The Smartest Guys in the Room — und warum die Klügsten im Raum immer die Letzten sind, die es merken

Bücher — was ich lese und was ich darüber denke.

Ich verkaufe Künstliche Intelligenz. Nicht als Aktie, sondern als Beratung: Ich gehe in mittelständische Unternehmen und erkläre Leuten, dass die Maschine ihre Prozesse günstiger, schneller und besser erledigt als der Mensch, der sie bisher erledigt hat. Ich glaube das auch. Meistens.

Man sollte The Smartest Guys in the Room nicht lesen, wenn man diesen Beruf hat. Bethany McLean und Peter Elkind haben 2003 kein Buch über Bilanzbetrug geschrieben. Sie haben ein Buch über eine Firma geschrieben, die von sich selbst so überzeugt war, dass sie irgendwann nicht mehr in der Lage war, ein Nein zu hören — nicht vom Markt, nicht von der eigenen Bilanz, nicht von der Realität. Der Betrug kam später. Der Betrug war die Folge, nicht die Ursache.

Und das ist der unangenehme Teil: Der Betrug ist die einzige Sache an Enron, die nicht auf mich zutrifft.

Worum es geht

Enron war Anfang der Neunziger eine langweilige Pipeline-Firma aus Houston. Gasleitungen. Regulierter Markt, dünne Margen, Männer mit Schutzhelmen. Dann kam ein McKinsey-Berater namens Jeffrey Skilling und hatte eine Idee, die tatsächlich brillant war: Warum eigentlich Gas verkaufen, wenn man auch Verträge über Gas verkaufen kann?

Skillings „Gas Bank" machte aus Erdgas ein Finanzprodukt. Enron kaufte langfristig ein, verkaufte langfristig weiter, nahm die Spanne und das Risiko — und wurde dafür bezahlt, ein chaotisches, deregulierendes Marktsegment berechenbar zu machen. Das war keine Luftnummer. Das war eine echte Innovation, und sie funktionierte.

Von da an ging es steil nach oben. Enron wurde von Fortune sechs Jahre in Folge zum „innovativsten Unternehmen Amerikas" gekürt. Es meldete für das Jahr 2000 einen Umsatz von 100,8 Milliarden Dollar und stand auf Platz sieben der Fortune 500. Die Aktie stand im Sommer 2000 bei rund 90 Dollar. Auf dem Cover des Geschäftsberichts stand, in großen Lettern, ein einziges Wort:

ASK WHY.

Am 2. Dezember 2001 meldete Enron Insolvenz an — die größte in der Geschichte der Vereinigten Staaten bis zu diesem Zeitpunkt. Rund 20.000 Menschen verloren ihren Job, viele von ihnen gleichzeitig ihre Altersvorsorge, weil sie in Enron-Aktien steckte. Der Wirtschaftsprüfer Arthur Andersen, 85.000 Mitarbeiter weltweit, existierte anderthalb Jahre später nicht mehr. Die Aktie ging bei 26 Cent aus dem Handel.

Niemand hatte gefragt, warum.

Der Zorn des Achilles

Die Ilias beginnt nicht mit einem Krieg. Sie beginnt mit einem Wort: mēnis. Zorn. „Singe, Göttin, den Zorn des Peliden Achilleus." Und die entscheidende Pointe des ganzen Epos steht schon in diesem ersten Satz: Was die Griechen fast vernichtet, sind nicht die Trojaner. Es ist die gekränkte Eitelkeit ihres besten Mannes.

Achilles ist der Beste. Alle wissen das, er am meisten. Agamemnon nimmt ihm eine Kriegsgefangene weg — eine Kränkung, keine Bedrohung — und Achilles zieht sich in sein Zelt zurück und schaut zu, wie seine eigenen Leute sterben. Er hätte die Wahl gehabt: ein langes, unauffälliges Leben zu Hause, oder ein kurzes mit unsterblichem Ruhm. Er nimmt den Ruhm. Und er stirbt am Ende nicht im Zweikampf gegen einen Ebenbürtigen, sondern durch einen Pfeil in die Ferse, abgeschossen von Paris — einem Mann, den in Troja niemand ernst nahm.

Jeff Skilling ist der Achilles dieses Buches, und zwar in jedem einzelnen Detail.

Er war tatsächlich der Beste. Der berühmteste Satz seiner Biografie stammt aus dem Zulassungsgespräch für die Harvard Business School. Der Interviewer fragt ihn, ob er intelligent sei. Skilling antwortet, so berichten es McLean und Elkind: „I'm fucking smart." Er wurde genommen. Er schloss im obersten Prozent ab, ging zu McKinsey, wurde dort der jüngste Partner, kam zu Enron, und war innerhalb weniger Jahre der Mann, dem die klügsten Leute des Unternehmens gehorchten — nicht wegen seines Titels, sondern weil sie überzeugt waren, dass er schneller dachte als sie.

Er hatte auch den Zorn. Am 17. April 2001, in einer Telefonkonferenz mit Analysten, bat ein Hedgefonds-Manager namens Richard Grubman um etwas vollkommen Banales: eine Bilanz. Enron war das einzige große Unternehmen, das seine Quartalszahlen ohne Bilanz veröffentlichte. Skilling, der Vorstandschef eines börsennotierten Konzerns, live, mit hunderten Zuhörern auf der Leitung, antwortete:

„Well, thank you very much, we appreciate that … asshole."

Das ist der Moment, in dem Achilles in sein Zelt geht. Es war keine strategische Entscheidung. Es war Kränkung. Jemand hatte gewagt, den Klügsten im Raum nach seinen Hausaufgaben zu fragen.

Vier Monate später, am 14. August 2001, trat Skilling zurück. Grund: persönliche Gründe. Die Aktie stand da bei rund 40 Dollar, halbiert seit dem Hoch. Er hat später unter Eid ausgesagt, er habe von nichts gewusst.

Die Rüstung war aus seiner eigenen Haut

Achilles bekommt seine Rüstung von Hephaistos, dem hinkenden Schmied der Götter — eine Rüstung, die ihn unverwundbar macht, weil kein Sterblicher so etwas hätte schmieden können.

Enrons Hephaistos hieß Andrew Fastow, Finanzvorstand, und was er schmiedete, waren Zweckgesellschaften. LJM1, LJM2, Chewco, und die vier, die den Namen tragen, den sich niemand mehr ausdenken müsste: die Raptors.

Das Prinzip war, technisch gesehen, elegant. Enron hatte in seinen Büchern eine Menge Beteiligungen, deren Wert schwankte. Schwankende Werte sind schlecht für den Gewinn. Also baute Fastow externe Vehikel, mit denen Enron diese Risiken „absicherte" — Hedges. Das Vehikel übernahm das Verlustrisiko, Enron buchte einen stabilen Gewinn, die Analysten waren zufrieden, die Aktie stieg.

Nur: Womit wurde das Vehikel bezahlt? Womit war der Hedge besichert?

Mit Enron-Aktien.

Das muss man sich auf der Zunge zergehen lassen. Enron versicherte sich gegen fallende Kurse — bei einer Gegenpartei, deren einziges Vermögen aus Enron-Aktien bestand. Solange die Aktie stieg, funktionierte das großartig. Es funktionierte sogar besonders großartig, weil die Absicherung an Wert gewann, während sie an Wert gewinnen musste. Aber in dem Moment, in dem die Aktie fiel — also genau in dem Moment, für den man eine Absicherung abschließt —, verlor der Versicherer sein gesamtes Vermögen und konnte nicht zahlen.

Es war eine Rüstung aus der eigenen Haut. Sie schützte gegen alles, außer gegen das eine Ding, das sie schützen sollte.

Das ist die Ferse. Nicht die Gier, nicht der Betrug: die strukturelle Abhängigkeit vom eigenen Aktienkurs, eingebaut in genau das Instrument, das gegen den Fall des Aktienkurses schützen sollte. Als die Aktie im Sommer 2001 zu rutschen begann, brachen die Raptors zusammen, und Enron musste am 16. Oktober 2001 einen Verlust von 618 Millionen Dollar melden — und, fast beiläufig in einer Telefonkonferenz erwähnt, eine Reduzierung des Eigenkapitals um 1,2 Milliarden Dollar.

Der Pfeil war in der Ferse. Von da an waren es sechs Wochen bis zur Insolvenz.

Fastow soll aus den Vehikeln, die er als Finanzvorstand seines eigenen Arbeitgebers betrieb, rund 45 Millionen Dollar persönlich verdient haben. Der Aufsichtsrat hatte dafür zweimal — zweimal! — den unternehmenseigenen Ethikkodex ausgesetzt. Es gab ihn also, den Ethikkodex, 64 Seiten stark. Man hat ihn nur temporär deaktiviert, so wie man beim Renovieren die Rauchmelder abklebt.

Mark-to-Market: die Zukunft heute verbuchen

Wenn es eine einzelne Bilanzierungsmethode gibt, die Enron getötet hat, dann diese. Und man versteht sie am besten an einem einzigen Deal.

Im Juli 2000 schloss Enron einen Zwanzigjahresvertrag mit Blockbuster: Video-on-Demand über Enrons Breitbandnetz. Ein Vertrag über eine Technologie, die es noch nicht gab, für einen Markt, den es noch nicht gab, mit einem Partner, der ihn nach acht Monaten kündigte. Der Dienst wurde in ein paar Städten getestet. Praktisch kein Kunde hat je dafür bezahlt.

Enron verbuchte auf diesen Deal rund 110 Millionen Dollar Gewinn.

Das war, und das ist der Teil, den die Leute nie glauben wollen, legal. Die SEC hatte Enron die Mark-to-Market-Bilanzierung im Januar 1992 genehmigt. Die Logik: Wenn du einen langfristigen Vertrag abschließt, darfst du den heutigen Barwert der erwarteten künftigen Gewinne sofort als Gewinn ausweisen. Bei einem liquiden, börsengehandelten Gut ist das vernünftig — der Markt sagt dir, was es wert ist. Bei einem Breitband-Vertrag über zwanzig Jahre für eine Technologie, die niemand kennt, sagt dir niemand, was es wert ist. Also sagt es dir dein eigenes Modell.

Enron-intern hieß das, mit einer Ehrlichkeit, die fast rührend ist: HFV — Hypothetical Future Value.

Und jetzt kommt der Mechanismus, um den es in diesem ganzen Text geht. Mark-to-Market erzeugt eine Sucht. Weil du den Gewinn eines Zwanzigjahresvertrags im ersten Quartal komplett verbuchst, hast du im zweiten Quartal nichts mehr. Der Deal, der dich diesen Monat zum Helden gemacht hat, ist nächsten Monat eine leere Zeile. Also brauchst du einen neuen Deal. Und einen größeren, denn Wall Street will Wachstum, nicht Wiederholung.

Enron musste, um seine Zahlen zu halten, jedes Quartal einen größeren Traum träumen als im Quartal davor. Nicht aus Bosheit. Aus Buchhaltung.

Das ist keine Bilanzierungsmethode. Das ist eine Tretmühle mit Rechtsgrundlage.

Rank and Yank: wie man einer Firma das Nein abtrainiert

Der eigentliche Kern des Buches ist aber nicht die Bilanz. Es ist die Personalabteilung.

Enron hatte ein Bewertungssystem, das offiziell „Performance Review Committee" hieß und intern nur rank and yank. Zweimal im Jahr wurden alle Mitarbeiter in einer Rangliste von 1 bis 5 sortiert — nicht anhand absoluter Ziele, sondern gegeneinander. Wer im untersten Segment landete, rund 15 Prozent, wurde „redeployed": zwei Wochen Zeit, intern einen neuen Job zu finden, danach raus.

Man muss sich klarmachen, was das mit Menschen macht. Es ist nicht bloß Härte. Es ist ein System, in dem der Erfolg des Kollegen dein Risiko erhöht. In dem es rational ist, Informationen zurückzuhalten. In dem der schnellste Weg nach oben nicht darin besteht, ein gutes Geschäft zu machen, sondern darin, ein Geschäft gut aussehen zu lassen — denn bewertet wurde der gebuchte Gewinn, und den bestimmte, siehe oben, das eigene Modell.

Enron hat sich sein Frühwarnsystem wegoptimiert. Eine Firma, in der jeder, der Bedenken äußert, damit rechnen muss, im nächsten Zyklus als Bedenkenträger auf Platz 5 zu landen, wird irgendwann eine Firma, in der niemand mehr Bedenken äußert. Das ist kein Kulturproblem. Das ist ein Sensorikproblem. Man hat der Organisation die Nervenzellen herausoperiert, mit denen sie Schmerz spürt — und sich dann gewundert, dass sie mit gebrochenem Bein weiterläuft, bis der Knochen durch die Haut kommt.

Und die vier Unternehmenswerte, die in der Lobby in Houston an der Wand hingen, in Marmor, waren übrigens: Respect. Integrity. Communication. Excellence.

Der Pfeil kam nicht von einem Helden

Achilles stirbt nicht durch Hektor. Er stirbt durch Paris — den hübschen, unernsten Bruder, den Bogenschützen, den Mann, den kein Krieger fürchtet.

Enrons Paris war eine 31-jährige Journalistin bei Fortune namens Bethany McLean, und ihr Pfeil war eine Frage, für die man kein Wirtschaftsstudium braucht:

Wie genau verdient Enron eigentlich sein Geld?

Sie hatte den Geschäftsbericht gelesen und ihn nicht verstanden. Das war der ganze Anlass. Sie rief bei Enron an. Skilling nannte sie am Telefon unethisch — weil sie es wage, einen Artikel zu schreiben, ohne die Firma verstanden zu haben — und legte auf. Kurz darauf flog Andy Fastow mit zwei weiteren Managern nach New York, um die Sache persönlich zu klären. Man schickt keine drei Vorstände quer durchs Land, um eine harmlose Frage zu beantworten.

Der Artikel erschien am 5. März 2001. Er hieß „Is Enron Overpriced?", er war vorsichtig formuliert, er enthielt keinen einzigen Vorwurf des Betrugs, und er stellte im Kern nur fest: Niemand, mit dem sie gesprochen habe, könne erklären, wie das Unternehmen Geld verdiene.

Neun Monate später war Enron pleite.

Es gab noch andere. Jim Chanos, ein Leerverkäufer, hatte schon Ende 2000 angefangen zu wetten — er hatte sich schlicht die Kapitalrendite angeschaut und festgestellt, dass sie unter den Kapitalkosten lag. Eine Firma, die für jeden investierten Dollar weniger als einen Dollar zurückbekommt, ist keine Wachstumsgeschichte, sie ist eine Maschine zur Vernichtung von Kapital, egal wie schnell sie sich dreht. Und es gab Sherron Watkins, eine Vizepräsidentin, die im August 2001 an Ken Lay schrieb, in einem Satz, der es in jedes Lehrbuch geschafft hat:

„I am incredibly nervous that we will implode in a wave of accounting scandals."

Alle drei wurden ignoriert oder abgekanzelt. Nicht weil sie unklug argumentierten. Sondern weil Enron zu diesem Zeitpunkt eine Organisation war, in der die Aussage „wir verstehen unser eigenes Geschäft nicht mehr" strukturell nicht mehr sagbar war.

Und jetzt der unbequeme Teil: Am Ego war fast alles richtig

Hier könnte der Artikel enden, moralisch aufgeräumt, mit erhobenem Zeigefinger. Das wäre allerdings gelogen, und zwar in einer Weise, die genau die falsche Lehre transportiert.

Denn die Wahrheit ist: Ohne Skillings Größenwahn hätte es Enron nie gegeben. Die Gas Bank war eine echte Erfindung. EnronOnline, 1999 gestartet, war eine der ersten funktionierenden elektronischen Rohstoffbörsen der Welt und wickelte Handelsvolumina in einer Größenordnung ab, die die Branche vorher für unmöglich gehalten hatte. Enron hat den Energiehandel real verändert. Ein erheblicher Teil der Innovation, für die Fortune sechsmal den Preis vergab, war keine Illusion — sie war der Grund, warum die Illusion später überhaupt jemand glaubte.

Ziele, die erreichbar aussehen, sind keine Ziele. Das sind Pläne. Um etwas zu formulieren, das niemand für machbar hält, braucht man eine gewisse Unverschämtheit gegenüber der Realität — ein Ego, das groß genug ist, um die Wahrscheinlichkeit zu ignorieren. Jede Firma, die etwas Neues gebaut hat, hatte irgendwo an ihrem Anfang jemanden, der objektiv nicht recht hatte und trotzdem weitermachte. Wer das wegmoralisiert, kriegt keine bessere Wirtschaft, sondern nur eine langsamere.

Das Problem ist nicht das Ego. Das Problem ist, dass niemand ihm beigebracht hat, wann es aufhören muss.

Es gibt einen Punkt — und der ist verdammt schwer zu erkennen, wenn man mittendrin steht —, an dem das Ego seinen Job erledigt hat. Ab da ist es kein Treibstoff mehr, sondern eine Wanze im Kontrollsystem. Skilling hat diesen Punkt irgendwo um 1997 überschritten und es nicht bemerkt, weil er in genau diesem Zeitraum von allen Seiten dafür gefeiert wurde, ihn nicht zu bemerken.

Und das ist das eigentliche Muster, um das es hier geht. Es hat nichts mit Energiehandel zu tun. Es passiert jedem, der zehn Jahre lang gewonnen hat:

Stufe 3 ist die, über die niemand spricht, weil sie sich so harmlos anfühlt. Sie hat kein Bilanzäquivalent. Sie zeigt sich darin, dass sich die Ansprüche an das eigene Leben lautlos an die Erfolgskurve anpassen — das Haus, der Kreis, der Kalender, die Selbstverständlichkeit, mit der man sein eigenes Urteil für Sachverstand hält. Und, das ist die perfideste Variante, in der Anspruchshaltung gegenüber anderen: wie andere zu arbeiten haben, zu denken haben, zu sein haben. Skilling hat am Ende nicht nur geglaubt, dass er recht hat. Er hat geglaubt, dass Leute, die anders funktionieren, ein Defekt sind. Genau dafür hatte er ja ein Bewertungssystem gebaut.

Stufe 4 ist dann nur noch Buchhaltung. Wer die eigene Unangreifbarkeit für einen Naturzustand hält, hört auf, mit der Zeit zu gehen, weil er sich für die Zeit hält.

Das Memo, das man nicht schreiben will

Im November 2025 passierte etwas, das ich für eine der komischsten Fußnoten der Wirtschaftsgeschichte halte — und ich meine „komisch" in beiden Bedeutungen.

Nvidia, damals das wertvollste Unternehmen der Welt, verschickte ein siebenseitiges Memo an Wall-Street-Analysten. Inhalt: eine Widerlegung der Behauptung, die eigene Buchführung ähnele historischen Bilanzskandalen. Die Presse taufte es sofort auf einen Namen, den sich das Unternehmen nicht ausgesucht hatte:

Das „Wir sind nicht Enron"-Memo.

Es gibt eine eherne Regel des Geschäftslebens, und sie lautet: In dem Moment, in dem du ein Dokument schreiben musst, das erklärt, warum du nicht Enron bist, hast du bereits ein Problem — wenn auch vielleicht nicht das, um das es in dem Dokument geht.

Und jetzt muss ich ehrlich sein, sonst ist der ganze Artikel keinen Cent wert.

Nvidia ist nicht Enron. Die KI-Industrie ist nicht Enron. Der prominenteste Skeptiker der Branche, Michael Burry — der Mann, den Christian Bale in The Big Short gespielt hat und der den Hyperscalern seit Monaten vorwirft, ihre Abschreibungen zu frisieren — hat es selbst am klarsten gesagt:

„I am not claiming Nvidia is Enron. It is clearly Cisco."

Das ist eine wichtige Unterscheidung, und sie ist der Grund, warum dieser Artikel keine Anklageschrift ist. Enron verkaufte Dinge, die nicht existierten. Die GPUs existieren. Sie werden gebaut, geliefert, verbaut, eingeschaltet, und sie laufen unter Volllast. Anthropic meldete im Mai 2026 eine Jahresumsatzrate von 47 Milliarden Dollar — das ist kein Hypothetical Future Value, das sind Rechnungen, die bezahlt werden. Nvidias Bruttomarge liegt bei rund 75 Prozent. Cisco im Jahr 2000 hatte ein reales Produkt, reale Kunden und reale Gewinne — und die Aktie fiel trotzdem um achtzig Prozent, weil sie für eine Zukunft bepreist war, die drei Jahre später kam statt nächstes Jahr. Das ist ein völlig anderer Unfall als Enron. Er ist nur nicht unbedingt ein angenehmerer.

Was aber sehr wohl übertragbar ist, sind die Mechanismen. Und da wird es dann wieder unangenehm.

Erstens: Die Rüstung aus der eigenen Haut

Enrons Todesursache war die zirkuläre Absicherung — Hedges, deren Sicherheit aus dem eigenen Aktienkurs bestand. Schauen wir uns an, was die KI-Industrie 2025 und 2026 an Strukturen gebaut hat.

Der klarste Fall ist Anthropic. Im November 2025 investierten Microsoft und Nvidia gemeinsam bis zu 15 Milliarden Dollar in das Unternehmen (Microsoft bis zu 5, Nvidia bis zu 10). Im selben Atemzug verpflichtete sich Anthropic, für 30 Milliarden Dollar Rechenleistung bei Azure einzukaufen — und zusätzlich Nvidia-Systeme im Umfang von bis zu einem Gigawatt abzunehmen. Fünfzehn Milliarden Investorengeld rein, dreißig Milliarden an Kaufverpflichtungen zurück zu genau denselben zwei Investoren.

Der eleganteste Fall ist AMD. Im Oktober 2025 einigten sich AMD und OpenAI auf die Abnahme von 6 Gigawatt Rechenkapazität. Als Gegenleistung gab AMD OpenAI einen Optionsschein auf bis zu 160 Millionen eigene Aktien — rund zehn Prozent des Unternehmens — zum Ausübungspreis von einem Cent pro Stück. Die Tranchen werden frei, wenn OpenAI die Chips abnimmt und wenn die AMD-Aktie bestimmte Kursziele erreicht. Die letzte Tranche erfordert einen AMD-Kurs von 600 Dollar.

Lesen Sie das noch einmal langsam. AMD bezahlt seinen Kunden mit eigenen Aktien dafür, dass der Kunde AMD-Chips kauft — und der Wert dieser Bezahlung hängt davon ab, dass die AMD-Aktie steigt, weil der Kunde AMD-Chips kauft. Das ist kein Betrug. Es ist alles veröffentlicht, in der Pressemitteilung und im Geschäftsbericht. Es ist nur eben reflexiv: Die Sicherheit besteht aus dem, was sie besichern soll.

Und der beste Beleg steht in einer Bilanz. Nvidias „non-marketable equity securities" — im Klartext: Beteiligungen an nicht börsennotierten Firmen, von denen viele Nvidia-Kunden sind — stiegen von 3,24 Milliarden Dollar (April 2025) auf 42,34 Milliarden Dollar (April 2026). Eine Verdreizehnfachung in zwölf Monaten. Diese Zahl ist geprüft, testiert und öffentlich. Sie ist deutlich unspektakulärer als die berühmten „100 Milliarden für OpenAI" — die es übrigens nie gab: Das war eine Absichtserklärung vom September 2025, und Jensen Huang hat sie am 4. März 2026 persönlich beerdigt („not in the cards"). Geflossen sind am Ende 30 Milliarden ganz normales Eigenkapital. Wer heute noch Charts mit dem 100-Milliarden-Pfeil herumzeigt, zitiert eine Zahl, die seit vier Monaten tot ist.

Die 42,34 Milliarden sind trotzdem die bessere Geschichte. Weil sie stimmen.

Zweitens: Mark-to-Market heißt heute „Backlog"

Enron buchte den Zwanzigjahresgewinn eines Blockbuster-Deals am Tag der Unterschrift. Heute gibt es dafür ein völlig legitimes, sauber geregeltes Instrument: RPO — Remaining Performance Obligations, der vertraglich zugesicherte, noch nicht erbrachte Umsatz. Oracle meldete im September 2025 einen 300-Milliarden-Dollar-Vertrag mit OpenAI über fünf Jahre. Der Aktienkurs reagierte, wie Aktienkurse auf solche Zahlen reagieren.

Nur: Oracle selbst gibt an, dass es rund 12 Prozent seines gesamten RPO in den nächsten zwölf Monaten in Umsatz umwandelt und weitere 34 Prozent in den zwei Jahren danach. Weniger als die Hälfte des Backlogs wird also innerhalb von drei Jahren zu Geld. Der Rest ist — und ich benutze das Wort mit voller Absicht — Hypothetical Future Value. Legal, geprüft, im Anhang erläutert. Und trotzdem ein Versprechen einer Firma, die im gleichen Zeitraum selbst Milliarden verbrennt.

Im April 2026 berichtete das Wall Street Journal, OpenAIs Finanzchefin habe intern gewarnt, das Unternehmen könne die vertraglich zugesagte Rechenkapazität möglicherweise nicht bezahlen. Oracle fiel an dem Tag um fünf Prozent, CoreWeave um sieben, SoftBank um zehn. Das Management nannte die Darstellung „lächerlich". Einen Monat vorher hatte OpenAI sein eigenes Compute-Ziel bis 2030 von rund 1,4 Billionen auf rund 600 Milliarden Dollar zusammengestrichen. Das ist die größte Rückabwicklung eines Versprechens, die diese Industrie bisher gesehen hat, und sie fand relativ geräuschlos statt.

Drittens: Der Streit über die Ferse

Enrons Ferse war der Aktienkurs. Die Ferse der KI-Industrie ist eine Zahl, über die sich vier Unternehmen offen uneinig sind: Wie lange lebt eine GPU?

Microsoft und Alphabet haben die angenommene Nutzungsdauer ihrer Server von vier auf sechs Jahre verlängert. Meta hat sie schrittweise von vier auf 5,5 Jahre gestreckt. Je länger die angenommene Lebensdauer, desto geringer die jährliche Abschreibung, desto höher der ausgewiesene Gewinn. Das ist die simpelste Gewinnhebel-Schraube, die es in der Buchhaltung gibt.

Und dann gibt es Amazon. Amazon hat die Nutzungsdauer zum 1. Januar 2025 von sechs auf fünf Jahre verkürzt — und die Begründung mitgeliefert: „the faster pace of AI and machine-learning technology development".

Das ist die entscheidende Beobachtung, und sie kommt nicht von einem Leerverkäufer, sondern aus einem testierten Abschluss: Vier Unternehmen kaufen dieselben Chips, von demselben Hersteller, für denselben Zweck. Drei sagen, die Dinger halten länger, als wir dachten. Eines sagt, sie halten kürzer. Einer von ihnen liegt falsch, und niemand weiß heute, welcher. Michael Burry rechnet vor, dass die Hyperscaler dadurch zwischen 2026 und 2028 rund 176 Milliarden Dollar an Abschreibungen zu wenig ansetzen — das ist seine Schätzung, seine Annahmen, nicht geprüft, und man darf sie mit Skepsis lesen. Aber die Uneinigkeit selbst ist Fakt, und sie steht in den Büchern.

Die Bank für Internationalen Zahlungsausgleich, also die Zentralbank der Zentralbanken, hat es in ihrem Jahresbericht im Juni 2026 dann noch etwas direkter formuliert. Zur Zirkelfinanzierung schreibt sie, die Konditionen dieser Deals seien

„typically poorly disclosed, with risks of the same asset being pledged multiple times."

Dasselbe Asset, mehrfach verpfändet. Das ist kein Blog-Kommentar. Das ist die BIZ, im Jahresbericht, im Druck.

Die 20 Cent, die ich gern gehabt hätte

Und jetzt der Teil, bei dem ich mich selbst korrigieren muss.

Ich wollte an dieser Stelle ursprünglich eine Zahl schreiben, die in Beraterkreisen — auch in meinen — herumgereicht wird: Von jedem Euro, der in KI investiert wird, seien nur etwa 20 Cent echter Produktivitätsgewinn; die anderen 80 Cent gingen für das Reparieren der Fehler drauf, die die KI selbst produziert hat. Es ist eine großartige Zahl. Sie ist griffig, sie ist kontraintuitiv, sie klingt nach Insiderwissen.

Es gibt sie sogar. Genau einmal.

Im Mai 2026 veröffentlichte ein Unternehmen namens Entelligence eine Auswertung von über einer Million Pull Requests aus 2.444 Entwicklungsorganisationen. Ergebnis: Von jedem Dollar, den ein Team für KI-Coding-Tools ausgibt, werden 18 Cent zu ausgeliefertem Produkt. Die übrigen 82 Cent verschwinden im Wartungszyklus, den dieselben Tools beschleunigen. Das ist, auf den Cent genau, die Zahl, die ich haben wollte.

Und jetzt der Haken. Entelligence verkauft — Sie ahnen es — Software, die genau dieses Problem behebt. Die Fehlerklassifikation, auf der die ganze Rechnung beruht, wurde an dreizehn Organisationen validiert. Es gibt keine namentlich genannten Autoren, keine Konfidenzintervalle, kein Peer Review.

Das ist keine Studie. Das ist ein Verkaufsprospekt mit einem p-Wert.

Und deshalb bleibt die Zahl draußen. Ein Text, der Enron dafür verurteilt, Zahlen gebucht zu haben, die sich gut anfühlten, kann nicht selbst eine Zahl buchen, die sich gut anfühlt — schon gar keine, deren einzige Quelle das Gegenmittel verkauft. Das ist keine Koketterie. Das ist der ganze verdammte Punkt des Buches.

Was es stattdessen gibt, ist unspektakulärer und deutlich belastbarer.

Workday hat im Januar 2026 3.200 Mitarbeiter in größeren Unternehmen befragt: Rund 40 Prozent der Zeit, die KI einspart, fließt in Nacharbeit zurück. Nicht 80. Vierzig — und auch das ist Selbstauskunft. Härter sind die Telemetriedaten: GitClear hat 623 Millionen Code-Änderungen ausgewertet und findet, dass duplizierter Code seit 2023 um 81 Prozent zugenommen hat, während der Anteil überarbeiteten Codes von 21 auf 3,8 Prozent eingebrochen ist. Faros AI hat 22.000 Entwickler über zwei Jahre nicht gefragt, sondern gemessen: Der Durchsatz stieg um 33,7 Prozent — und gleichzeitig die Bugs pro Entwickler um 54 Prozent und die Incidents pro Pull Request um 242 Prozent. Veracode fand, dass 45 Prozent der KI-generierten Codebeispiele eine Sicherheitslücke aus den OWASP Top 10 enthalten, und stellte im Frühjahr 2026 fest: Trotz neuerer Modelle keine Verbesserung.

Zusammengefasst: KI produziert mehr, schneller — und ein messbarer Teil davon muss noch einmal gemacht werden. Der Abzug ist real. Er ist nur nicht 80 Prozent, und wer das behauptet, zitiert einen Anbieter.

Mark-to-Model

Jetzt kommt die Stelle, an der ich mich ein zweites Mal erwischt habe. Sie ist mir unangenehm, und genau deshalb steht sie hier.

Im Juli 2025 veröffentlichte METR eine randomisierte kontrollierte Studie: erfahrene Open-Source-Entwickler, die an ihren eigenen Repositories arbeiteten — keine Spielzeugaufgaben. Ergebnis: Mit KI brauchten sie rund 19 Prozent länger. Und, der Teil, der die Runde machte: Dieselben Entwickler schätzten hinterher, sie seien etwa 20 Prozent schneller gewesen.

Diese Zahl ist seit einem Jahr das Lieblingsargument jedes KI-Skeptikers. Ich hatte sie hier stehen. Sie stand da, als aktueller Befund, in einem Artikel darüber, dass Leute veraltete Zahlen weiterreichen, weil sie zu gut klingen.

Denn im Februar 2026 hat METR einen Nachfolger veröffentlicht — und darin das eigene Studiendesign faktisch zurückgezogen. Die Honorare fielen von 150 auf 50 Dollar die Stunde, die Rekrutierung brach ein, Entwickler weigerten sich zunehmend, ohne KI zu arbeiten, und 30 bis 50 Prozent gaben zu, Aufgaben zurückzuhalten, die sie ohne KI nicht anfassen wollten. Die neuen Schätzungen haben Konfidenzintervalle, die die Null einschließen. METR schreibt selbst, es halte es für wahrscheinlich, dass Entwickler Anfang 2026 stärker beschleunigt werden, als die eigene Zahl von 2025 nahelegt.

Die „19 Prozent langsamer" werden trotzdem täglich weiterzitiert. Von Beratern. Von Journalisten. Von mir, vor ein paar Stunden.

Das ist der Punkt, an dem dieses Buch aufhört, ein historisches Buch zu sein. Mark-to-Model ist keine Krankheit der Optimisten. Ich habe eine Zahl gebucht, die zu meiner These passte, ich habe sie nicht auf Aktualität geprüft, und ich hätte sie gedruckt — in genau dem Text, der Jeff Skilling dafür verurteilt, dass er Zahlen gebucht hat, die zu seiner These passten. Der Bär bewertet sein Portfolio genauso zum Modell wie der Bulle. Er fühlt sich dabei nur klüger.

Was von der METR-Studie übrig bleibt, ist trotzdem das Wichtigste an ihr — und es ist nicht die Prozentzahl. Es ist die Lücke. Die Entwickler lagen über ihre eigene Geschwindigkeit weit daneben, und zwar in die Richtung, die ihnen gefiel. Die befragten Ökonomen und ML-Experten lagen in dieselbe Richtung daneben. Ob der wahre Wert nun −19 Prozent war oder null: Niemand im Raum wusste es, und alle waren sich sicher.

Wenn ein Unternehmen KI einführt und drei Monate später meldet, alle seien schneller geworden — worauf beruht diese Aussage? In den allermeisten Fällen: auf Selbstauskunft. Auf einem Modell. Auf einem Gefühl. Das ist Hypothetical Future Value, gebucht im Kopf statt in der Bilanz.

Was die Erwachsenen sagen

Wer solide Zahlen will, muss die viralen Studien verlassen.

Die berüchtigte MIT-Studie vom August 2025 — „95 Prozent aller GenAI-Piloten liefern null ROI" — beruht, wenn man in den Anhang schaut, auf 52 Interviews und einer Umfrage unter 153 Führungskräften, eingesammelt auf vier Branchenkonferenzen. Kevin Werbach von der Wharton School hat das Papier mehrfach gelesen und schreibt, er könne schlicht nicht erkennen, woher die 95 Prozent kämen. Ich zitiere die Studie hier bewusst nicht als Beweis. Ich zitiere sie als Symptom: Diese Zahl ging um die Welt, weil Tausende Führungskräfte sie lasen und dachten „das deckt sich mit dem, was ich sehe, aber nicht sagen darf."

Die Studie, die man stattdessen zitieren sollte, kennt fast niemand. Im Februar 2026 befragten Nicholas Bloom, Steven Davis und Kollegen (Stanford, Bank of England, Bundesbank, Atlanta Fed) rund 6.000 Führungskräfte in den USA, Großbritannien, Deutschland und Australien. Ergebnis: 69 Prozent der Unternehmen setzen KI aktiv ein — und neun von zehn berichten über die letzten drei Jahre keinerlei Effekt auf Produktivität oder Beschäftigung.

Goldman Sachs, dessen Research-Abteilung 2023 noch sieben Prozent BIP-Wachstum durch KI in Aussicht stellte, schrieb im März 2026: „We still do not find a meaningful relationship between productivity and AI adoption at the economy-wide level." Und lieferte dazu die Statistik, die ich für die aussagekräftigste dieses ganzen Zyklus halte:

Von den Vorständen der S&P-500-Unternehmen sprachen im letzten Quartal 70 Prozent über KI. 54 Prozent rahmten sie als Produktivitätsthema. 10 Prozent bezifferten den Effekt für irgendeinen Anwendungsfall.

Ein Prozent bezifferte, was sie damit verdient haben.

Daron Acemoglu, MIT, hält seit zwei Jahren an derselben Schätzung fest und hat sie im Juni 2026 noch einmal bestätigt: rund 0,55 Prozent Zuwachs an totaler Faktorproduktivität — über zehn Jahre. Nicht pro Jahr. Insgesamt.

Und trotzdem funktioniert es

Und jetzt der Teil, der genauso wahr ist und den die Skeptiker geflissentlich überblättern.

Die beste Studie des Feldes ist von Brynjolfsson, Li und Raymond, sie umfasst 5.172 Kundenservice-Mitarbeiter und ist im Quarterly Journal of Economics erschienen — nicht auf einem Blog. Ergebnis: +14 Prozent Produktivität. Und, der eigentlich interessante Befund: +34 Prozent bei den Berufsanfängern, und ungefähr null bei den erfahrensten Mitarbeitern. Die Anfänger erreichten nach zwei Monaten ein Niveau, für das sie sonst sechs gebraucht hätten. Die Kündigungsrate fiel um 8,6 Prozent.

In Management Science erschien 2026 eine Auswertung von drei randomisierten Feldexperimenten mit 4.867 Entwicklern bei Microsoft, Accenture und einem Fortune-100-Konzern: +26 Prozent erledigte Aufgaben. Dasselbe Gefälle wie oben — je unerfahrener, desto größer der Sprung.

Und das BCG/Harvard-Experiment mit 758 Unternehmensberatern fand innerhalb der Fähigkeiten des Modells 25 Prozent mehr Tempo und über 40 Prozent bessere Qualität — und knapp außerhalb davon eine um 19 Prozentpunkte niedrigere Wahrscheinlichkeit, die richtige Antwort zu geben. Weil die Berater dem Modell dort ebenfalls glaubten. Die Autoren nannten es die „jagged frontier": eine gezackte Grenze, deren Verlauf man von außen nicht sieht.

Das ist kein Widerspruch zu den Makrodaten. Das ist derselbe Befund, zweimal fotografiert. Auf Aufgabenebene, bei Anfängern, innerhalb der Grenze: 15 bis 26 Prozent, gemessen, publiziert, reproduziert. Auf Unternehmens- und Volkswirtschaftsebene: fast nichts.

Der Gewinn ist real. Er kommt nur nicht in der Bilanz an.

KI liefert echte Gewinne — aber ziemlich genau dort, wo man sie nicht erwartet hat, und ziemlich zuverlässig nicht dort, wo man sie eingeplant hat. Und die Person, die am wenigsten geeignet ist, das zu beurteilen, ist die Person, die die KI benutzt.

Zwischen der Aufgabe und der Gewinn-und-Verlust-Rechnung liegt eine Strecke, die niemand vermessen hat, und über die sehr, sehr viele Leute sehr, sehr laut reden. Siebzig Prozent der S&P-500-Vorstände sprechen über KI. Einer von hundert sagt, was sie eingebracht hat.

Enron hatte ein Bewertungssystem, das genau diesen einen Prozentpunkt unaussprechbar machte.

Was daraus folgt

Der Unterschied zwischen Enron und der KI-Industrie ist real und er ist groß, und wer ihn einebnet, um eine bessere Schlagzeile zu bekommen, macht genau das, was er den anderen vorwirft. Enron hat Umsätze erfunden. Nvidia liefert Chips, die tatsächlich rechnen. Es gibt bislang keine einzige bestätigte Abschreibung auf KI-Assets bei irgendeinem Hyperscaler. Es gibt keinen Kreditausfall. Die Investitionen wurden im April 2026 nicht gekürzt, sondern erhöht, von allen vier großen Anbietern gleichzeitig. Das ist kein Verhalten von Leuten, die etwas vertuschen — es ist das Verhalten von Leuten, die überzeugt sind, recht zu haben. Und sie könnten recht haben.

Aber Enron ist eben auch nicht an Betrug gestorben. Der Betrug war das Symptom. Gestorben ist eine Organisation, die über zehn Jahre so erfolgreich war, dass sie sich das Gegenargument abgewöhnt hat — und die deshalb, als es wirklich darauf ankam, ihre eigene Bilanz nicht mehr lesen konnte. Die Klügsten im Raum waren nicht deshalb die Letzten, die es merkten, weil sie dumm waren. Sondern weil sie die Klügsten im Raum waren, und weil jeder im Raum das wusste, sie selbst am meisten.

Das ist die einzige Lehre, die ich aus dem Buch tatsächlich mitnehme, und sie ist unspektakulärer, als ich gern hätte:

Der Wert einer Organisation bemisst sich nicht daran, wie gut ihre beste Idee ist, sondern daran, ob jemand darin noch „nein" sagen kann, ohne dafür zu bezahlen.

Enron hatte einen 64-seitigen Ethikkodex und einen Aufsichtsrat, der ihn zweimal ausgesetzt hat. Es hatte vier Unternehmenswerte in Marmor an der Lobbywand und ein Bewertungssystem, das jeden bestrafte, der sie ernst nahm. Es hatte „ASK WHY" auf dem Cover des Geschäftsberichts und legte auf, als eine 31-jährige Journalistin genau das tat.

Die Frage ist nicht, ob deine Firma gute Werte hat. Die Frage ist, was passiert, wenn jemand sie benutzt.

Und ich?

Ich verkaufe KI. Ich glaube, dass die Technologie echt ist, dass die Gewinne real sind und dass die meisten Unternehmen, die jetzt nicht anfangen, es in fünf Jahren bereuen werden. Ich glaube das nach wie vor, nach diesem Buch.

Aber ich habe angefangen, mir eine unbequeme Frage zu stellen, wenn ich aus einem Termin komme, in dem alle begeistert waren: Wer in diesem Raum hätte mir gerade widersprechen können, ohne dabei dumm auszusehen?

Wenn die Antwort „niemand" lautet, war es kein guter Termin. Es war ein Verkauf. Und ich sollte mir nicht einbilden, dass ich der Einzige bin, der die Differenz nicht sieht — denn genau das haben die klügsten Jungs im Raum von sich auch geglaubt.

Achilles hat den Ruhm bekommen. Er hat ihn nur nicht besonders lange genießen können.

Verwandt

• Schöne neue Welt — und das Unbehagen, dass Mustapha Mond recht behält
• Das Bildnis des Dorian Gray — und die Frage, ob ein Buch unmoralisch sein kann
• Warum uns gute Erklärungen täuschen

Bethany McLean, Peter Elkind: „The Smartest Guys in the Room. The Amazing Rise and Scandalous Fall of Enron", Portfolio 2003. Deutsch: „Die Schlausten im Raum". Zahlen zur KI-Finanzierung nach Unternehmensmeldungen, SEC-Filings und dem BIZ-Jahresbericht vom Juni 2026, Stand Juli 2026.