Das umgekehrte Informationsparadoxon

Am 12. Juli 2026 veröffentlichte Satya Nadella, Chairman und CEO von Microsoft, einen längeren Beitrag auf snscratchpad.com, in dem er ein Konzept vorstellt, das er selbst „das umgekehrte Informationsparadoxon“ nennt. Nadella steht seit 2014 an der Spitze von Microsoft und hat den Konzern in dieser Zeit zu einem der größten Investoren und Infrastrukturanbieter im Bereich künstlicher Intelligenz gemacht – nicht zuletzt durch die enge Partnerschaft mit OpenAI. Wenn ausgerechnet er vor den Risiken warnt, die Unternehmen beim Einsatz von KI-Modellen eingehen, hat das Gewicht: Er sitzt an der Quelle und kennt beide Seiten des Geschäfts.

Worum es in dem Beitrag geht

Nadella knüpft an ein klassisches Konzept des Wirtschaftsnobelpreisträgers Kenneth Arrow an: Das „Informationsparadoxon“. Arrow beschrieb das Dilemma eines Verkäufers von Wissen, der seinen Kunden erst zeigen muss, was er anzubieten hat, damit dieser den Wert erkennt – wodurch der Kunde die Information im Grunde schon besitzt, bevor er dafür bezahlt hat. Nadellas These: Im Zeitalter der KI hat sich dieses Problem umgekehrt. Nicht mehr der Verkäufer, sondern der Käufer eines KI-Modells riskiert, sein wertvollstes Gut preiszugeben – nämlich das eigene, proprietäre Wissen, das nötig ist, damit das Modell überhaupt nützlich wird. Je besser ein Modell auf ein Unternehmen zugeschnitten sein soll, desto mehr unternehmensinternes Wissen muss in Prompts, Korrekturen und Arbeitsabläufe fließen – und genau diese „Abfallprodukte“ der Nutzung lernen die Modellanbieter über die Zeit hinweg mit.

Warum das für Unternehmen in Europa besonders relevant ist

Für Unternehmen in Europa trifft dieser Gedanke einen empfindlichen Punkt, aus mehreren Gründen gleichzeitig.

Die großen KI-Modelle, auf die europäische Unternehmen heute überwiegend angewiesen sind, stammen fast ausnahmslos von amerikanischen Anbietern. Das bedeutet, dass institutionelles Wissen – Prozessdetails, Kundendaten, interne Entscheidungslogiken, ja sogar die Art, wie ein Unternehmen Fehler korrigiert und daraus lernt – potenziell außerhalb der eigenen Kontroll- und Rechtssphäre landet. Anders als bei klassischem Datenschutz, wo es um explizit gespeicherte personenbezogene Daten geht, beschreibt Nadella hier etwas Subtileres: Implizites, über Zeit destilliertes Erfahrungswissen, das durch bloße Nutzung entsteht und das man rechtlich kaum „zurückfordern“ kann.

Europäische Unternehmen sind traditionell stark im Mittelstand, in hoch spezialisierten Nischen und in Branchen mit langen Innovationszyklen – vom Maschinenbau bis zur Pharmaindustrie. Genau dieses spezifische Fachwissen, das über Jahrzehnte aufgebaut wurde, ist der eigentliche Wettbewerbsvorteil. Wenn dieses Wissen über KI-Interaktionen schleichend abfließt, verlieren Unternehmen langfristig genau das, was sie einzigartig macht – ohne dass ein einzelner Vorfall je wie ein „Datenleck“ aussehen würde.

Worauf Unternehmen also achten sollten: Verträge mit KI-Anbietern sollten explizit regeln, ob und wie Prompts, Korrekturen und Nutzungsspuren zum Training verwendet werden dürfen. Es lohnt sich, in eigene, abgeschottete Lernumgebungen zu investieren, in denen Modelle zwar an echten Arbeitsabläufen feinjustiert werden, das entstehende Wissen aber im Unternehmen bleibt. Und es lohnt sich, die Steuerungsebene (welches Modell wann für welche Aufgabe eingesetzt wird) von einzelnen Anbietern zu entkoppeln, statt sich in eine Abhängigkeit von einem einzigen Modell zu begeben.

"Wer Gas geben will, sollte wissen, wie man bremst"

Diese alte Faustregel aus dem Motorsport passt erstaunlich gut auf die aktuelle KI-Adoption in Unternehmen. Viele Organisationen konzentrieren sich derzeit fast ausschließlich aufs Gaspedal: Schneller Rollout, mehr Automatisierung, mehr Produktivität, mehr Modelle im Einsatz. Das ist nachvollziehbar – der Wettbewerbsdruck ist real.

Doch Geschwindigkeit ohne eine funktionierende Bremse führt unweigerlich in den Kontrollverlust. Die „Bremse“ in diesem Kontext ist genau das, was Nadella als Vertrauensgrenze beschreibt: Die Fähigkeit, jederzeit zu wissen und zu steuern, welches Wissen das Unternehmen verlässt, wer Zugriff auf welche Interaktionsdaten hat, und die Möglichkeit, den Anbieter zu wechseln, ohne die eigene Lernhistorie zu verlieren. Ohne diese Bremse wird jede zusätzliche Beschleunigung – jeder neue Anwendungsfall, jedes zusätzliche Modell – zu einem zusätzlichen Risiko, das sich erst dann bemerkbar macht, wenn es zu spät ist: wenn ein Wettbewerder plötzlich über Wissen verfügt, das eigentlich nur im eigenen Haus hätte entstehen dürfen.

Für Unternehmen bedeutet das ganz konkret: Bevor man die nächste KI-Initiative startet, sollte man sich fragen, ob man auch weiß, wie man sie wieder stoppen, eingrenzen oder rückgängig machen kann – rechtlich, technisch und organisatorisch. Erst wer diese Kontrolle hat, kann guten Gewissens aufs Gas treten.