Im Mai 2025 sagte Daario Amade, CEO von Anthropic, dass KI innerhalb von 1 bis 5 Jahren die Hälfte der einfachen Büroarbeitsplätze ersetzen und die Arbeitslosigkeit auf 20 % ansteigen lassen werde. Das war vor einem Jahr. Bis zum Jahr 2026 gibt es noch immer kaum Anzeichen dafür, dass KI irgendwelche Arbeitsplätze ersetzen wird, geschweige denn die Hälfte der Angestellten im Büro. Es ist schwer zu sagen, ob die KI-Manager tatsächlich an das glauben, was sie sagen. Sie haben ein starkes Interesse daran, die Leistungsfähigkeit ihrer Technologien zu übertreiben, um ihre bevorstehenden Börsengänge zu fördern. Im heutigen Video analysieren wir eine Reihe von realen Experimenten, die von einem Startup namens Andon Labs durchgeführt wurden. Die Medien erzählen uns ständig, dass KI in Kürze alle Arbeitsplätze übernehmen wird. Wie wir in diesem Video sehen werden, versagen die aktuellen KI- Modelle jedoch kläglich, wenn sie selbst die einfachsten Aufgaben in der realen Welt bewältigen müssen. Zu dieser Jahreszeit sind meine Allergien absolut unerträglich. Und obendrein ruiniert das ständige Naseputzen meine Haut völlig. Ich habe mich daher sehr gefreut, als mir der heutige Sponsor, FSA Store, diese beiden Dinge geschickt hat. Fllonise Allergie-Nasenspray und Aquafor Heilsalbe. Und das ist der Teil, der mich wirklich überrascht hat. Beide sind zu 100 % FSA-fähig. Wenn Sie ein FSA-Konto haben und FSAstore.com nicht nutzen, verschenken Sie wahrscheinlich Geld . Es handelt sich um den größten Online- Marktplatz, der sich ausschließlich auf FSA- fähige Produkte spezialisiert hat. Sie haben über 2.500 Artikel im Angebot, die alle garantiert erstattungsfähig sind. Sie wären überrascht, wie viele Dinge dafür in Frage kommen . Sogar Dinge wie intelligente Fitness- Tracker und Waagen, die wichtige Kennzahlen wie Körperfettanteil und Muskelmasse messen. Nie mehr im Drogeriemarktregal stehen und sich fragen, ob etwas geeignet ist. Wenn es im FSA-Shop gelistet ist, ist es berechtigt. Punkt. Was ich besonders schätze, ist, wie reibungslos der Bezahlvorgang abläuft . Sie verwenden einfach direkt Ihre FSA-Karte. Keine Belege einreichen, keine Wartezeit auf die Kostenerstattungsgenehmigung. Es ist der einfachste Weg, das Beste aus den Geldern vor Steuern herauszuholen, die Sie bereits zurücklegen . Ob Allergie- Mittel, Dinge des täglichen Bedarfs oder Artikel, von denen Sie wirklich nicht wussten, dass sie von Ihrer FSA abgedeckt werden – alles an einem Ort. Besuchen Sie fsastore.com/wsm oder scannen Sie den QR-Code auf dem Bildschirm, um mit dem Einkaufen zu beginnen. Vielen Dank an FSA Store, wo alles für das Sponsoring dieses Videos in Frage kommt. Andon Labs betreibt einen Benchmark namens Vending Bench, bei dem die wichtigsten LLMs in einem simulierten Automatengeschäft gegeneinander antreten. Das zu testende Modell übernimmt die Rolle des Betreibers, der die Preise festlegt, den Lagerbestand verwaltet, mit Lieferanten verhandelt und mit 500 Dollar auf dem Konto startet. Nach einem simulierten Jahr gewinnt derjenige mit dem höchsten Kontostand. Das aktuell leistungsstärkste Modell ist das Claude Opus 4.7. Nach einem Jahr hatte das Unternehmen sein Startkapital von 500 Dollar auf 11.000 Dollar vermehrt. Aber alle Top-KI-Modelle, ChatGpt 5.5, Kimmy K 2.6, Gemini 3 Pro und Grock 4.2, erzielten beachtliche Gewinne. Aber es gibt keine echten Verkaufsautomaten. Dieser Benchmark wird auf Basis von Simulationen berechnet. Es gibt keine echten Kunden, keine echten Lieferanten, kein echtes Geld. Bei den Lieferanten, denen LLM E-Mails schreibt, handelt es sich um andere LLM-Mitglieder, die die Rolle von Großhändlern übernehmen. Die Kunden sind eigentlich gar keine Charaktere. Die täglichen Verkaufszahlen werden anhand einer Gleichung ermittelt, die auf dem Lagerbestand, dem Preis, dem Wochentag und simulierten Wetterdaten basiert. Die einzigen Menschen in diesem System sind LLM, die sich als Menschen ausgeben. Keine KI betreibt tatsächlich ein Unternehmen. Es ist einfach nur eine Wirtschaftssimulation. Diese Art von Simulationen ist nicht unbedingt repräsentativ für das, was die KI-Modelle in der realen Welt leisten könnten. Als Analogie gibt es unzählige Wirtschaftssimulationsspiele. Nehmen wir an, ich spiele ein Supermarkt-Simulationsspiel und bin richtig gut darin. Mein Supermarkt erwirtschaftet eine Million Dollar Gewinn. Stellt euch vor, ich bewerbe mich um eine Stelle als Supermarktleiter. Ich sage ihnen, dass ich qualifiziert bin, weil ich im Supermarkt-Simulator eine Million Dollar verdient habe . Ich würde im Vorstellungsgespräch ausgelacht werden. Es versteht sich von selbst, dass die Fähigkeiten, die zum Betrieb eines echten Supermarkts erforderlich sind, so gut wie nichts mit den Fähigkeiten zu tun haben, die man zum Spielen des Videospiels Supermarket Simulator benötigt . Ob jemand in einem Supermarkt-Videospiel gut oder schlecht ist, sagt so gut wie nichts über seine Fähigkeiten in der realen Welt aus. Im Februar 2026 veröffentlichte Andon Labs einen Blogbeitrag mit dem Titel Claude Opus 4.6 auf Vending Bench, nicht nur ein hilfreicher Assistent. Der Blogbeitrag beschrieb detailliert, wie sich Claude während des Verkaufsautomaten- Simulators verhielt. Einmal beschwerte sich eine simulierte Kundin namens Bonnie per E-Mail bei Claude darüber, dass der von ihr gekaufte Snickers-Riegel abgelaufen sei. Claude antwortete schriftlich und versprach eine vollständige Rückerstattung, entschied sich dann aber nach kurzem Überlegen stillschweigend dagegen . Bonnie meldete sich nie wieder und die Simulation wurde fortgesetzt. In der Realität läuft das nicht so ab. Eine Rückerstattung zu versprechen und diese dann nicht zu leisten, ist ein Paradebeispiel für betrügerische Geschäftspraktiken. So etwas kann dazu führen, dass ein Unternehmen nach den Verbraucherschutzgesetzen des jeweiligen Bundesstaates verklagt oder von der FTC untersucht wird. Und das setzt voraus, dass der Kunde überhaupt den offiziellen Weg wählt. Im wirklichen Leben hat Bonnie mehrere Möglichkeiten. Sie kann eine Ein-Sterne-Bewertung bei Google hinterlassen. Sie kann in sozialen Medien posten. Sie kann die Abbuchung bei ihrem Kreditkartenunternehmen anfechten. Die Kreditkartenfirma würde mit ziemlicher Sicherheit Bonnie Recht geben, da sie die E-Mail-Korrespondenz vorlegen kann, in der Claude die Rückerstattung versprochen hat. Wenn Claude sich im wirklichen Leben so verhalten würde, würden sich die Kreditkartenrückbuchungen häufen und er würde vom Zahlungsdienstleister gesperrt werden. Keine dieser Konsequenzen tritt in der Anton-Simulation auf. Es gibt keine Rezensionen, keine Rückbuchungen, keine Regulierungsbehörden, keine sozialen Medien. Claude kam nicht ungeschoren davon, als er Bonnie prellte, weil es clever war. Es kam damit durch, weil die Simulation keinen Mechanismus hatte, um entdeckt zu werden. Eine interessante Sache an den Simulationen ist, dass Andon sie parallel ausführt. Claude, ChatGBT, Gemini und die anderen LLMs operieren gleichzeitig in derselben simulierten Welt. Während der Simulation schickte Claude E-Mails an die von ChatGBT und Gemini betriebenen Verkaufsautomaten . Claude schlug ein Preisabsprachesystem vor, bei dem alle Beteiligten vereinbaren, ihre Preise zu erhöhen, um so höhere Gewinne zu erzielen. Hierbei gibt es zwei Probleme. Preisabsprachen sind eindeutig illegal und gehören zu den wenigen Kartellrechtsverstößen, die für Unternehmensleiter zu Gefängnisstrafen führen können. Vor einigen Jahren wurde beispielsweise der CEO von Bumblebee Foods, dem Unternehmen, das Chicken of the Sea, Thunfischkonserven, vertreibt, zu einer Haftstrafe von mehr als drei Jahren verurteilt . Er verschwor sich mit ihrem größten Konkurrenten, Sarcus Tuna, um eine Preisabsprache zu treffen. Claudes Preisabsprachen waren nicht nur illegal, sie wären auch in der Realität nicht effektiv gewesen . Wäre der Preisabsprache-Skandal von Chicken of the Sea nicht aufgedeckt worden, hätte er funktioniert. Chicken of the Sea und Starissist haben beide einen sehr großen Marktanteil. Zusammen hätten sie ein nahezu vollständiges Monopol. Sie wären in der Lage, künstlich hohe Preise festzulegen. Den Konsumenten bliebe keine andere Wahl, als zu zahlen, da es kaum Alternativen gäbe. Claude betrieb einen einzelnen Verkaufsautomaten zusammen mit zwei anderen Verkaufsautomatenbetreibern. Drei Verkaufsautomaten haben nicht genügend Marktanteil, um in der realen Welt Preise festzulegen . Die in Andon-Simulationen erzielten Gewinne haben mit der Realität nichts zu tun, da Claudes Geschäftsstrategien sowohl illegal als auch ineffektiv wären. Im Jahr 2025 ging Andon Labs eine Partnerschaft mit Anthropic ein, um ein reales Experiment namens Project Fend durchzuführen. Das Geschäft war ein kleiner, automatisierter Laden, der in den Büroräumen von Anthropic in San Francisco eingerichtet war. Das Mastermind hinter dem Unternehmen war ein KI- Agent namens Claudius, der auf dem KI-Modell Anthropic Sonnet 3.7 basierte. Das Geschäft bestand aus einem Minikühlschrank mit integriertem Schrank und einem angeschlossenen Tablet-Computer, über den man mit Claudius interagieren konnte. Die Mitarbeiter von Anthropic können über Slack mit Claudius kommunizieren. Sie könnten Artikel anfordern, die sie kaufen möchten. Claudius würde mit Großhändlern kommunizieren, um die Produkte zu beschaffen und sie in den Schrank und den Minikühlschrank liefern zu lassen. Die Großhändler, die Claudius per E-Mail kontaktiert hatte, waren gar keine echten Großhändler. Es handelte sich um Mitarbeiter von Andon Labs, die die Rolle von Lieferanten spielten. Als Claudius eine Bestellung aufgab, ging ein Mitarbeiter von Andon hinaus, kaufte die Artikel und füllte den Kühlschrank von Hand wieder auf. Der Laden funktionierte ausschließlich nach dem Vertrauensprinzip. Den Mitarbeitern von Anthropic wurde vertraut, dass sie nach Erhalt eines Artikels per Venmo bezahlen konnten. Nichts hinderte irgendjemanden daran, sich einfach Gegenstände zu nehmen, ohne zu bezahlen. Claudius verlor im Laufe des Monats etwa 200 Dollar. Dies war ein ziemlich bemerkenswertes Scheitern, da das Unternehmen in einem freundlichen Büroumfeld mit gut bezahlten Mitarbeitern arbeitete, die aktiv an dem Experiment teilnehmen wollten. Claudius verteilte kostenlos Artikel, wenn Mitarbeiter freundlich darum baten. Sie ließ sich zu Rabattcodes überreden und vergaß dann, dass sie beschlossen hatte, diese nicht mehr anzubieten. Das Unternehmen verkaufte Wolframwürfel, die unter den Mitarbeitern von Anthropologie zu einem Insiderwitz wurden, für weniger Geld, als es dafür bezahlt hatte. Es forderte Kunden auf, Zahlungen an ein nicht existierendes Venmo-Konto zu senden, da es den Benutzernamen halluziniert hatte. Anthropic veröffentlichte im Dezember 2025 ein Video über Project Bend auf ihrem YouTube-Kanal. Ich bin ehrlich gesagt überrascht, dass sie die Ergebnisse öffentlich gemacht haben, denn sie verdeutlichen auf schmerzhafte Weise die Grenzen aktueller KI-Systeme. Ungefähr zur gleichen Zeit organisierten Anthropic und Andon Labs ein sehr ähnliches Experiment, das in den Büroräumen des Wall Street Journal stattfinden sollte. Zudem wurde bei der Auslieferung durch Mitarbeiter von Andon Labs auf das Vertrauensprinzip gesetzt. Die Ergebnisse waren sogar noch schlechter als das Experiment im anthropologischen Büro. Die Mitarbeiter des Wall Street Journal konnten Claudius leicht dazu bringen, absurde Dinge zu tun, wie zum Beispiel PlayStations zu bestellen und sie kostenlos zu verschenken. Seit Kurzem führt das Andon Lab Experimente durch, die den Bedingungen der realen Welt viel näher kommen. Im April 2026 eröffneten sie das Andon Cafe in Stockholm, Schweden, und übergaben die tägliche Geschäftsführung einer KI- Agentin namens Mona. Mona wird von Googles Gemini 3.1 Pro angetrieben. Dies ist Googles neuestes, fortschrittlichstes und teuerstes KI-Modell. Die KI ist zuständig für die Einstellung von Mitarbeitern, die Verhandlung mit Lieferanten, die Bestellung von Warenbeständen, die Einholung von Genehmigungen für die Lebensmittelverarbeitung und die Außengastronomie, den Abschluss von Strom- und Internetverträgen sowie für strategische Geschäftsentscheidungen. Positiv zu vermerken ist, dass es einige wirklich beeindruckende Dinge geschafft hat. Es erstellte eine Stellenanzeige auf LinkedIn und stellte zwei menschliche Mitarbeiter ein. Mona interviewte die Bewerber telefonisch mithilfe eines Text-to-Voice-Tools. Es war auch möglich, einen Stromanschluss bei einem örtlichen Energieversorger zu beantragen. Mit menschlichen Mitarbeitern ist es zumindest physisch möglich, dass die KI diesen Laden selbstständig betreibt. Die Mitarbeiter können den Kaffee zubereiten und mit den Kunden interagieren. Es beruht nicht auf dem Ehrenkodex wie die Experimente von Anthropic und dem Wall Street Journal. Doch Mona traf schnell Entscheidungen, die ein richtiges Café in den Ruin treiben würden. für ein winziges Nachbarschaftscafé mit zwei Baristas. Mona bestellte 6.000 Servietten, vier komplette Erste-Hilfe-Sets und 3.000 Gummihandschuhe. Außerdem bestellte das Unternehmen 15 kg Dosentomaten, obwohl auf der Speisekarte keine Dosentomaten verwendet werden. Das Muster ist bereits aus Andons früheren Arbeiten mit Claud andropic erkennbar, einem KI-Agenten, der sich wie jemand verhält, der viel über Unternehmensführung gelesen hat , aber keine Ahnung von dem eigentlichen Geschäft hat, das er führen soll. Es gilt standardmäßig die Devise: mehr ist sicherer, ohne ein wirkliches Gespür für Größenordnungen zu haben. Das Problem ist, dass LLMs nicht wirklich denken und die Welt nicht so verstehen wie ein Mensch. Ihr stochastisches Muster stimmt überein. Mona weiß, dass es darum geht, ein Café zu betreiben. Die Schulungsdaten umfassen Tausende von Artikeln, Handbüchern, Lieferantenleitfäden und Forenbeiträgen über die Funktionsweise von Restaurants. Wenn eine Kaufentscheidung ansteht, denkt sie nicht über dieses spezielle Café in dieser speziellen Gegend mit dieser speziellen Speisekarte nach. Es generiert die statistisch plausibelste nächste Aktion auf der Grundlage all dessen, was es über Cafés im Allgemeinen weiß. Cafés bestellen Tomaten aus der Dose. Cafés halten Erste-Hilfe-Sets bereit. Cafés kaufen Servietten in großen Mengen. Also bestellt Mona 15 kg Dosentomaten, vier Erste-Hilfe-Sets und 6.000 Servietten. Es verfügt über keinen internen Mechanismus, der innehält und fragt: „Moment mal, werden diese Elemente in meinem Menü tatsächlich verwendet?“ Das ist eine tiefgreifendere Einschränkung, als dass die KI einfach einen Fehler gemacht hätte. Es handelt sich um ein strukturelles Merkmal der Funktionsweise dieser Modelle. LLMs sind bemerkenswert gut im Mustervergleich, und in den meisten Fällen führt der Mustervergleich zu sinnvollen Entscheidungen. Doch die Führung eines realen Unternehmens erfordert täglich Hunderte kleiner Entscheidungen, und selbst eine geringe Fehlerquote summiert sich schnell, wenn es um echtes Geld geht. Das Café startete mit einem Guthaben von 21.000 Dollar. Nach den ersten paar Wochen hatte das Unternehmen 5.700 US-Dollar Umsatz generiert, aber 16.000 US-Dollar verbraucht und hatte nur noch 5.000 US-Dollar auf dem Konto. Abgesehen vom Geldverbrauch gibt es einige weniger greifbare Probleme, die schnell auftreten würden, wenn diese Art von KI-Managern in großem Umfang eingesetzt würden. Mona kommunizierte mit ihren beiden menschlichen Mitarbeitern per Textnachricht in Slack. Es kontaktierte die Angestellten außerhalb der Arbeitszeit und forderte sie auf, auch dann Nachtschichten zu übernehmen, wenn das Café geschlossen war. Manchmal wurden die Angestellten aufgefordert, Material mit eigenem Geld zu kaufen . Schweden hat sehr strenge Arbeitsgesetze, und dies könnte illegal sein. Zumindest würden die meisten Angestellten diese Art der Behandlung wohl nicht tolerieren. In diesem Fall verstanden die beiden menschlichen Angestellten, dass es sich bei diesem Café um ein von Andon Labs durchgeführtes Experiment handelte, und waren daher bereit, einige der exzentrischeren Anweisungen von Mona zu ignorieren. Sollten diese Systeme jedoch jemals in großem Umfang eingesetzt werden, wird dies mit Sicherheit Probleme verursachen. Das Stockholm Cafe nutzte Google Gemini 3.1 Pro und hatte zuvor Gemini 3 Pro in seiner Verkaufsautomatensimulation eingesetzt. Gemini 3, das theoretisch noch weniger leistungsfähig sein sollte als Gemini 3.1, hat den Test für Verkaufsautomaten mit Bravour bestanden. Es verwandelte 500 Dollar in einem simulierten Jahr in fast 4000 Dollar. Der eklatante Unterschied zwischen den simulierten Ergebnissen und den realen Ergebnissen aus dem Stockholmer Café verdeutlicht die Grenzen von Simulationen. Simulationen können die Komplexität und Zufälligkeit der realen Welt nicht abbilden. Diese Einschränkung gilt auch für alle KI-Benchmarks. Immer wenn eines der großen KI-Labore ein neues Modell veröffentlicht, zeigen sie die Leistung des Modells anhand verschiedener Benchmarks. Jedes neue Modell übertrifft ausnahmslos alle seine Konkurrenten, weil es so optimiert ist, dass es in jedem einzelnen Test hohe Punktzahlen erzielt. Zum Beispiel erzielt Chad GBT 5.5 bei einem Software- Engineering-Benchmark 73 %. Das bedeutet aber nicht, dass es die Arbeit eines Softwareentwicklers tatsächlich übernehmen kann. Genauso wenig wie Zwillinge ein Café führen können. Dies wirft die Frage auf, welchen Zweck Andon Labs verfolgt. Warum existiert es? Ihre realweltlichen Experimente sind kostspielig in der Durchführung und zielen nicht darauf ab, Gewinne zu erzielen. Das Unternehmen wurde 2023 gegründet und erhielt Finanzmittel vom Startup-Inkubator Y Combinator. Es handelt sich um ein kleines Start-up-Unternehmen mit nur 10 Mitarbeitern. Das erklärte Ziel des Unternehmens ist es, die Forschung im Bereich der KI-Steuerung mit realen Tests zu verknüpfen. Das Geschäftsmodell von Andon Labs ist nicht leicht zu ermitteln. Wenn ich raten müsste, würde ich sagen, dass die großen KI-Labore Andon wahrscheinlich dafür bezahlen, sowohl simulierte als auch reale Experimente mit ihren neuesten KI-Modellen durchzuführen. Andon stellt den KI-Laboren wahrscheinlich detaillierte Daten der Experimente zur Verfügung , die diese zur Verbesserung ihrer zukünftigen Modelle nutzen. Wir befinden uns nun fast vier Jahre in der KI-Blase. Doch selbst die besten KI-Modelle von heute sind noch weit davon entfernt, einen Verkaufsautomaten oder ein kleines Café steuern zu können. Aufgrund der stochastischen Natur von LLMs ist dies möglicherweise nie möglich, egal wie viele Billionen Dollar man für Rechenzentren ausgibt . Okay, Leute, das war's für dieses Video. Was halten Sie von Andon Labs? Teilt uns eure Meinung im Kommentarbereich unten mit. Wie immer vielen Dank fürs Zuschauen und wir sehen uns im nächsten Video.