> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/de/2025/w07-some-reflections-triggered-by-deepseek.md).

# W07-Gedanken, die DeepSeek ausgelöst hat

DeepSeek zeigt, welche Technologie wirklich anziehend ist. Große Offenheit und geringe Kosten beschleunigen die Entwicklung der KI grundlegend. Aus der industriellen Revolution stammt das Jevons-Paradoxon: Wenn Technik eine Ressource effizienter nutzbar macht, kann ihr Gesamtverbrauch trotzdem steigen. DeepSeek scheint dieses Muster zu wiederholen. Neue Technologien erobern und vergrößern Märkte gerade dann schnell, wenn ihre Kosten stark sinken. Die Gesamtnachfrage nach Rechenleistung und Energie wird dadurch letztlich wachsen. Das erklärt auch den Wechsel zwischen pessimistischen und optimistischen Einschätzungen zu NVIDIA Anfang des Jahres.

DeepSeeks plötzlicher Erfolg brachte eine Informationsflut. Wie filtern wir das Rauschen? Was ist wichtig, was können wir ignorieren? Die LLM-Ära beginnt, alle stehen an einem neuen Ausgangspunkt. Wie sieht der nächste Wettbewerb um Fähigkeiten aus?

Hochwertige Quellen sind die wirksamste Antwort auf die Informationsflut. Selbst gute Inhalte verzerren sich nach mehreren Weitergaben. Die meisten ursprünglichen Informationen sind gar nicht teuer zugänglich. Wir haben uns nur daran gewöhnt, sie zugeschoben zu bekommen.

Technologie verändert sich täglich. Klassiker sind das, was die Zeit übersteht. Als ich vergangenes Jahr „Hackers & Painters“ las, gab mir die über zwanzig Jahre alte Sammlung noch viele Aha-Momente. Wie Hacker leben und handeln, was gutes Design oder eine gute Sprache ausmacht, bleiben ergiebige Fragen. Kürzlich besorgte ich ein vergriffenes Buch, „Showstopper!“. Es erzählt Episoden aus Cutlers Arbeit an Windows NT und zeigt seine Wechselhaftigkeit sowie seine Fähigkeit, das Team anzutreiben und zu motivieren. Cutler gilt als einer der besten Kernel-Programmierer des Silicon Valley und schreibt mit über siebzig noch Code bei Microsoft.

Auf X beschrieb jemand das „70-Prozent-Problem“. Nichtprogrammierer erledigen mit KI schnell 70 % einer Programmieraufgabe. Bei den letzten 30 % sinkt der Nutzen, die Arbeit kommt kaum zu einem Abschluss, und man hofft nur noch, dass KI die von KI erzeugten Probleme löst. Was braucht es für diese restlichen 30 %? Geschäfts- und Kundenverständnis, architektonisches Urteil, gewachsene Denkmodelle und ein grundlegendes Verständnis des Programmierens mit KI.

In einem Einzelgespräch diskutierte ich mit einem Kollegen ausführlich, was man beim Lernen einer neuen Sprache eigentlich lernen sollte. Sicher nicht, ein zweites umfangreiches Standardlehrbuch auswendig zu beherrschen. Viele durch spezielle Bedingungen entstandene Begriffe und Regeln sind wenig wertvolles Wissen, das sich kaum übertragen lässt. Wir sollten uns nicht zu sehr in Werkzeugen und Regeln verlieren, sondern auf Wissen achten, aus dem Urteilskraft entstehen kann.