Am 20. Mai 2026 veröffentlichte Thariq Shihipar aus dem Claude-Code-Team bei Anthropic seinen Text Using Claude Code: The Unreasonable Effectiveness of HTML. Kurz zuvor hatte Andrej Karpathy denselben Gedanken auf X veröffentlicht und den Praxistipp formuliert: Output einfach als HTML-Datei speichern lassen („at the end of your query ask your LLM to „structure your response as HTML“, then view the generated file in your browser. I’ve also had some success asking the LLM to present its output as slideshows, etc.“).
Innerhalb weniger Tage verschiebt sich damit etwas, das im KI-Alltag vieler Wissensarbeiter:innen fast schon wie ein Standard wirkte. Markdown war in den letzten Monaten das naheliegende Format: Es ist leicht, portabel, schnell erzeugt, gut anschlussfähig an Obsidian und andere Wissenssysteme und eben auch an KI-Workflows. Jetzt zeigt sich, dass das aber offensichtlich nur ein Provisorium war.
An solchen Verschiebungen zeigt sich sehr deutlich und damit sehr gut, wie man generative KI im Jahr 2026 betrachten sollte. Die Halbwertszeiten sind extrem kurz; es gibt quasi keinen „stabilen“ Wissensvorsprung bzw. wenn es einen solchen gibt, hält er sich selten lange.
Viele stellen trotzdem immer noch dieselbe Frage und kreisen um ihren vermeintlichen Rückstand: Bin ich schon zu spät? Habe ich genug verstanden? Muss ich erst noch Wissen aufholen, bevor ich ernsthaft einsteigen kann? Diese Denkweise passt aber halt schlecht zu einem Feld, in dem sich schon das Format des sinnvollen Outputs innerhalb weniger Monate verschiebt und plötzlich etwas ganz anderes gilt.
Wer Markdown bisher nicht systematisch gelernt hat, hat dadurch also wenig verloren. Wenn sich der Output-Standard jetzt in Richtung HTML bewegt und in ein paar Monaten ggf. auch schon wieder ganz anders aussieht, dann wäre auch dieses wiederum vermeintlich versäumte Wissen nur von kurzer Dauer gewesen. Karpathy skizziert die Entwicklung nämlich wie folgt: raw text → markdown → HTML → interactive neural videos. HTML ist damit, ebenso wie Markdown, nur ein Zwischenschritt.
Anja Wagner schreibt dazu in ihrem Blogpost – und für mich ist das ein ganz wunderbarer und m. E. sehr wahrer Gedanke: „Handlungsfähigkeit im KI-Zeitalter bedeutet nicht Vorsprung, sondern Gelassenheit“. Darin, dass sich so viel in so kurzer Zeit ändert, liegt am Ende nämlich auch etwas sehr Entlastendes, wenngleich dies vielleicht erst einmal paradox anmutet: Selbst wenn ich mal etwas nicht mitbekommen habe, ist das nicht schlimm. Ich kann jederzeit (wieder) einsteigen und habe quasi nichts verpasst. Gelassenheit heißt, sich nicht an ein Tool, ein Format oder einen aktuellen Hype zu klammern. Gelassenheit heißt auch, die Bewegung als Normalzustand zu begreifen. Wer das einmal verstanden hat, beschäftigt sich mit der Rückstandsfrage meist sehr viel kürzer.
Anja Wagner hat diese Woche nochmals einen Blogpost veröffentlicht, der sehr gut in diese Argumentation passt. Sie schreibt: „Der teuerste KI-Fehler [besteht darin], Wissen über KI [zu] sammeln, statt damit zu arbeiten“. In Organisationen gelten als Fortschritt oft Einführungskurse, Richtlinien, Pilotprojekte und Präsentationen, so Anja Wagner. Das sind Sichtbarkeitsnachweise. Sie sagen aber wenig darüber aus, ob Menschen in der Organisation auch ein belastbares Urteil darüber entwickeln, was diese Technologie im eigenen Arbeitskontext tatsächlich verändert.
Und hier liegt die Verbindung zur Schnelligkeit der technologischen Veränderung: Gerade weil sich Standards, Tools und Interfaces so schnell verschieben, verliert angehäuftes KI-Wissen auf Distanz schnell an Wert. Bis es durch Workshops, interne Formate und Seminarkataloge gelaufen ist, hat sich das Feld oft schon (sehr) weiterbewegt, argumentiert Anja Wagner zurecht. Der Inhalt kann dabei immer noch stimmen, kommt jedoch in einer Lage an, die schon wieder eine andere ist.
Anja Wagner führt hierfür Andrej Karpathy selbst als gutes Beispiel an: Er hat OpenAI mitgegründet, Teslas Autopilot-Team aufgebaut und zählt seit Jahren zu den technisch stärksten Stimmen in diesem Feld. Im Januar schrieb er, Claude Code habe seine Art zu programmieren stärker verändert als alles andere in seiner zwanzigjährigen Karriere. Erst schrieb er den Großteil seines Codes selbst, wenige Wochen später ließ er die KI den Großteil erledigen. Er beschrieb offen, dass ihn das Ego kostete. Genau deshalb ist der Fall interessant. Selbst in dieser Nähe zur Technologie entsteht Urteilsvermögen erst durch Praxis, Reibung und veränderte Gewohnheit.
Wer nur über KI spricht, sammelt Begriffe. Wer mit KI arbeitet, entwickelt ein Gespür für Richtung, Tempo, Grenzen und Einsatzpunkte. Dieses Gespür lässt sich auch nicht delegieren, sondern entsteht nur im Tun selber. Deshalb lösen Organisationen ihr KI-Problem auch nicht durch noch mehr Wissensvermittlung. Was es stattdessen braucht, ist das Arbeiten an eigenen Aufgaben, mit den eigenen Dokumenten, den eigenen Qualitätsmaßstäben. Nur dann kann ich die Fähigkeit erwerben, mich in der Bewegung zu orientieren – und genau auf diese kommt es an.
Die besseren Entscheidungen werden in den nächsten Jahren von den Menschen kommen, die Veränderungen früh genug sehen und ihren Arbeitsmodus daran anpassen. Dafür braucht es kein vollständiges Wissen (das es ja ohnehin nicht gibt), sondern eigenes Tun, Urteilskraft und Gelassenheit.