YouTube

Hier weit über 500.000 KI- und Machine-Learning-Tutorial-Videos landeten 2024 und 2025 zusammen auf YouTube und zogen über 2,5 Milliarden Aufrufe pro Jahr an, bei 100 Stunden neuem KI-Content, die jede Stunde hochgeladen werden, und Suchanfragen nach "AI tutorial" oder "machine learning course", die im Jahresvergleich um 800% gestiegen sind. Dieser Output übertrifft die traditionelle akademische Produktion. Für viele angehende Praktiker ist die Plattform zur primären Lernressource geworden, was ein Werbeunternehmen in die Position einer technischen Schule bringt.

Kanäle von Andrej Karpathy, StatQuest, 3Blue1Brown und Sentdex zählen Millionen Abonnenten, und Professoren von Stanford und MIT veröffentlichen dort kostenlos in einer Produktionsqualität, die mit bezahlten Kursen konkurriert. Derselbe Feed transportiert Tutorials, die auf veralteten Bibliotheken aufbauen, konzeptionell falsche Erklärungen und Clickbait, das unrealistische Ergebnisse verspricht. Aufrufe und Likes sind unvollkommene Qualitätssignale, weshalb Lernende ihre eigene Urteilsfähigkeit entwickeln müssen. Das Publikum gleicht dies durch Selbstorganisation aus: kuratierte Playlists, Discord- und Reddit-Communities, "awesome"-Listen auf GitHub.

Simon Wardleys Mapping-Methode verwendet YouTube als ihr Musterbeispiel für ein Commodity. Die Videoidee und der Inhalt stehen links auf der Map, dort wo Differenzierung stattfindet; die Kamera ist ein Produkt, die Plattform ein Hahn, aus dem man schöpft und den man nie selbst nachbaut. Think with Googles Budgetleitfaden 2026 behandelt dieselbe Organisation als Posten in einer Liste und rät Marketern, Shorts zu testen und Conversions nach dem Ansehen zu messen. Die Abhängigkeit vom Algorithmus, das Ausbrennen von Creators und das Plattformrisiko bleiben in beiden Lesarten ungelöst.