vergisst jeder zweite Vertriebsmitarbeiter, das CRM nach einem Kundengespr\u00e4ch zu aktualisieren).<\/li>\n
    • Vereinheitlichung der Taxonomie:<\/strong> Stellen Sie sicher, dass Begriffe \u00fcberall dieselbe Bedeutung haben. Wenn ein \u201cKunde\u201d in Frankreich \u201cjemand, der bestellt hat\u201d bedeutet, in Spanien jedoch \u201cjemand, der bezahlt hat\u201d, wird die KI ungenaue data-Ergebnisse liefern.<\/li>\n
    • Domaininhaber ernennen:<\/strong> Data verliert sofort an Wert. Data muss kontinuierlich von F\u00fchrungskr\u00e4ften gepflegt werden, die f\u00fcr ihren jeweiligen Zust\u00e4ndigkeitsbereich (CRM, Personalwesen, Finanzen) direkt verantwortlich sind.<\/li>\n
    • Eine einzige zuverl\u00e4ssige Informationsquelle sicherstellen:<\/strong> Verbieten Sie dauerhaft die Dutzenden von Excel-Dateien, die zwischen Teams mit unterschiedlichen Grid-Versionen zirkulieren, und zentralisieren Sie alle Abl\u00e4ufe in einer einzigen, \u00fcbersichtlichen und abfragbaren database.<\/li>\n<\/ul>\n

      Erst wenn diese Informationsressource ordnungsgem\u00e4\u00df strukturiert ist, kann KI effektiv eingebunden werden. Sie kann dann Unternehmenssilos aufbrechen, indem sie die Bereiche Finanzen, Personalwesen, Vertrieb und Personalbeschaffung horizontal miteinander vernetzt.<\/p>\n

      5. Ignorieren Sie den Hype: Die \u00dcberlebenslektion von Artefact<\/h2>\n

      Gerade diese Disziplin angesichts des Sirenengesangs des Silicon Valley erm\u00f6glichte es Artefact, seine eigenen Krisen zu \u00fcberstehen. Im Jahr 2017, als das Unternehmen noch ein junges Unternehmen mit 50 Mitarbeitern war, gelang ihm eine Reverse-Merger-Transaktion mit Net Booster, einer b\u00f6rsennotierten Werbeagentur, die dreimal so gro\u00df war (600 Mitarbeiter in 20 L\u00e4ndern).<\/p>\n

      Die Transaktion entwickelte sich augenblicklich zu einem operativen Albtraum. Net Booster verlor in rasendem Tempo seine Bestandskunden, die Gesch\u00e4ftsf\u00fchrer der britischen Tochtergesellschaft traten am Tag nach der Transaktion zur\u00fcck, und die deutsche Tochtergesellschaft wurde von einer \u00fcberraschenden Umsatzsteuerpr\u00fcfung getroffen. Das EBITDA brach auf 400.000 Euro ein, womit das Unternehmen am Rande der gesetzlich vorgeschriebenen Insolvenz stand. In den Boursorama-Foren kam es t\u00e4glich zu heftigen Angriffen, und der Aktienkurs st\u00fcrzte auf 50 Cent ab.<\/p>\n

      Um diese schwierige Phase zu \u00fcberstehen, trafen Vincent Luciani und seine Partner eine radikale Entscheidung: Sie ignorierten alle Mitteilungen bez\u00fcglich ihres traditionellen Kerngesch\u00e4fts und setzten ausschlie\u00dflich auf data f\u00fcr Unternehmen und maschinelles Lernen. Sie senkten die Kosten, stellten den Betrieb in unrentablen L\u00e4ndern ein und nutzten das bestehende internationale Netzwerk, um data-Beratungsteams aufzubauen.<\/p>\n

      Dank dieser konsequenten Vorgehensweise gelang es ihnen, das Unternehmen wieder auf Kurs zu bringen und die Abspaltung vom B\u00f6rsenmarkt zu einem Kurs von 8 Euro pro Aktie \u2013 was einem Transaktionsvolumen von insgesamt 300 Millionen Euro entsprach \u2013 abzuschlie\u00dfen, bevor das Unternehmen in nachfolgenden Finanzierungsrunden mit den Fonds Ardian und Cinven mit \u00fcber einer Milliarde Euro bewertet wurde.<\/p>\n

      Sehen Sie sich den Podcast auf YouTube an<\/strong><\/p>\n<\/div>