Ex-OpenAI-Forscher: Content wird bald für KI statt Menschen optimiert
Kurz & Knapp
- Der KI-Forscher Andrej Karpathy erwartet, dass Inhalte in Zukunft hauptsächlich für KI-Systeme statt für menschliche Leser erstellt werden.
- Die derzeit verbreiteten Formate wie Webseiten, PDFs oder Videos sind laut Karpathy für KI-Systeme ungeeignet. Neue Standards wie "llms.txt", vergleichbar mit "robots.txt" für Suchmaschinen, könnten künftig Inhalte speziell für KI leichter zugänglich machen.
- Diese Entwicklung stellt die digitale Wirtschaft vor neue Herausforderungen: Bisherige Geschäftsmodelle basieren auf direkter menschlicher Nutzung von Inhalten. Künftig müssten neue Vergütungs- und Lizenzsysteme gefunden werden, falls Inhalte immer stärker durch KI vermittelt werden.
Der KI-Experte Andrej Karpathy prognostiziert einen fundamentalen Wandel in der Content-Erstellung: Künftig werde Content primär für KI-Systeme und nicht mehr für Menschen optimiert.
Ex-OpenAI-Forscher Andrej Karpathy geht offenbar davon aus, dass Large Language Models (LLMs) zur universellen Schnittstelle für Textinhalte werden. Bei X schreibt er, dass bis dahin zwar noch der Großteil der Inhalte für Menschen geschrieben wird, aber 99,9 Prozent der Aufmerksamkeit der Optimierung für LLMs gilt und nicht mehr dem menschlichen Leser.
Diese Entwicklung werde fundamentale Auswirkungen auf die Art haben, wie Dokumentationen und andere Inhalte strukturiert werden. Als konkretes Beispiel nennt Karpathy die aktuelle Dokumentationspraxis: "99 Prozent aller Bibliotheken haben noch Dokumentationen, die im Wesentlichen zu einigen hübschen HTML-Seiten rendern, durch die ein Mensch klicken soll."
Im Jahr 2025 sollte die Dokumentation stattdessen aus einer einzigen Projektdatei bestehen, die für das Kontextfenster eines LLMs optimiert ist.
Technische Hürden beim Formatwechsel
Karpathy weist darauf hin, dass die programmatische Zusammenführung von Codebasen in einzelne Dateien technisch bereits relativ einfach sei. Die größere Herausforderung liege bei Informationen, die in Formaten gespeichert sind, die für den ausschließlich menschlichen Konsum gedacht waren - wie Webseiten, PDF-Dateien, Bilder, Videos und Audio.
Diese Formate stammen aus der "Vor-LLM-Ära" und erschweren die Optimierung von Content für KI-Systeme. Der Experte sieht hier einen dringenden Bedarf an neuen Formaten und Standards, die sowohl für Menschen als auch für KI-Systeme gleichermaßen zugänglich sind.
Erste Initiativen für KI-optimierte Webstandards
Es gibt bereits einen Vorschlag für einen neuen Webstandard namens "llms.txt", der genau auf Karpathys Vision einer KI-optimierten Contentstruktur einzahlt.
Die von KI-Experte Jeremy Howard initiierte Spezifikation soll ähnlich funktionieren wie index.html für Menschen: Während index.html Nutzer zur HTML-Version einer Seite leitet, soll llms.txt KI-Systeme zur maschinenlesbaren Markdown-Version (.md) führen.
Diese Parallel-Struktur ermöglicht es Websites, sowohl menschen- als auch KI-optimierte Versionen ihrer Inhalte bereitzustellen. Der Vorschlag passt zu Karpathys Vision einer KI-optimierten Contentstruktur und wurde bereits von ersten Unternehmen wie Anthropic implementiert.
Die viel größere Herausforderung ist jedoch monetärer Natur: Bislang basiert die digitale Content-Wirtschaft auf direkter menschlicher Aufmerksamkeit, sei es durch Werbeeinnahmen oder Bezahlmodelle. Die Branche steht vor der Herausforderung, Wertschöpfungsketten und Vergütungsmodelle grundlegend neu zu denken.
Einige KI-Unternehmen wie OpenAI lizenzieren bereits Inhalte von Medienbetrieben. Allerdings verschafft ihnen das Kontrolle über die Meinungsvielfalt.
KI-News ohne Hype
Von Menschen kuratiert.
- Mehr als 20 Prozent Launch-Rabatt.
- Lesen ohne Ablenkung – keine Google-Werbebanner.
- Zugang zum Kommentarsystem und Austausch mit der Community.
- Wöchentlicher KI-Newsletter.
- 6× jährlich: „KI Radar“ – Deep-Dives zu den wichtigsten KI-Themen.
- Bis zu 25 % Rabatt auf KI Pro Online-Events.
- Zugang zum kompletten Archiv der letzten zehn Jahre.
- Die neuesten KI‑Infos von The Decoder – klar und auf den Punkt.