TellDear ist eine Wette auf die Zukunft der KI-Ökonomie

1965 beobachtete Gordon Moore, dass sich die Zahl der Transistoren auf einem Chip ungefähr alle zwei Jahre verdoppelte. Er sagte nicht den Personal Computer voraus, nicht das Smartphone, nicht die Cloud — aber er beschrieb die ökonomische Kraft, die all das unausweichlich machte. Die Beobachtung handelte nicht von Technologie. Sie handelte von Kosten. Und Kosten, die einmal begonnen haben, exponentiell zu fallen, verändern alles, was sie berühren.

Etwas Analoges geschieht gerade in der künstlichen Intelligenz. Nicht mit Transistoren, sondern mit Inferenz — den Kosten dafür, ein KI-Modell zum Denken aufzufordern. Und TellDear ist als Wette auf diese Kurve gebaut.

Die kollabierenden Kosten des Denkens

Im März 2023 kostete die Analyse einer Textseite mit GPT-4 rund $0,03 an API-Gebühren. Ende 2024 kostete äquivalente Leistung ein Zehntel davon. Anfang 2026 sind Modelle verfügbar, die GPT-4s Schlussfolgerungsfähigkeiten erreichen oder übertreffen, zu Kosten, die vor drei Jahren absurd erschienen wären. Der Trend verlangsamt sich nicht — er beschleunigt sich.

Das liegt nicht nur an billiger werdender Hardware (obwohl auch das zutrifft). Es ist eine Konvergenz mehrerer Kräfte: Architekturverbesserungen wie Mixture-of-Experts, die nur die für eine Anfrage benötigten Parameter aktivieren; Destillationstechniken, die große Modelle in kleinere, schnellere komprimieren, ohne proportionalen Qualitätsverlust; Inferenzoptimierungen durch Speculative Decoding, Quantisierung und KV-Cache-Tricks; und purer Wettbewerb — Dutzende Unternehmen, die darum wetteifern, das beste Modell zum niedrigsten Preis anzubieten.

Das Ergebnis ist eine Kostenkurve, die weniger nach Moores Gesetz aussieht und mehr nach den Anfängen der DNA-Sequenzierung nach Einführung der Next-Gen-Methoden: eine Klippe, keine Steigung. Was 2023 einen Dollar kostete, kostet 2026 einen Cent. Was heute einen Cent kostet, wird morgen Bruchteile eines Bruchteils kosten.

Das ist wichtig, weil Intelligenz — künstliche Intelligenz, genauer gesagt — zu einem Commodity-Input wird. Wie Strom. Wie Bandbreite. Wie Rechenleistung selbst. Und wenn ein Input zum Commodity wird, verlagert sich der Wert auf das, was man damit tut.

Was TellDear heute wirklich kostet

Werden wir konkret. TellDears Analyse-Engine untersucht Text anhand von 452 Aspekten, organisiert in sechs Dimensionen: logische Fehlschlüsse, kognitive Verzerrungen, rhetorische Techniken, statistische Fehler, epistemologische Probleme und strukturelle Schwächen. Auf der Tiefenstufe „Gründlich" umfasst eine vollständige Analyse mehrere Durchgänge über den Text — Muster identifizieren, Aspekte querverweisen, Argumentationsstruktur bewerten und einen detaillierten Bericht generieren.

Heute kostet eine gründliche Analyse eines typischen Meinungsartikels ungefähr $0,15–0,30 an Inferenz. Das ist in absoluten Zahlen nicht teuer — billiger als ein Kaffee, billiger als ein einzelner Google-Werbeklick. Aber es summiert sich. Wollte man jeden Artikel einer Tageszeitung analysieren, wären das $15–30 pro Tag. Wollte man eine politische Debatte in Echtzeit analysieren, bräuchte man mehrere parallele Inferenzaufrufe, die 90 Minuten lang kontinuierlich laufen. Die Kosten wären erheblich.

Diese Ökonomie bestimmt, was TellDear heute anbieten kann. Die Analyse-Linsen sind leistungsstark, aber nicht instantan. Die Tiefenstufen existieren teilweise, weil tiefere Analyse mehr kostet. Das System ist auf Gründlichkeit und Genauigkeit ausgelegt — operiert aber innerhalb der Grenzen aktueller Preise.

Nun stellen Sie sich vor, diese Grenzen lösen sich auf.

Die Moore's-Law-Wette

TellDear ist architektonisch für eine Zukunft konzipiert, in der Inferenz nahezu kostenlos ist. Das ist kein Optimismus — es ist Engineering für die Trajektorie.

Betrachten wir, was passiert, wenn die Kosten einer gründlichen Analyse von $0,25 auf $0,01 fallen. Plötzlich kostet die Analyse jedes Artikels einer Zeitung weniger als die Zeitung selbst. Bei $0,001 pro Analyse könnte eine Browser-Erweiterung jeden Artikel, den Sie an einem Tag lesen, für insgesamt weniger als einen Cent bewerten. Bei $0,0001 wird Echtzeitanalyse von gesprochener Sprache ökonomisch trivial — ein laufender Kommentar zu einer politischen Debatte, der Strohmann-Argumente, falsche Dichotomien und Appelle an die Angst in dem Moment markiert, in dem sie fallen.

Jede Größenordnung an Kostenreduktion macht nicht nur bestehende Funktionen billiger. Sie erschließt völlig neue Anwendungsfälle, die zuvor undenkbar waren.

Die Fähigkeiten-Kaskade

Bei heutigen Preisen (~$0,15–0,30 pro gründlicher Analyse):

• Einzelne Artikel, auf Anfrage analysiert
• Drei Tiefenstufen zur Steuerung des Kosten-Qualitäts-Kompromisses
• Batch-Analysen machbar, aber nicht beiläufig

Bei 10× günstiger (~$0,015–0,03):

• Browser-Erweiterungen, die jeden geöffneten Artikel analysieren
• „Immer aktive" Analyse für Nachrichtenleser
• Werkzeuge im Klassenzimmer, bei denen jeder Schüler jeden Text analysiert, jeden Tag
• Die Anwendungsfälle im Unterricht werden kostenlos genug, um universell zu sein

Bei 100× günstiger (~$0,0015–0,003):

• Echtzeitanalyse von Live-Sprache und Video
• API-Integration für Social-Media-Plattformen (irreführende Posts beim Eingang kennzeichnen)
• Kontinuierliches Monitoring von Nachrichtenquellen auf rhetorische Verschiebungen
• Die Art von journalistischer Analyse, die heute bewussten Aufwand erfordert, wird ambient

Bei 1000× günstiger (~$0,00015–0,0003):

• Jede E-Mail, jeder Tweet, jeder Kommentar — passiv analysiert
• Argumentationsqualitäts-Scores als Metadaten an jedem digitalen Text
• TellDear als Infrastruktur, nicht als Anwendung

Wir spekulieren nicht über tausendfache Kostenreduktionen über Jahrzehnte. Basierend auf der Trajektorie von 2023 bis 2026 haben wir bereits eine Reduktion der effektiven Inferenzkosten um das 30- bis 50-fache bei äquivalenter Leistung erlebt. Weitere 20× in den nächsten zwei bis drei Jahren sind konservativ, nicht optimistisch.

Die Taxonomie ist der Burggraben

Hier liegt die entscheidende Einsicht: Modelle wechseln, aber die 452 Aspekte nicht. Oder genauer: Sie ändern sich langsam und bewusst — durch intellektuelle Arbeit, nicht durch das nächste Modell-Release.

Wenn GPT-4 von GPT-5 abgelöst wird oder Claude sein Schlussfolgern verbessert, muss TellDear nicht neu gebaut werden. Die Taxonomie — das strukturierte Verständnis davon, wie ein Bestätigungsfehler in Text aussieht, wie ein Ablenkungsmanöver die Aufmerksamkeit umlenkt, warum Ausweichen sich strukturell von einem Strohmann unterscheidet — ist dauerhafte intellektuelle Infrastruktur. Bessere Modelle bedeuten bessere Erkennung derselben Aspekte. Der Wissensgraph, der die Beziehungen zwischen Aspekten abbildet, wird automatisch mächtiger, weil ein klügeres Modell ihn effektiver navigieren kann.

Das ist das Gegenteil der „Wrapper"-Kritik, die KI-Startups verfolgt. Ein Wrapper legt ein UI über ein Modell und hofft, dass das Modell dieses UI nicht nativ hinzufügt. TellDear fügt ein strukturiertes intellektuelles Framework hinzu, das kein Modell nativ enthält — weil es durch Jahre des Katalogisierens, Kategorisierens und Verbindens von Mustern menschlicher Denkfehler entstanden ist. Das Modell ist der Motor. Die Taxonomie ist die Karte. Motoren kann man tauschen. Ohne Karte kann man nicht fahren.

Wie wir in Wrapper-Ökonomie argumentiert haben, ist die Frage nicht, ob man das Modell eines anderen nutzt — sondern was man obendrauf setzt. Domänenexpertise, strukturiertes Wissen und intellektuelle Infrastruktur überleben Modellwechsel. Hübschere Oberflächen nicht.

Was das für die Mission bedeutet

TellDears Mission ist es, Werkzeuge für kritisches Denken universell zugänglich zu machen. Heute operiert diese Mission unter Einschränkungen: Analyse kostet Geld, was bedeutet, dass sie entweder Nutzer Geld kostet oder subventioniert werden muss. Beides skaliert nicht zu „universell".

Aber die ökonomische Trajektorie löst dieses Problem ohne Wohltätigkeit. Wenn Inferenzkosten um zwei oder drei Größenordnungen fallen, wird kostenlose Analyse des kritischen Denkens ökonomisch trivial — vergleichbar mit dem Ausliefern einer Webseite. Die Grenzkosten, einer weiteren Person zu helfen, klarer zu denken, nähern sich Null.

Das ist kein Geschäftsmodell-Pivot. Es ist eine Wette, dass die KI-Ökonomie zum Ehrgeiz der Mission aufschließt. Bau die Taxonomie jetzt. Bau die UX jetzt. Bau die Erkennungsqualität jetzt. Die Kostenbarriere ist temporär. Die intellektuelle Infrastruktur ist permanent.

Vergleichen wir das mit den Anfängen von Internet-Video. Im Jahr 2000 war das Streamen eines einzelnen Videos an einen einzelnen Nutzer teuer genug, um die meisten Startups in den Bankrott zu treiben. Bandbreite kostete echtes Geld. YouTube startete 2005 und blutete an Bandbreitenkosten. Aber die Kosten für Bandbreite fielen exponentiell, und YouTube wettete darauf, dass sie weiter fallen würden. Sie hatten recht. Innerhalb weniger Jahre ging Video-Streaming von „ruinös teuer" zu „praktisch kostenlos." YouTube erfand nicht billigere Bandbreite. Sie bauten die Infrastruktur, die wertvoll werden würde, sobald Bandbreite billig genug war.

TellDear macht dieselbe Wette — nur mit Intelligenz statt Bandbreite.

Die Geschwindigkeits-Dimension

Kosten sind nicht die einzige Variable auf dieser Kurve. Geschwindigkeit zählt gleichermaßen. Wie wir in Analyse-Geschwindigkeit untersucht haben, bestimmt die für eine gründliche Analyse benötigte Zeit direkt die Nutzererfahrung und die möglichen Anwendungsfälle.

Heute dauert eine gründliche Analyse 30–90 Sekunden, je nach Textlänge. Das ist akzeptabel für bewusste, konzentrierte Analyse. Für Echtzeit-Anwendungen ist es unbrauchbar. Man kann keinen logischen Fehlschluss in einer Debatte markieren, wenn die Markierung zwei Minuten nach dem Redner erscheint.

Aber die Inferenzgeschwindigkeit verbessert sich noch schneller, als die Kosten fallen. Techniken wie Speculative Decoding, spezialisierte Inferenz-Chips und Architekturinnovationen drücken die Latenz nach unten. Wenn eine gründliche Analyse unter zwei Sekunden dauert, transformiert sich die Nutzererfahrung. Analyse wird konversationell. Interaktiv. Ambient.

Stellen Sie sich vor, Sie lesen einen Nachrichtenartikel, während dezente Anmerkungen in den Rändern erscheinen — nicht nachdem Sie auf „Analysieren" geklickt haben, sondern automatisch, während Ihre Augen die Seite hinunterwandern. Eine sanfte Hervorhebung bei einem Absatz, der eine falsche Äquivalenz enthält. Ein Tooltip, der darauf hinweist, dass eine Statistik den Kontext vermissen lässt (siehe Wie Zahlen lügen, warum das wichtig ist). Nicht aufdringlich. Nicht belehrend. Einfach... da. Wie eine Rechtschreibprüfung für Argumentation.

Diese Erfahrung erfordert sowohl günstige als auch schnelle Inferenz. Die Kostenkurve gibt uns günstig. Die Geschwindigkeitskurve gibt uns schnell. Beide bewegen sich in die richtige Richtung.

Die unbequeme Gegenwart

Auf die Zukunft zu wetten macht die Gegenwart nicht bequem. Heute steht TellDear vor realen Einschränkungen:

• Kosten begrenzen Skalierung. Jede kostenlose Analyse ist eine Subvention. Unbegrenzte kostenlose Analyse anzubieten wäre bei heutigen Preisen finanziell nicht tragbar.
• Geschwindigkeit begrenzt UX. Die leistungsstärkste Tiefenstufe erfordert Geduld. Nicht jeder hat sie.
• Modellgrenzen begrenzen Genauigkeit. Aktuelle Modelle sind gut darin, rhetorische Muster zu erkennen, aber nicht perfekt. Sie übersehen Feinheiten. Sie halluzinieren gelegentlich Aspekte, die nicht da sind. Wie in dem KI-Slop-Problem untersucht, müssen selbst Werkzeuge, die das Denken verbessern sollen, sich gegen die Schwächen ihrer eigenen Modelle wappnen.

Das sind reale Einschränkungen. Sie sind auch temporär. Jede einzelne davon befindet sich auf einer Trajektorie zur Auflösung — nicht durch Hoffnung, sondern durch dokumentierte, messbare Trends in KI-Fähigkeit und -Kosten.

Die Frage ist nicht, ob sich diese Einschränkungen lockern. Sondern ob TellDear die richtige Infrastruktur gebaut haben wird, wenn sie es tun.

Warum jetzt bauen?

Wenn die Ökonomie dramatisch besser werden wird, warum nicht warten? Warum zu heutigen Kosten bauen, wenn die morgigen so viel niedriger sein werden?

Weil Infrastruktur Zeit braucht, und das Zeitfenster jetzt ist.

Der Wissensgraph, der 452 Aspekte in sechs Dimensionen verbindet, wurde nicht an einem Wochenende gebaut. Die Beziehungen zwischen einem Tu-quoque-Fehlschluss und Whataboutism, zwischen Ankereffekt und Framing, zwischen statistischem Rosinenpicken und Publikationsbias — diese Verbindungen repräsentieren tausende Stunden intellektueller Arbeit. Sie müssen existieren, bevor die Ökonomie das Deployment trivial macht, nicht danach.

Ebenso profitieren die Nutzererfahrung, der pädagogische Ansatz (untersucht in TellDear im Klassenzimmer) und die Erkennungsqualität von Iteration. Heutige Nutzer geben Feedback, das das System für morgige Nutzer verbessert. Der Fehlschluss-Trainer lehrt Erkennungsmuster, die mit jeder Kohorte von Lernenden verfeinert werden. Diese Lernschleife braucht Zeit, und Zeit ist die eine Ressource, die man nicht komprimieren kann.

Die Unternehmen, die auf exponentiellen Kostenkurven gewinnen, sind diejenigen, die die Infrastruktur in der teuren Phase bauen und die Kurve nach unten reiten. Die, die auf günstige Ökonomie warten, stellen fest, dass jemand anderes die Karte bereits gezeichnet hat.

Eine Wette, keine Garantie

Seien wir ehrlich: Das ist eine Wette. Wetten kann man verlieren.

Die Kostenkurve könnte sich einpendeln. Irgendein fundamentales physisches oder ökonomisches Limit könnte den Rückgang der Inferenzkosten bremsen. Regulierung könnte eingreifen. Eine geopolitische Disruption könnte die Chip-Versorgung einschränken. Das Open-Source-Ökosystem könnte in Weisen fragmentieren, die Kosten erhöhen statt senken.

Oder der Markt könnte das Problem anders lösen. Ein zukünftiges Modell könnte Analyse des kritischen Denkens nativ eingebaut haben, was eine dedizierte Taxonomie überflüssig machte. (Wir halten das für unwahrscheinlich — strukturierte dimensionale Analyse ist qualitativ anders als allgemeines Schlussfolgern — aber unmöglich ist es nicht.)

TellDear ist eine Wette darauf, dass der Trend anhält: dass Inferenz billiger, schneller und besser wird; dass strukturiertes Domänenwissen wertvoll bleibt, selbst wenn Modelle sich verbessern; und dass Menschen beim klaren Denken zu helfen eine Mission ist, für die es sich lohnt, Infrastruktur zu bauen — auch bevor die Ökonomie sie vollständig stützt.

Es ist die gleiche Art von Wette, die jedes dauerhafte Technologieunternehmen gemacht hat. Bau für dahin, wo die Kurve hingeht, nicht wo sie ist. Die Ökonomie wird die Wette entweder bestätigen oder nicht. Aber die Alternative — auf Gewissheit warten — ist keine Strategie. Es ist ein Weg sicherzustellen, dass man nichts gebaut hat, wenn die Zukunft kommt.

Das Endspiel

Stellen Sie sich eine Welt vor, in der die Analyse der Argumentationsqualität jedes Textes so billig und schnell ist wie die Rechtschreibprüfung. In der ein Schüler eine politische Rede in ein Tool einfügen und in unter einer Sekunde eine strukturierte Aufschlüsselung jedes logischen Fehlschlusses, jedes kognitiven Bias-Appells, jeder statistischen Manipulation erhalten kann — mit Erklärungen, Beispielen und Links zum Weiterlernen. In der das CMS eines Journalisten automatisch Wieselwörter, Autoritätsargumente und irreführende Präzision in eigenen Entwürfen markiert, bevor sie veröffentlicht werden. In der „Wie stark ist dieses Argument wirklich?" eine Frage ist, die jeder beantworten kann, über alles, sofort, kostenlos.

Diese Welt erfordert keinen Durchbruch. Sie erfordert die Fortsetzung eines Trends, der seit drei Jahren konsistent ist und keine Anzeichen des Stoppens zeigt. Sie erfordert jemanden, der die intellektuelle Infrastruktur baut — die Taxonomie, den Wissensgraph, die Erkennungsmuster, das pädagogische Framework —, damit die Fähigkeit bereit ist, wenn die Ökonomie eintrifft.

Das ist TellDear. Kein Produkt, optimiert für die Einschränkungen von heute. Eine Wette auf die Ökonomie von morgen, gebaut mit der heutigen Überzeugung, dass kritisches Denken kein Luxus sein sollte.

Die Kurve wird uns sagen, ob wir recht haben.