Alles begann mit einer kleinen Frage:
„An welchem Tag hat Tibo eigentlich frei?“
Tibo, der bei OpenAI rund um Codex und ChatGPT arbeitet, postet häufig über Rollouts, Resets und neue Modelle. Das reicht, damit unter Nutzern eine kleine Volksmeteorologie entsteht.
Tibo postet → heute könnte etwas passieren. Tibo ist still → hat er frei? → kommt dann auch kein Reset?
Noch bevor das Modell läuft, versucht man bereits, den Dienstplan eines Menschen zurückzuentwickeln.
Von dort führt der Tunnel durch Verhaltenspsychologie, Dopamin, KI-Produktivität, komprimierte Roadmaps und schließlich zur Endlosarbeit.
Dies ist der Unfallbericht.
1. „Kein Tibo, kein Reset“ ist weiterhin nur eine Hypothese
Am 5. September 2026 schrieb Tibo nach Posts zum Astra-Rollout und einem banked reset über das Team: “See you next week for some more ships.”[2][3]
Am Ende einer Arbeitswoche klingt das sehr natürlich nach: „Für diese Woche sind wir durch; bis nächste Woche.“
Die öffentlichen Informationen erlauben aber höchstens eine vorsichtige Schlussfolgerung: Das Team schien sich ins Wochenende zu verabschieden.
Nicht belegt ist:
- an welchen Tagen Tibo offiziell frei hat;
- ob jeder Reset eine manuelle Aktion von Tibo verlangt;
- ob der Reset-Prozess stoppt, wenn er nichts postet.
Die elegante Theorie wäre:
Tibo weg → Reset-Bediener weg → Zivilisation beendet.
Leider ist dieses Diagramm etwas zu elegant.
„Bis nächste Woche“ ist ein Hinweis auf Feierabend. Es ist kein Beweis, dass Tibo allein einen riesigen roten RESET-Knopf bewacht.
2. Trotzdem schauen wir immer wieder: „Ist er schon da?“
Interessanter ist die Nutzerseite.
Der Zeitpunkt eines Resets kann unklar sein. Manchmal gibt es eine Ankündigung. Manchmal erscheint ein banked reset überraschend. Sobald das Kontingent zurück ist, kann das starke Modell sofort wieder arbeiten.
Also beginnt die Prüfschleife:
X ansehen. Nichts. Nutzung ansehen. Nichts. Stunden später wieder. Nichts. Noch einmal. Zurück. Volksfest.
Käme der Reset jeden Tag exakt um 9:00 Uhr, würde eine Prüfung um 9:01 Uhr reichen.
Ungewissheit installiert dagegen einen kleinen Aufseher im Kopf:
„Vielleicht jetzt?“
Mit allem gebotenen Respekt nennen wir das Tibo-Lotterie.
3. Eher variable Intervallverstärkung als Pawlows Hund
„Das ist doch Pawlows Hund“, liegt nahe. Nicht ganz.
Bei klassischer Konditionierung lernt ein Reiz, einen anderen anzukündigen, und löst eine gelernte Reaktion aus. Hier interessiert etwas anderes: Warum bleibt das wiederholte Prüfen als Verhalten bestehen?
Das passt eher zur partiellen beziehungsweise intermittierenden Verstärkung der operanten Konditionierung. Ein variable-interval schedule verstärkt nach unvorhersagbaren Zeitabständen.[6]
Das OpenStax-Psychologielehrbuch nennt ein beinahe unverschämt passendes Beispiel: soziale Medien prüfen.[6]
Die Ähnlichkeit ist groß.
Wichtig ist jedoch: Zehnmal X zu öffnen macht den Reset nicht zehnmal wahrscheinlicher. Der Reset geschieht extern; das Prüfen entdeckt ihn nur.
Wir behaupten also nicht, OpenAI habe Nutzer in ein Labor-Konditionierungsexperiment gesteckt.
Es ist eine Analogie: Aus Nutzersicht kann eine unregelmäßige Belohnungsumgebung eine Prüfgewohnheit begünstigen, die einem variablen Intervall ähnelt.
4. Warum ein überraschender Reset besonders gut wirkt: Belohnungsvorhersagefehler
Eine Ebene tiefer wartet die Neurowissenschaft.
Ein reward prediction error ist grob die Differenz zwischen erwarteter und tatsächlich erhaltener Belohnung. Übersichtsarbeiten von Wolfram Schultz beschreiben viele Dopaminneuronen im Mittelhirn, die bei besser als erwarteten Ergebnissen einen positiven Vorhersagefehler signalisieren, bei vollständig erwarteten Ergebnissen nahe der Basislinie bleiben und bei schlechteren Ergebnissen einen negativen Fehler zeigen.[7]
Also:
„Heute kommt wohl kein Reset.“
↓
Überraschungs-Reset.
↓
Besser als erwartet.
So etwas fällt als Lernsignal auf.
Aber daraus „Dopaminsucht“ zu diagnostizieren wäre schlechte Neurowissenschaft.
Belohnungsvorhersagefehler sind ein grundlegender Lernmechanismus. Sie diagnostizieren keine Abhängigkeit bei Menschen, die einen Nutzungszähler prüfen. Wenn jedes Verhalten zum „Dopamin-Kick“ wird, ist Neurowissenschaft nur noch Kneipengespräch.
Die vorsichtige Aussage lautet: Unerwartete gute Nachrichten erzeugen mehr Vorhersageüberraschung als perfekt terminierte gute Nachrichten.
5. So landen wir bei: „Gebt mir Tibos unbegrenzten PC“
Irgendwann nervt der Zähler genug, dass die Menschheit eine rationale Lösung entwickelt:
„Lasst mich einfach Tibos PC benutzen. Unbegrenzt.“
Das folgende Terminal ist vollständig erfunden:
C:\Users\Tibo> codex
Usage remaining: ∞%
banked reset: yes
rate limit: employee privilege
Astra: unrestricted
GPU: Firmeneigentum
Produktname: Codex Pro Tibo Edition.
Einfache Regel:
Wochenlimit: bis Tibo sauer wird.
Die Realität ist weniger großzügig. Laut OpenAI Help Center nutzt Astra das im jeweiligen Plan enthaltene Work/Codex-Kontingent und kann es je nach Aufgabe, Ein-/Ausgabegröße, Reasoning-Einstellungen und weiteren Faktoren schneller verbrauchen als GPT-5.6 Sol.[5]
Damit können zwei Sätze gleichzeitig stimmen:
„Ich will es öfter nutzen“ und „das stärkere Modell kann den Zähler schneller schmelzen.“
Um die fiktive Tibo Edition zu wollen, braucht man keine fortgeschrittene Psychologie. Grundrechenarten reichen.
6. Dann brachte Astra „sechs Monate“ ins Gespräch
Hier wird die Geschichte ernsthaft absurd.
Tibo schrieb, Astra sei vor der breiten Verfügbarkeit vermutlich ein großer Wettbewerbsvorteil gewesen; der Produktivitätssprung habe dazu geführt, einige Pläne ungefähr sechs Monate vorzuziehen und sie bei DevDay statt ungefähr Mitte des folgenden Jahres auszuliefern.[1]
Das ist nicht mehr „Autocomplete wurde etwas schneller“.
OpenAI beschreibt Astra als Modell für schwierige End-to-End-Arbeit über Programmierung, Recherche, Computernutzung und professionelle Workflows hinweg.[4][9]
In den von OpenAI veröffentlichten Evaluationen benötigte Astra in OSWorld-2.0-Latenzsimulationen pro Aufgabe ungefähr 47 % weniger Zeit als GPT-5.6 Sol und erzielte zugleich einen höheren Score; zusammen mit einem aktualisierten Codex harness war die Aufgabenerledigung auf Mind2Web 1,9-mal schneller.[4]
Die natürliche Reaktion lautet:
„Das Experiment ist eindeutig. Her damit.“
Astra klingt damit weniger nach Modellname und mehr nach Roadmap-Abrissgerät.
7. „Sechs Monate früher“ bedeutet aber nicht „sechs Monate menschliche Arbeit gelöscht“
Diese Unterscheidung ist wichtig.
Eine Roadmap um sechs Monate vorzuziehen ist nicht dasselbe wie sechs volle Monate menschlicher Arbeit zu ersetzen.
Produktentwicklung besteht aus Forschung, Prototypen, Reviews, Abhängigkeiten, Wartezeiten, Nacharbeit, Tests und Entscheidungen — nicht nur Implementierungsstunden.
Starke KI kann diesen Weg verkürzen, indem sie etwa hilft:
- Recherche und Implementierung in einem Workflow zu verbinden;
- mehrere Prototypen schnell zu vergleichen;
- vorbereitende Arbeit zu parallelisieren, auf die Menschen früher warten mussten;
- Nacharbeit früher zu entdecken;
- heute mit einer Validierung zu beginnen, die für nächsten Monat geplant war.
So kann sich der gesamte kritische Pfad verkürzen.
Tibos Post sagt nicht, welche Phase um wie viele Tage schrumpfte. „Sechs Monate“ direkt in Personenmonate umzuwandeln wäre daher unbegründet.
Seine Kernaussage ist aber, dass Arbeit aus der Zukunft deutlich näher an die Gegenwart gerückt ist.[1]
Arbeit aus 2027: „Ich wurde noch gar nicht gerufen.“
Astra: „Heute antreten.“
Arbeit aus 2027: „Wie bitte?“
8. Mehr Produktivität kann mehr Arbeit statt mehr Erholung erzeugen
Hier ist „Endlosarbeit“ nicht mehr nur ein Witz.
2026 beschrieben Forschende der UC Berkeley Haas eine laufende Studie auf Basis von acht Monaten Beobachtung in einem US-Technologieunternehmen mit ungefähr 200 Beschäftigten. Mit zunehmender Nutzung generativer KI arbeiteten Beschäftigte schneller, übernahmen ein breiteres Aufgabenspektrum und dehnten Arbeit auf mehr Stunden des Tages aus.[8]
Die KI-Nutzung war dort nicht verpflichtend. Die Forschenden argumentieren, dass KI mehr Aufgaben persönlich machbar erscheinen ließ und Beschäftigte freiwillig ausweiteten, was sie zu erledigen versuchten.[8]
Das ist ein einzelnes Unternehmen, kein universelles Gesetz.
Der Mechanismus ist trotzdem leicht erkennbar:
6-Stunden-Aufgabe → KI erledigt sie in 40 Minuten
Mensch: „Ich habe 5 Stunden 20 gewonnen!“
Organisation: „Ausgezeichnet. Hier sind die nächsten acht.“
Mensch: „Wurde Freizeit deprecated?“
KI kann eine Aufgabe verkürzen. Sie erzeugt nicht automatisch das organisatorische Recht, die gesparte Zeit in Erholung umzuwandeln.
9. Das ist die echte Form der „Endlosarbeit“
Ein Produktivitätsgewinn lässt sich mindestens auf drei Arten verwenden:
- dasselbe Ergebnis in weniger Zeit und mehr Puffer;
- dieselbe Zeit für höhere Qualität;
- dieselbe Zeit für mehr Volumen.
Technologie verändert, wie viel möglich ist. Menschen und Organisationen entscheiden, wohin die neue Kapazität fließt.
In einer wachsenden Organisation können Ideen, Verbesserungen, Kundenwünsche und Forschungsfragen praktisch endlos wirken.
Doppelter Durchsatz garantiert nicht, dass sich der Backlog halbiert.
Stattdessen wird Arbeit, die früher zu weit entfernt oder zu teuer wirkte, plötzlich als neuer Backlog sichtbar.
Astra kommt
→ Arbeit fertig
→ Arbeit von sechs Monaten später rückt näher
→ auch fertig
→ noch weiter entfernte Arbeit wird sichtbar
In einem Videospiel ist die Sichtweite gestiegen. Im Büro werden jetzt Questmarker bis zum Horizont gerendert.
10. Fazit: Vielleicht endet nicht die Arbeit, sondern die Roadmap
Wir begannen mit: „Hat Tibo am Wochenende frei?“
Dann:
Tibo still
→ kein Reset?
→ wiederholtes Prüfen
→ ähnelt variablem Intervall
→ Überraschungs-Reset erzeugt größeren Vorhersagefehler
→ gebt mir den unbegrenzten PC
→ Astra ist absurd stark
→ Pläne sechs Monate vorgezogen
→ Zukunftsarbeit füllt die gesparte Zeit
→ Endlosarbeit
Zwei Aussagen bleiben übrig.
Erstens: Einen unregelmäßigen Reset manuell zu überwachen kostet Aufmerksamkeit. Wenn ein externes Ereignis automatisch melden kann, muss kein Mensch zum dauerhaften Wächter des Nutzungszählers werden.
Zweitens: KI-Produktivität verwandelt sich nicht automatisch in Freizeit. Ohne bewusste Entscheidung, ob der Gewinn in Erholung, Qualität, Geschwindigkeit oder Volumen fließt, ruft neue Kapazität einfach neue Arbeit herbei.
Astra ist nicht der Bösewicht. Ein mächtiges Werkzeug kann die Zukunft tatsächlich näher bringen.
Der gefährliche Satz kommt vom Menschen daneben:
„Oh. Das können wir heute auch noch machen.“
Dann stellt sich die Arbeit der Zukunft vor der Tür an.
Vielleicht endet die Arbeit nie. Die Roadmap könnte zuerst enden.
Shared research references / 共通出典
- Tibo (@thsottiaux), public X post on Astra and plans moving roughly six months forward: https://x.com/thsottiaux/status/2096101429832552872
- Tibo (@thsottiaux), public X post on the full banked reset for Plus, Pro and Business users: https://x.com/thsottiaux/status/2096035437299237298
- Tibo (@thsottiaux), public X post: “See you next week for some more ships.”: https://x.com/thsottiaux/status/2096035748130795560
- OpenAI, “GPT-6 Astra: A new generation of intelligence” (2026-09-03): https://openai.com/index/gpt-6-astra/
- OpenAI Help Center, “ChatGPT Work and Codex” — Astra usage and plan allowances: https://help.openai.com/en/articles/20001275/
- OpenStax, Psychology 2e, §6.3 “Operant Conditioning” — partial reinforcement and variable-interval schedules; social-media checking example: https://openstax.org/books/psychology-2e/pages/6-3-operant-conditioning
- Schultz, W. (2016), “Dopamine reward prediction error coding,” Dialogues in Clinical Neuroscience 18(1):23–32, PubMed PMID 27069377: https://pubmed.ncbi.nlm.nih.gov/27069377/
- UC Berkeley Haas, research summary “AI Doesn’t Reduce Work—It Intensifies It” (2026-02), describing an eight-month study at a roughly 200-person U.S. technology company: https://haas.berkeley.edu/ibsi/research/ai-doesnt-reduce-work-it-intensifies-it/
- OpenAI Release Notes, “Introducing GPT-6 Astra” (2026-09-03): https://openai.com/products/release-notes/
