Die Wirtschaft ist träger als das Modell: Altman verschiebt den KI-Zeitplan, und genau deshalb wird es für Unternehmen unbequemer
In einem Interview mit David Senra, veröffentlicht am 23. August 2026, nennt der OpenAI-Chef die Trägheit der Wirtschaft als Grund dafür, dass die erwartete Disruption nach GPT-4 ausblieb.

Sam Altman hat seinen eigenen KI-Zeitplan nach hinten korrigiert. In einem Gespräch mit dem Podcaster David Senra, veröffentlicht am 23. August 2026, sagt der OpenAI-Chef, er habe sich beim Tempo geirrt: Nach GPT-4 sei viel weniger passiert, als er erwartet habe. Für Unternehmen fällt die Disruption damit nicht aus. Sie müssen ihre KI-Projekte nur an einer anderen Größe messen.
Das Zitat läuft seit dem 24. August durch die Berichterstattung, und es ist ungewöhnlich klar für einen Mann, der sonst gern in Superlativen spricht. „Ich dachte, als wir 2023 bei GPT-4 angekommen sind, dass sehr schnell danach viel mehr Umbruch kommen würde, dass Softwaregeschäfte sofort zu holen wären, als es dann tatsächlich der Fall war“ („I thought when we got to GPT-4, which was back in 2023, that very quickly after that there was going to be much more disruption, software businesses up for grabs right away, than it turned out to be“), zitiert ihn unter anderem die Times of India. Dann folgt der Satz, der zählt: „Ich glaube, ich habe mich in einigen Dingen geirrt, aber eines betrifft die Geschwindigkeit: Die Wirtschaft hat einfach so viel Trägheit“ („the economy just has so much inertia“).
Was genau hat Altman am KI-Zeitplan korrigiert?
Nicht die Richtung, nur das Tempo. Die Modelle würden weiter schnell besser, sagt Altman. Zurück nimmt er die Annahme, dass technische Sprünge sich zeitnah in Marktverschiebungen übersetzen. India Today fasst das am 24. August als Eingeständnis zusammen, er habe beim Zeitplan falsch gelegen.
Als Grund nennt er das Verhalten von Menschen und Organisationen. „Die Wirtschaft hat so viel Trägheit. Menschen machen weiter dasselbe, kaufen bei derselben Firma, wollen ihre Werkzeuge auf dieselbe Weise nutzen“, wird er in einer Zusammenfassung auf LinkedIn vom 24. August zitiert. Ein Analysebeitrag zum Senra-Interview arbeitet heraus, dass Altman inzwischen zwei getrennte Zeitlinien trennt: eine für die Modelle, eine für die Organisationen, die ihre Arbeit um diese Modelle herum neu bauen müssen.
Die zweite Linie ist die langsame.
Warum ist das für Unternehmen keine Entwarnung?
Weil sich der Engpass verschiebt, statt sich aufzulösen. Wenn nicht mehr die Modellfähigkeit bremst, sondern Beschaffung, Regulierung, Sicherheitsfreigaben und eingespielte Abläufe, dann sitzt der limitierende Faktor im eigenen Haus. Genau das nennen die Berichte zum Interview den „near-term bottleneck“: Deployment?Die tatsächliche Einführung eines Systems in den laufenden Betrieb, inklusive Anbindung an bestehende Software, Rechteverwaltung und Freigaben. und organisatorische Adoption.
Das dreht die Verantwortung um. Wer zwei Jahre lang auf das nächste Modell gewartet hat, kann sich künftig schlechter darauf berufen. Die Werkzeuge sind da, die Prozesse nicht. In Projekten sehe ich regelmäßig, dass ein Pilot technisch nach drei Wochen läuft und danach elf Monate in Freigabeschleifen, Rollenkonflikten und ungeklärten Zuständigkeiten hängt. Der Zeitplan, der wirklich entscheidet, ist nicht der von OpenAI.
Für die Bewertung laufender Vorhaben heißt das praktisch:
- Rechnen Sie den Business Case?Die Wirtschaftlichkeitsrechnung eines Vorhabens: erwarteter Nutzen im Verhältnis zu Kosten, Aufwand und Zeitbedarf. auf Adoptionszeit, nicht auf Modellleistung. Entscheidend ist die Zeitspanne von der Freigabe bis zu dem Punkt, an dem die Mehrheit eines Teams produktiv damit arbeitet.
- Messen Sie Nutzung, nicht Lizenzen. Ein gekaufter Zugang ohne wiederkehrende Nutzung ist ein Kostenposten.
- Behandeln Sie Change-Management?Die geplante Begleitung von Veränderungen in einer Organisation: Schulung, Kommunikation, neue Zuständigkeiten und Anpassung von Abläufen. als Projektbestandteil mit Budget, nicht als Kommunikationsaufgabe am Ende.
- Klären Sie Haftung und Freigabewege vor dem Pilot. Wer für ein falsches Ergebnis geradesteht, bestimmt das Tempo stärker als jedes Benchmark-Ergebnis?Messwert aus einem standardisierten Test, mit dem die Leistung von KI-Modellen verglichen wird. Sagt wenig über den Nutzen im konkreten Arbeitsalltag.. Bei Halluzinationen ist das längst eine Organisationsfrage, keine Technikfrage.
- Planen Sie Infrastrukturkosten mit Puffer. Wer eigene Hardware kalkuliert, rechnet schnell mit veralteten Preisannahmen.
Wem nützt die Verzögerung, wem schadet sie?
Etablierten Anbietern verschafft sie Luft. Der Analysebeitrag zum Interview betont, dass Trägheit vor allem Bestandsgeschäfte schützt: Kundenbeziehungen, Vertragslaufzeiten und Gewohnheiten wirken wie ein Schutzwall. Start-ups zahlen dafür. Sie müssen nicht bloß ein besseres Produkt bauen, sie müssen beim Kunden auch den Umbau der Prozesse mitverkaufen. Das ist ein anderes Geschäft mit anderen Verkaufszyklen.
Altman selbst sieht in der Trägheit mehr als ein Ärgernis. Sie könne den Übergang „smoother and slower“ machen und kurzfristige Schocks dämpfen. Ein Beitrag zur wirtschaftlichen Trägheit vom 23. August argumentiert ähnlich: Die Verzögerung gebe Beschäftigten und Betrieben Zeit, Abläufe neu zu bauen und umzulernen, statt sofort Stellen zu streichen.
Hier ist Vorsicht angebracht. Langsam ist nicht harmlos. Dass die Wirkung nicht bei den Stellenzahlen beginnt, sondern zuerst bei den Löhnen, macht sie nur unauffälliger, nicht kleiner. Und ein Eingeständnis zur Vergangenheit sagt wenig über die kommenden Jahre. Altman korrigiert, wie schnell es ging. Er nimmt nicht zurück, wohin es geht.
Wie sollten Sie die Aussage einordnen?
Als Datenpunkt, nicht als Fahrplan. Ein Anbieterchef, der sagt, sein Produkt habe die Welt langsamer verändert als gedacht, sagt damit auch: Kaufen Sie ruhig weiter, der Umbau kommt trotzdem. Beides kann stimmen. Trotzdem sollte niemand seine Investitionsplanung an Interviewsätzen ausrichten, egal von wem sie stammen.
Aus dem Interview bleibt eine nüchterne Diagnose: Die Kurve der Modelle und die Kurve der Betriebe laufen auseinander. Die erste kontrolliert OpenAI. Die zweite kontrollieren Sie. War Altmans Zeitplan zu optimistisch, war der Ihrer eigenen Einführung es wahrscheinlich auch, nur ohne Podcast.
Trägheit ist keine Strategie.
Häufige Fragen
Was bedeutet der korrigierte KI-Zeitplan für Unternehmen?
Unternehmen sollten kurzfristige Marktumbrüche nicht als einzige Messlatte für KI-Projekte nehmen. Altman korrigiert vor allem die Geschwindigkeit, nicht die erwartete Weiterentwicklung der Modelle. Projekte können sich deshalb lohnen, auch wenn sich Geschäftsmodelle und Anbieterlandschaften langsamer verändern als zunächst angenommen.
Warum übernehmen Unternehmen neue KI-Werkzeuge so langsam?
Altman nennt die Trägheit der Wirtschaft als Grund. Menschen kaufen weiterhin bei denselben Anbietern und nutzen Werkzeuge auf vertraute Weise. Selbst bessere Modelle führen daher nicht automatisch zu schnellen Entscheidungen. Bestehende Verträge, Abläufe und Zuständigkeiten können den Wechsel stärker bremsen als die technische Entwicklung.
Heißt das, GPT-4 habe die Erwartungen nicht erfüllt?
Nein. Altman sagt weiterhin, die Modelle würden schnell besser. Seine Korrektur betrifft den Abstand zwischen technischem Fortschritt und wirtschaftlichen Folgen. GPT-4 habe demnach nicht zwingend zu wenig geleistet; vielmehr habe er erwartet, dass Unternehmen und Märkte viel schneller darauf reagieren würden.
Woran sollten Unternehmen den Erfolg eines KI-Projekts messen?
Sinnvoll sind konkrete Abläufe statt großer Umbruchprognosen. Sie können prüfen, ob ein Team mit einem KI-Tool Zeit spart, Fehler früher erkennt oder Aufgaben verlässlich erledigt. Ebenso zählt, ob Beschäftigte das Werkzeug tatsächlich nutzen. So bleibt der Nutzen messbar, auch wenn sich der gesamte Markt langsam verändert.
Welche Rolle spielt Change-Management bei der KI-Einführung?
Die Technik allein ändert bestehende Arbeitsweisen nicht. Unternehmen müssen festlegen, wer ein KI-Tool nutzt, für welche Aufgaben es zugelassen ist und wann Menschen Ergebnisse prüfen. Klare Freigaben und Schulungen können die Trägheit in Organisationen verringern. Damit wird der Fortschritt eines Modells eher im Alltag sichtbar.
Was ist nach Altmans Korrektur als Nächstes zu erwarten?
Einen neuen konkreten Zeitplan nennt Altman in der vorliegenden Aussage nicht. Er hält an der Richtung fest: KI-Modelle sollen weiter besser werden. Offen bleibt, wann daraus größere Verschiebungen in einzelnen Branchen entstehen. Unternehmen sollten deshalb mit mehreren Zeithorizonten planen und kurzfristige Verbesserungen von langfristigen Marktprognosen trennen.
Weiterlesen
Mehr aus Strategie & Management →
KI-Wettbewerb USA China: Anbieterwahl wird Standortfrage
Die USA bereiten laut Reuters ein Schreiben an 35 Partnerstaaten vor. Es verlangt eine Entscheidung zwischen dem US-geführten und dem chinesischen KI-Ökosystem. Für europäische Unternehmen rücken Cloud, Chips und Modellwahl damit aus dem Einkauf in die Strategie.

KI-Infrastruktur: Der Boom trifft auf die Stromleitung
Der historische Anstieg der KI-Investitionen stößt an die Grenzen der physischen Welt. Parnassus-CIO Todd Ahlsten spricht von einer riskanteren Phase, und die Engpässe zeigen sich zuerst beim Strom.

KI und Führung: Der Chef muss nicht mehr alles wissen
Linda Hill von der Harvard Business School sagt, die nächste Generation von Vorständen müsse vor allem eines bauen: Organisationen, die sich anpassen. Der Job des Chefs sei nicht, alle Antworten zu haben.

Microsofts OpenAI-Abhängigkeit: 70 Prozent, eine Schätzung
Microsoft verbuchte im Geschäftsjahr bis Juni 2026 rund 24,1 Milliarden Dollar Umsatz über OpenAI. Bloomberg schätzt daraus einen Anteil von etwa 70 Prozent am KI-Geschäft. Die Zahl ist eine Ableitung, kein ausgewiesener Konzernwert.

Demis Hassabis verlässt DeepMind-Spitze: Google verliert zwei Symbole
Google DeepMind wechselt an der Spitze: Demis Hassabis gibt die operative Leitung ab, Chefforscher Jeff Dean geht nach 27 Jahren. Was das für die Strategie hinter Gemini und für Firmen im DACH-Raum heißt.

EU-KI-Rechenzentren: 30 Milliarden gegen fast 2,4 Billionen
Die EU-Kommission mobilisiert mehr als 30 Milliarden Euro für bis zu sieben KI-Gigafactories. Gemessen an den Ausgaben der US-Konzerne ist das ein Bruchteil – für DACH-Unternehmen stellt sich damit eine unbequeme Frage.