Diejenigen, die Dharma AI verfolgen, wissen bereits, dass wir Spezialisierung als eines der bestimmenden Prinzipien effektiver KI-Systeme betrachten, das alles von Kosten und Leistung bis hin zu Zuverlässigkeit und Souveränität prägt. Nur wenige Arbeiten haben diesen Fall so rigoros dargelegt wie die Arbeit von Goldfeder, Wyder, LeCun und Shwartz-Ziv aus dem Jahr 2026.

In diesem Artikel untersuchen und interpretieren wir Ideen aus AI Must Embrace Specialization via Superhuman Adaptable Intelligence (Goldfeder, Wyder, LeCun, & Shwartz-Ziv, 2026). Der Konvergenzfall der Arbeit – der Optimierungstheorie, Biologie, Organisationsökonomie und maschinelles Lernen umspannt – liefert sowohl die Beweisstruktur als auch die intellektuelle Grundlage für die folgende Diskussion. Die Rahmung, Organisation und redaktionelle Synthese, die hier präsentiert werden, stammen von Dharma.

Die konventionelle Erwartung ist vernünftig: Wenn KI-Systeme leistungsfähiger werden, sollten sie auch allgemeiner werden. Größere Leistungsfähigkeit und breitere Anwendbarkeit scheinen natürliche Begleiter zu sein – mehr Ressourcen, bessere Methoden und erweitertes Training sollten Systeme hervorbringen, die sich mehr Aufgaben mit zunehmender Zuversicht nähern.

Das Muster, das tatsächlich auftritt, ist anders. Die Systeme, die in einem bestimmten Bereich die bedeutendsten Ergebnisse erzielen, sind tendenziell diejenigen, die am engsten darauf fokussiert sind. Der Durchbruch bei der Vorhersage von Proteinstrukturen kam von einem System, das für eine einzige wissenschaftliche Aufgabe entwickelt wurde. Die historischen Meilensteine der KI zeigen bei genauer Betrachtung eine intensive Ausrichtung auf bestimmte Domänen, nicht eine Ausweitung der Allgemeinheit.

Dieses Muster wiederholt sich. Es wiederholt sich über Domänen hinweg, über Jahrzehnte hinweg, über Architekturentscheidungen hinweg, die fast nichts gemeinsam haben. Ein so konsistentes Muster deutet auf eine gemeinsame Ursache hin – eine, die überhaupt nicht innerhalb der KI-Forschung entsteht.

Ein Algorithmus gewinnt, indem er zu seinem Ziel passt

Im Jahr 1997 bewiesen Wolpert und Macready etwas, das in Diskussionen über KI-Architektur selten auftaucht: Kein einziger, universeller Optimierungsalgorithmus übertrifft alle anderen bei allen möglichen Problemen (Wolpert & Macready, 1997). Der Beweis ist mathematisch, nicht philosophisch. Über alle denkbaren Probleme gemittelt, die ein Lernender bewältigen könnte, schneidet jeder Algorithmus gleich gut – und gleich schlecht – ab. Ein Algorithmus, der bei einer Verteilung von Problemen gewinnt, verliert zwangsläufig bei anderen. Die Leistung wird umverteilt, nicht vervielfacht.

Die praktische Implikation ist direkt: „Ein Algorithmus gewinnt, indem er gut zum Zielproblem passt“ (Goldfeder et al., 2026). Der Satz besagt nicht, dass Allgemeinheit unmöglich ist – er besagt, dass Allgemeinheit kein Leistungsvorteil ist. Der konsistente strukturelle Weg zu überlegener Leistung ist Konzentration: Breite gegen Passgenauigkeit eintauschen.

Dies wird schärfer, wenn endliche Ressourcen ins Spiel kommen. Jedes reale System arbeitet unter Einschränkungen – endliche Rechenleistung, endliche Daten, endliche Entwicklungszeit. Bei gegebener endlicher Energie wird ein Ansatz, der verfügbare Ressourcen auf das Lernen einer endlichen Menge von Aufgaben lenkt, besser abschneiden als einer, der dieselben Ressourcen auf eine unbegrenzte Bandbreite verteilt. Die Arithmetik ist unerbittlich: Wenn die Aufgabenmenge unbegrenzt wächst, schrumpfen die pro Aufgabe verfügbaren Ressourcen gegen Null. Universelle Abdeckung und sinnvolle Leistung stehen bei endlichen Ressourcen in direktem Spannungsverhältnis.

Die Schlussfolgerung, auf die der Satz hindeutet, ist nicht, dass Allgemeinheit schlecht ist. Sie ist enger und operativer: Wie die Arbeit feststellt, ist „universelle Allgemeinheit ein theoretisches Konzept, aber in praktischer Hinsicht ein Mythos“ (Goldfeder et al., 2026). Was den Kontakt mit realen Einschränkungen überlebt, ist nicht das System, das alles versucht – es ist das System, das zu seinem Ziel passt.

Die Mathematik etabliert dies als Vorhersage, nicht als Präferenz. Ob diese Vorhersage in der Welt jenseits der Optimierungstheorie Bestand hat, ist eine andere Frage.

Was Biologie und Märkte bereits wissen

Zwei andere Bereiche kamen zu derselben Vorhersage, bevor die Optimierungstheorie ihr einen Namen gab.

Wie die Arbeit den biologischen Fall beschreibt: Jeder Leistungsgewinn in einer Nische hat anderswo seinen Preis. Ein Generalist trägt Merkmale, die für viele Umgebungen geeignet, aber für keine optimal sind – Kompetenz, die zu dünn verteilt ist, um irgendeine bestimmte Bedingung zu dominieren. Es gibt keine Leistungsgewinne ohne Kompromisse; die in eine Fähigkeit investierten Ressourcen stehen für eine andere nicht zur Verfügung. Selektion begünstigt Designs, die an lokale Bedingungen angepasst sind, gegenüber solchen, die für eine gleichmäßige Abdeckung aller möglichen Umgebungen optimiert sind. Die Organismen, die überleben und sich fortpflanzen, sind nicht die allgemein fähigsten – sie sind die am spezifischsten angepassten. Das Ergebnis, über evolutionäre Zeiträume akkumuliert, ist nicht, dass Generalisten dominieren – es ist, dass Spezialisten Nischen füllen. Wie die Arbeit feststellt:

„Spezialisierung ist kein Zufall der Biologie; sie ist eine vorhersagbare Konsequenz begrenzter Ressourcen, konkurrierender Ziele und Umgebungen, die Leistung bei einer kleinen Teilmenge evolutionär relevanter Herausforderungen belohnen“ (Goldfeder et al., 2026).

Wettbewerbsmärkte folgen derselben Dynamik durch andere Mittel. Organisationen und Strategien, die Leistungsschwellen nicht erreichen, werden eliminiert – nicht durch Aussterben, sondern durch Austritt, Entzug von Mitteln und Ersetzung durch besser angepasste Alternativen. Wettbewerb wirkt als Selektionsmechanismus: Er verstärkt effektive Strategien und eliminiert ineffektive. Der Mechanismus hat nichts mit biologischer Selektion gemeinsam – keine Vererbung, keine Mutation, keine evolutionäre Zeitskala. Die Selektionseinheit ist nicht der Organismus, sondern die Organisation, das Produkt, die Strategie. Doch der strukturelle Druck ist derselbe: endliche Ressourcen, Leistungsanforderungen und die systematische Entfernung von Einheiten, die zu breit verteilt sind, um dort zu glänzen, wo es zählt. Konzentrierte Kapazität übertrifft verteilte Kapazität, wenn Leistungsstandards klar und konsistent sind.

Evolution und Märkte operieren durch völlig unterschiedliche Mechanismen – unterschiedliche Zeitskalen, unterschiedliche Selektionseinheiten, unterschiedliche Vererbungsmechanismen. Doch beide produzieren unter Ressourcendruck dasselbe Ergebnis: Passgenauigkeit vor Breite. Der Satz sagt dies voraus. Biologie und Märkte gelangen unabhängig voneinander dazu. Wenn ein dritter Bereich durch völlig andere Mittel zu demselben Befund gelangt, hört das Muster auf, wie ein Theorem auszusehen, und beginnt, wie etwas Allgemeineres über das Verhalten eingeschränkter Systeme zu wirken.

Maschinelles Lernen entdeckt Spezialisierung immer wieder neu

Dasselbe Muster ist im maschinellen Lernen aufgetaucht – nicht abgeleitet aus der Optimierungstheorie, sondern erreicht durch die gesammelte Erfahrung beim Bauen von Systemen und Beobachten, was sie verbessert.

Die klarste Form ist negativer Transfer: eine messbare Verschlechterung, die auftritt, wenn ein auf mehreren Aufgaben trainiertes System darunter leidet, dass diese Aufgaben konkurrieren statt kooperieren (Ruder, 2017). Wenn Aufgaben Struktur teilen, hilft gemeinsames Training. Aber wenn Aufgaben um Repräsentationskapazität konkurrieren oder während des Trainings widersprüchliche Gradienten auferlegen, fällt die Leistung bei einzelnen Aufgaben unter das, was ein dediziertes System erreichen würde. Der Gewinn an Breite wird zu einem Kostenfaktor für die Tiefe. Es ist eine dokumentierte Konsequenz der Aufteilung endlicher Kapazität auf Aufgaben, die gegeneinander arbeiten. Der Spezialist, der keiner solchen Konkurrenz ausgesetzt ist, zahlt diese Kosten nicht.

Die Architektur von Frontier-Modellen bietet eine andere Form von Evidenz. Mixture-of-Experts-Systeme erreichen ihre Breite nicht durch gleichmäßige Allgemeinheit über alle Parameter, sondern indem sie jede Eingabe an eine spezialisierte Teilmenge des Netzwerks weiterleiten – verschiedene Experten für verschiedene Aufgaben aktivieren. Diese architektonische Entscheidung spiegelt die biologischen und marktwirtschaftlichen Muster wider: Die Gesamtfähigkeit des Systems ist die Summe spezialisierter Komponenten, die jeweils für einen schmalen Ausschnitt des Problemraums optimiert sind. Der Trend zur Spezialisierung in der KI ist keine vorübergehende Phase – er ist das vorhersagbare Ergebnis eingeschränkter Systeme, die für Leistung optimieren. Solange Ressourcen endlich bleiben und Leistungsanforderungen steigen, wird die Zukunft der KI Systemen gehören, die nicht nur fähig, sondern präzise auf ihre Ziele abgestimmt sind.