Der Begriff klingt paradox, trifft aber einen realen Mechanismus: „AI will eat itself“ – die These, dass künstliche Intelligenz durch ihre eigene Dynamik ihr Wachstum bremst oder destabilisiert. Explosive Investitionen kollidieren mit Qualitätsverfall, Ressourcenknappheit und regulatorischem Gegendruck. Was als technologische Revolution begann, zeigt zunehmend die Züge einer klassischen Spekulationsblase – mit dem Unterschied, dass hier nicht nur Kapital, sondern auch gesellschaftliche Infrastrukturen auf dem Spiel stehen.

Das deutlichste Symptom der internen KI-Disruption ist der sogenannte „SaaSpocalypse“: Seit dem Höchststand im Oktober 2025 haben breit gefasste Software-Aktienindizes zeitweise rund ein Viertel ihres Wertes verloren. Der iShares Expanded Tech-Software ETF (Ticker: IGV) lag im Februar 2026 bereits 27 Prozent im Minus und steuerte auf den stärksten Quartalsverlust seit der Finanzkrise 2008 zu.^[1] Der Mechanismus dahinter ist brutal simpel – neue KI-Systeme machen ältere Softwareprodukte obsolet, bevor diese ihre Investitionskosten amortisiert haben.

Zeitgleich sorgte ein Gedankenexperiment für zusätzliche Nervosität an den Märkten. Der New Yorker Finanzblog Citrini Research veröffentlichte am 22. Februar 2026 unter dem Titel „The 2028 Global Intelligence Crisis“ ein fiktives Makro-Memo aus der Perspektive des Jahres 2028, das eine Kaskade von KI-bedingten Entlassungen, Nachfrageeinbrüchen und Kreditausfällen durchspielt.^[3]

Kritiker wie Analysten bei Goldman Sachs mahnen zur Differenzierung: Der Abverkauf von Softwareaktien im vierten Quartal 2025 (IGV: –7 % gegenüber Nasdaq-100: +3 %) sei teils durch technische Verkaufsdrücke überlagert worden, nicht allein durch fundamentale Disruption. Mahesh Saireddy, Co-Leiter der Goldman Sachs Capital Solutions Group, formulierte es auf der Bloomberg Invest Conference Anfang März 2026 so:^[4]

Sinngemäß: KI-bedingte Umwälzungen erschweren Kreditentscheidungen in den nächsten sechs bis 24 Monaten, weil in mehreren Branchen erhebliche Unbekannte herrschen – nicht nur in der Softwareindustrie, sondern auch in angrenzenden Sektoren, die von Disruption betroffen sind.

Parallel zur Marktdynamik entfaltet sich eine inhaltliche Selbstgefährdung. Zum ersten Mal werden mehr Texte von KI als von Menschen generiert. Das Ergebnis: eine Überflutung des digitalen Raums mit optimierten, aber inhaltlich hohlen Inhalten – im Fachjargon als „Slop“ bezeichnet, im politischen Kontext als „Slopaganda“.

Die Deloitte-Studie „Media Consumer Trends 2026″ (veröffentlicht März 2026, repräsentative Online-Erhebung mit rund 2.000 Befragten in Deutschland, Erhebungszeitraum Januar 2026) liefert konkrete Zahlen für die Bundesrepublik:^[5]

Die Folge: ein messbarer Rückgang des Social-Media-Konsums, insbesondere bei Nutzerinnen und Nutzern ab Mitte 50 – die ersten Altersgruppen, die ihren Konsum aktiv zurückfahren.^[5]

Hinzu kommt eine tiefere kognitive Dimension. Verschiedene Studien – darunter laufende Forschung am MIT – deuten darauf hin, dass dauerhafte KI-Nutzung kognitive Strukturen beeinträchtigt: Studierende, die Chatbots beim Schreiben nutzten, schnitten in ungestützten Tests schlechter ab als Kontrollgruppen.

In diesem Kontext ist auf die Dark-Factor-Studie von Benjamin E. Hilbig, Morten Moshagen und Ingo Zettler hinzuweisen (publiziert u. a. im Buch „Dark Factor. Die Essenz des Bösen in uns“, 2024/2025). Über zehn Jahre Forschung mit mehr als zwei Millionen Teilnehmenden weltweit messen eine universelle Bösartigkeitsskala (1–5). Der globale Durchschnitt liegt bei 2,3, Deutschland bei 2,1. Besonders auffällig: Jüngere Kohorten erzielen im Schnitt höhere Werte als ältere Altersgruppen.^[6]

Eine weitere strukturelle Widersprüchlichkeit liegt auf der Infrastrukturebene. Diverse Branchenschätzungen (u. a. IDC, Goldman Sachs) taxieren die weltweiten KI-Investitionen für 2026 auf mehrere hundert Milliarden US-Dollar – die Bandbreite der Prognosen reicht von ca. 300 bis über 500 Milliarden, je nach Definition des Begriffs „KI-Investitionen“.^[7] Doch genau die Modelle, die traditionelle Software disruptieren sollen, erfordern immense Rechenleistung und Energieressourcen. Kritiker betonen diese Kontradiktion scharf: Transformative KI-Anwendungen können nicht gleichzeitig den Bedarf an Rechenzentren fundamental infrage stellen und selbst auf massiver Infrastruktur basieren.

KI schafft dabei neue Angriffsvektoren, die bestehende Sicherheitsarchitekturen überfordern. Das BSI verzeichnet im Berichtszeitraum einen Anstieg von Exploitation-Angriffen um 38 Prozent, während die Patchgeschwindigkeit bei Perimetersystemen unverändert zu niedrig bleibt.^[8]

Regulierung soll gegensteuern. Der EU AI Act klassifiziert KI-Anwendungen nach Risikostufen: KI-Systeme mit unannehmbarem Risiko – etwa Social Scoring oder manipulative Systeme – sind seit dem 2. Februar 2025 verboten (Art. 5). Für Hochrisiko-Anwendungen, etwa im Finanzsektor, gelten strenge Compliance-Auflagen mit Umsetzungsfristen bis August 2026 bzw. August 2027.^[10] Branchenvertreter kritisieren das Regelwerk als signifikantes Innovationshemmnis, das Europas ohnehin bestehenden Rückstand weiter vertiefe. Diese Spannung – Sicherheit vs. Wettbewerbsfähigkeit – ist unaufgelöst und dürfte die politische Debatte der nächsten Jahre dominieren.

Die These „AI will eat itself“ beschreibt keine totale Selbstzerstörung, sondern einen Reifungsprozess unter erheblichen Kollateralschäden. Marktdaten, Verhaltensstudien und Sicherheitsberichte zeichnen gemeinsam das Bild einer Technologie, die schneller skaliert, als gesellschaftliche Institutionen adaptieren können. Der IBM-Kurssturz, die Slopaganda-Problematik und der BSI-Lagebericht sind keine isolierten Ereignisse – sie sind Symptome derselben Überhitzungsdynamik.

Für AML-Professionals und Compliance-Experten ist das keine abstrakte Zukunftsdebatte. KI-generierte Inhalte verändern bereits jetzt die Täuschungsinfrastruktur von Finanzkriminalität: skalierbare Phishing-Kampagnen, bei denen die von Deloitte gemessene 66-Prozent-Erkennungslücke zum Einfallstor wird; automatisierte Identitätsfälschung via Deepfake, gegen die herkömmliche KYC-Video-Ident-Verfahren blind sind; manipulative Kommunikation auf industriellem Niveau, die selbst geschulte Compliance-Analysten unter Zeitdruck täuscht. Wer die interne Disruption der KI-Branche versteht, versteht auch, welche neuen Angriffsflächen dabei entstehen – und warum regulatorisches Nachsteuern keine Option, sondern eine Notwendigkeit ist.