Microsofts AI-Chef prognostizierte in der FT die vollständige Automatisierung von White-Collar-Arbeit bis Mitte 2027. Die Deadline ist zu früh — aber das ist kein Grund zur Entwarnung. Die eigentliche Frage ist, wer die Lernkurve gerade durchläuft.
In einem Interview mit der Financial Times, das Mitte Februar 2026 erschien, sagte Mustafa Suleyman — CEO von Microsoft AI und Mitgründer von DeepMind — einen Satz, der wochenlang die Runde machte:
„I think that we're going to have a human-level performance on most, if not all, professional tasks. So white-collar work, where you're sitting down at a computer — most of those tasks will be fully automated by an AI within the next 12 to 18 months."
Kein Journalist hat das aus dem Kontext gerissen. Suleyman hat es so gesagt. Einer der einflussreichsten AI-Köpfe der Welt, mit direktem Zugang zu Microsofts Modellen, Infrastruktur und Produkten, vor einer der meistgelesenen Wirtschaftsredaktionen der Welt.
Die Reaktionen waren vertraut: Panik auf einer Seite, Augenrollen auf der anderen. Beide Reflexe sind bequem. Beide sind falsch — wenn auch aus unterschiedlichen Gründen.
Klingt interessant?
Suleymans Deadline ist zu optimistisch — und das ist keine Entwarnung
Beginnen wir mit dem, was die Daten tatsächlich zeigen. Ende 2025 veröffentlichte die Forschungsorganisation METR eine Studie, die in der öffentlichen Debatte weit weniger Beachtung fand als Suleymans Aussage: AI machte die Arbeit von Software-Entwicklern im Schnitt 20 Prozent langsamer — weil Teams noch nicht gelernt hatten, effektiv mit den Tools zu arbeiten. Nicht weil die Technologie versagt hätte. Weil das organisatorische Lernen fehlte.
Das ist der entscheidende Riss in Suleymans These. Er spricht über technische Fähigkeit, nicht über Adoption. Autonomes Fahren ist seit Jahren technisch möglich — trotzdem sitzt kein Taxifahrer zu Hause. Zwischen dem, was eine Technologie kann, und dem, was Unternehmen damit produktiv umsetzen, liegen Integration, Prozessveränderung, Regulierung und Vertrauen. Das komprimiert sich nicht auf Kommando.
McKinseys Analyse 2025 bestätigt das Muster: 88 Prozent der Unternehmen setzen AI bereits in mindestens einer Geschäftsfunktion ein. Aber die meisten scheitern beim Skalieren. Eine kleine Gruppe von High Performers, die AI als strategische Initiative behandeln statt als isoliertes Pilotprojekt, zieht laut McKinsey dreimal häufiger transformative Vorteile heraus als der Rest. Suleymans 18-Monate-Versprechen gilt für diese Gruppe. Für alle anderen gilt noch: nicht jetzt.
Wer jetzt aufatmet, weil die Deadline unrealistisch klingt, hat den Befund falsch verstanden.
Die Lernkurve schließt sich — unabhängig davon, ob Suleyman recht hat
Suleyman steht mit seiner Richtung nicht allein. Anthropic-CEO Dario Amodei warnte im Mai 2025, AI könnte die Hälfte aller Entry-Level-White-Collar-Jobs vernichten. Im gleichen Jahr wurden laut Challenger, Gray & Christmas rund 55.000 Stellen mit AI-Bezug abgebaut. Big-Tech-Unternehmen steigerten ihre Gewinnmargen im vierten Quartal 2025 um mehr als 20 Prozent — der breitere Markt blieb laut Apollo Global Management praktisch unverändert.
Die Technologie verändert Produktivität. Aber sie tut es ungleich — und genau das ist der Punkt.
Suleymans Fehler ist nicht die Richtung, sondern die Schärfe der Deadline. 18 Monate sind kein realistischer Zeithorizont für eine breite organisatorische Transformation. Drei bis fünf Jahre? Diese Frage ist offener, als die meisten Entscheider heute zugeben würden.
Hier liegt die eigentliche Gefahr des Abwartens: nicht dass die Technologie über Nacht alles verändert, sondern dass die Unternehmen, die heute anfangen, in zwei Jahren einen strukturellen Lernvorsprung haben werden, der sich nicht mehr einholen lässt. Frühe Adopter von Cloud-Infrastruktur, von modernen Entwicklungspraktiken, von agilen Prozessen haben Vorsprünge aufgebaut, die Nachzügler nie vollständig schließen konnten. Der Wettbewerb um diesen Vorsprung findet nicht statt, wenn die Technologie „fertig" ist — er findet jetzt statt.
Wer auf den perfekten Moment wartet, hat ihn vermutlich bereits verpasst.
Software-Entwicklung ist das Labor, in dem das heute entschieden wird
Suleyman nannte Software-Engineering als das Feld, in dem der Wandel bereits läuft: „AI-assisted coding for the vast majority of their code production" — das sei schon heute Realität bei führenden Teams.
Das ist weder Übertreibung noch Science Fiction. Teams, die heute mit AI-Assistenz entwickeln, gehen nicht nur schneller durch dasselbe Playbook — sie verändern, wie Features entstehen, wie Bugs gefunden werden, wie Architekturen bewertet werden. Der Unterschied zum klassischen Entwicklungsprozess ist nicht graduell. Er ist strukturell. Wer das nicht selbst ausprobiert hat, kann es aus der Distanz nicht einschätzen.
Aber — und das ist es, was die METR-Studie brutaler als jede Prognose illustriert — das gilt nur für Teams, die gelernt haben, mit diesen Tools zu arbeiten. Nicht für Teams, die einen Copiloten-Zugang einrichten und erwarten, dass sich Produktivität von selbst einstellt.
Das ist das eigentliche Problem mit Suleymans Framing: Es suggeriert eine technologische Automatik, wo organisatorisches Lernen das eigentliche Nadelöhr ist. Die Technologie kann — aber Unternehmen müssen noch herausfinden, wie sie damit arbeiten.
Die Monate, in denen man langsamer wird, bevor man schneller wird
Für Unternehmen, die das verstanden haben, ist die Frage längst nicht mehr „Macht AI das wirklich möglich?". Sie lautet: Wie setzt man das kontrolliert und produktiv ein, ohne erst die Lernkurve zu durchlaufen, die Teams laut METR 20 Prozent Effizienz kostet — bevor sie den Boden verlassen?
Genau dieses Problem löst nopex. Als Managed Platform für AI-gestützte Softwareentwicklung bringt nopex agentische Entwicklungs-Swarms in bestehende Teams — ohne eigene Modelle betreiben, interne AI-Expertise aufbauen oder Compliance-Risiken eingehen zu müssen. Der Produktivitätsvorteil, den führende Teams bereits realisieren, ist sofort zugänglich — ohne die Monate, in denen Teams erst langsamer werden, bevor sie schneller werden. EU-Datenhaltung, Quality Gates, Human-in-the-Loop — alles inklusive.
Suleymans 18-Monate-Deadline ist wahrscheinlich zu früh. Aber Unternehmen, die auf den Beweis warten, werden feststellen, dass der Abstand bereits gebaut ist.
