Wird KI Arbeitsplätze ersetzen?
Bisher lag jede Panik vor der Automatisierung falsch. Diesmal schlagen die Menschen Alarm, die die Technologie gebaut haben. Die interessante Frage ist nicht, ob KI Arbeit verdrängt, sondern ob die Verdrängung schneller verläuft als die Reallokation und was die Institutionen in der Übergangszeit tun.
Als Debattengraph anzeigenHinton steigt aus
„Die Vorstellung, dass dieses Zeug tatsächlich klüger werden könnte als Menschen, daran glaubten ein paar Leute. Aber die meisten hielten das für weit entfernt. Und ich hielt es auch für weit entfernt. Ich dachte, es sei 30 bis 50 Jahre oder noch länger entfernt. Offensichtlich denke ich das nicht mehr.“
— Geoffrey Hinton nach seinem Abschied von Google, New York Times, 1. Mai 2023
Der „Pate der KI“ verließ Google mit 75 Jahren, um die Öffentlichkeit ungebunden warnen zu können. Fünf Monate später saß er bei „60 Minutes“ und sagte dasselbe noch einmal, nur langsamer.
Die reflexhafte Antwort an jeden, der technologische Massenarbeitslosigkeit vorhersagt, hat eine starke Bilanz: Die Vorhersagen lagen zwei Jahrhunderte lang immer wieder falsch. Die Handweber sahen den Untergang kommen, und die neuen Fabriken stellten mehr Arbeiter ein, als das alte Handwerk verlor. Telefonistinnen wurden millionenfach wegautomatisiert, und die Callcenter-Branche, die an ihre Stelle trat, war größer. Geldautomaten sollten das Ende der Bankschalterangestellten bringen, doch ihre Zahl wuchs. Jede Welle verdrängte bestimmte Arbeitskräfte und schuf nachgelagert insgesamt mehr Beschäftigung. Der Reflex sagt: Das ist eine weitere Welle.
Dies ist nicht die erste Welle von Warnungen, KI werde Arbeitsplätze kosten. Die unmittelbar vorangegangene Literatur kam von außen. Carl Benedikt Frey und Michael Osborne schätzten 2013 in ihrer Oxforder Studie, dass „rund 47 Prozent der gesamten Beschäftigung in den USA gefährdet“ seien, und zwar durch Computerisierung über „eine nicht näher bestimmte Zahl von Jahren, vielleicht ein oder zwei Jahrzehnte“. Daniel Susskind argumentierte in A World Without Work (2020), das historische Muster selbst breche gerade. Diese Warnungen landeten in Gastbeiträgen, TED-Talks und Politikpapieren, und die 2010er Jahre verarbeiteten sie weitgehend, ohne dass sich ein makroökonomischer Fußabdruck zeigte.
Anders ist 2023, weil der Reflex diesmal von innen gebrochen wird. Hinton hat den Backpropagation-Algorithmus erfunden, der neuronale Netze erst möglich macht. Er verbrachte ein Jahrzehnt bei Google. Als er kündigte, um die Öffentlichkeit zu warnen, sprach der Mann, der den Motor gebaut hatte, und er sagte allen, er habe unterschätzt, wie schnell dieser laufen würde. Yoshua Bengio, mit dem er den Turing Award teilte, unterschrieb dieselben offenen Briefe. Innerhalb von zwei Jahren sagten der Chef von Anthropic und ein Wirtschaftsnobelpreisträger in verschiedenen Fassungen: Wir sind womöglich nicht mehr im alten Muster.
Der historische Befund hat Gewicht, und die Asymmetrie darin, wer warnt, ebenfalls. Frühere Paniken vor der Automatisierung kamen von außerhalb der Technik: von Politikern, Journalisten, verdrängten Arbeitern. Auch die pessimistische Welle vor den großen Sprachmodellen (Frey-Osborne, Susskind) kam von außen, von Akademikern, die eine massenhafte Verdrängung vorhersagten, die der Arbeitsmarkt dann weitgehend auffing. Die Welle von 2023 ist das erste Mal, dass die Ingenieure, Manager und Theoretiker, die das Ding gebaut haben, selbst warnen. Recht haben sie deshalb noch nicht. Aber man kann sie schwerer als Außenstehende abtun, die ein Muster auf Berufe übertragen, die sie nicht verstanden.
Ist es diesmal wirklich anders?
„Gemessen am gegenwärtigen Paradigma der Technologiebranche können wir die schlimmste aller möglichen Welten nicht ausschließen: nichts vom transformativen Potenzial der KI, aber die ganze Verdrängung von Arbeitskräften, die ganze Desinformation und Manipulation.“
— Daron Acemoglu, Wirtschaftsnobelpreisträger 2024, Project Syndicate, Dezember 2024
Die pessimistische Position aus dem Mainstream heraus ist schärfer als die Twitter-Version. Acemoglu behauptet, KI werde nach einem Muster eingesetzt, von dem der Aufgabenansatz vorhersagt, dass es für die Arbeit schlechter ausgeht, als die Optimisten erwarten: Arbeitskräfte ersetzen, den Produktivitätsgewinn einstreichen, nichts umverteilen. Hinton, Bengio, Amodei und Susskind schlagen in dieselbe Kerbe und argumentieren von innen.
„Die Ludditen lagen nicht falsch damit, dass Maschinen zu ihren Lebzeiten Arbeitsplätze vernichteten. Sie lagen falsch damit, was danach kam. Jede frühere Automatisierungswelle brachte am Ende mehr Arbeitsplätze zu höheren Reallöhnen hervor als die, die sie verdrängt hatte.“
— das historische Muster, zusammengefasst
Der historische Befund ist einheitlich: Technik verschiebt, welche Aufgaben Menschen erledigen, ohne die gesamtwirtschaftliche Nachfrage nach menschlicher Arbeit zu beseitigen. Die Industrielle Revolution verdrängte die Handweber und brachte am Ende eine Arbeiterklasse mit höheren Reallöhnen und kürzeren Arbeitszeiten hervor. Computer ließen ganze Berufe verschwinden (Telefonistin, Schriftsetzer, Reisebürokaufmann), und die postindustrielle Erwerbsbevölkerung ist größer und besser bezahlt. Die Ausgangsvermutung ist stark. Die Frage ist, ob irgendetwas an der Welle von 2023 das Muster bricht oder ob die Warnungen die nächste Runde sind, in der kurzfristiger Schmerz als langfristiger Verlauf missverstanden wird.
Das Urteil aus Schritt 1
Dies ist der erste Automatisierungszyklus, in dem die Menschen, die die Technologie gebaut haben, öffentlich vor ihren Gefahren warnen. Das beweist nicht, dass sie recht haben. Es ist aber ein Grund, die pessimistische Position ernst genug zu nehmen, um sie an dem Modell zu prüfen, mit dem Arbeitsökonomen tatsächlich arbeiten. Der historische Befund ist aufschlussreich, eine Deduktion ist er nicht. Das maßgebliche Modell ist das, das Acemoglu selbst gebaut hat, und es liefert die optimistische Antwort nicht automatisch.
Legen wir den historischen Reflex also für einen Schritt beiseite und nehmen die Warner aus dem Inneren der Technik beim Wort. Was sagt das Modell voraus, mit dem die Arbeitsökonomen des Mainstreams über Automatisierung nachdenken?
Der Aufgabenansatz und was sein Urheber heute denkt
„Auch wenn die Auswirkungen von KI auf den Arbeitsmarkt wahrscheinlich erheblich sein werden, sind die meisten Berufe und Branchen der Automatisierung nur teilweise ausgesetzt und werden daher eher durch KI ergänzt als ersetzt… Eine breite Einführung von KI könnte das jährliche globale BIP über einen Zeitraum von 10 Jahren letztlich um 7 % steigern.“
— Joseph Briggs & Devesh Kodnani, Goldman Sachs, „The Potentially Large Effects of Artificial Intelligence on Economic Growth“, 26. März 2023
Die Schlagzeilen behielten die Zahl von 300 Millionen Arbeitsplätzen und ließen den Rest des Satzes weg. Die vollständige Studie ist vorsichtiger und interessanter als ihre virale Verkürzung.
Der Ansatz, den Goldman stillschweigend verwendet und den Acemoglu und Restrepo zwischen 2018 und 2022 ausdrücklich ausgearbeitet haben, ist der Aufgabenansatz. Die Analyseeinheit sind nicht Berufe, sondern Aufgaben. Der Beruf einer Radiologin ist ein Bündel von Aufgaben: Aufnahmen befunden, mit Ärzten sprechen, sich mit Chirurgen abstimmen, Patienten Diagnosen erklären. Eine Technologie automatisiert eine Aufgabe, wenn sie diese billiger erledigt als ein Mensch. Ob die Beschäftigte ihre Stelle verliert, hängt davon ab, was mit dem Rest ihres Bündels geschieht.
Der Ansatz zerlegt die Wirkung auf die Arbeit in drei Kräfte. Der Verdrängungseffekt: Aufgaben werden automatisiert, Arbeitskräfte ersetzt. Der Produktivitätseffekt: Die Produktion wird billiger, die Nachfrage nach den nicht automatisierten Aufgaben steigt. Der Wiedereinsetzungseffekt: Es entstehen neue Aufgaben, die es vorher nicht gab (Softwareentwickler, Prompt-Engineers, KI-Prüfer). Die optimistische Lesart lautet, dass Produktivität und Wiedereinsetzung die Verdrängung überholen. Die pessimistische lautet, dass sie das nicht tun oder nicht schnell genug.
In der Formulierung von Acemoglu und Restrepo bewegt sich die Lohnquote mit dem relativen Wachstum der Verdrängungs- und der Wiedereinsetzungsmarge:
$$\Delta s_L \approx (\text{reinstatement}) - (\text{displacement}) + (\text{productivity-induced demand})$$Überwiegen Wiedereinsetzung und Produktivität, erholt sich die Lohnquote und die Reallöhne steigen (das historische Muster). Überwiegt die Verdrängung, also bei dem, was Acemoglu „So-so-Automatisierung“ nennt, sinkt die Lohnquote und das Lohnwachstum stagniert.
Man kann sich Automatisierung als Wettlauf zwischen drei Dingen vorstellen. Aufgaben werden wegautomatisiert, was schlecht ist für die Arbeitskräfte, die sie erledigt haben. Die Produktion wird billiger und hebt die Nachfrage nach dem, was Arbeitskräfte weiterhin tun, und das ist gut. Neue Aufgaben entstehen, die es vorher nicht gab, was ebenfalls gut ist, wenn auch erst mit der Zeit. Der historische Befund lautet, dass das Gute das Schlechte überholt hat. Der Ansatz verspricht das nicht. Er sagt Ihnen, was Sie messen müssen.
Derselbe Ansatz liefert Goldmans BIP-Prognose von 7 % und Acemoglus pessimistische Schätzung von 0,53–0,66 % für die totale Faktorproduktivität (TFP): dasselbe Modell, andere Parameter. Das Instrumentarium des Aufgabenansatzes ist formal ausgearbeitet in Kap. 21 §21.7 (Der Aufgabenansatz). Kap. 13 §13.3 (Wachstumstheorie) entwickelt die Produktivitätsseite, Kap. 18 §18.2 (Institutionenökonomik) behandelt die Seite der Lohnquote. Die Denklinie des Aufgabenmodells, von Autor-Levy-Murnane 2003 über Acemoglu-Autor 2011 bis Acemoglu-Restrepo 2018–2022, verläuft durch Ideengeschichte, Kap. 16 (Die Linie der Entwicklungsökonomik).
Der historische Vergleich, den der Ansatz verlangt, ist derjenige, aus dem der Reflex entstand: die Industrielle Revolution. Die Handweber lagen mit dem mechanischen Webstuhl nicht falsch. Ihre Löhne fielen, der Übergang war brutal, und es dauerte zwei Generationen, bis er verarbeitet war. Danach kam eine Textilindustrie, die mehr Menschen zu höheren Löhnen beschäftigte. Wirtschaftsgeschichte, Kap. 7 geht den Befund durch, einschließlich der 30 bis 50 Jahre dauernden Lohnstagnation zwischen etwa 1780 und 1820, über die das optimistische Argument hinweggeht. Die Wiedereinsetzungsmarge hat funktioniert. Sie hat langsam funktioniert.
Der nähere Fall aus jüngerer Zeit ist der „China-Schock“. Zwischen 1999 und 2011 fiel die Beschäftigung in der US-Industrie um etwa ein Viertel. Die späteren Arbeiten von Autor, Dorn und Hanson zeigten, dass die Verdrängung tatsächlich stattfand, regional konzentriert war und sich weitgehend in den makroökonomischen Aggregaten verbarg, die die Standardmodelle zuerst lesen. Wirtschaftsgeschichte, Kap. 17 behandelt die Chronologie des Handelsschocks auf chinesischer Seite, Kap. 18 die Frage, ob die US-Seite ihn auffing oder nicht. Die Große Frage zum Freihandel geht denselben Befund von Autor, Dorn und Hanson im Detail durch. Die Reallokation verlief in diesem Fall langsamer und unvollständiger als in der Textilindustrie. Die Sorge um die So-so-Automatisierung lautet, ob der Einsatz von KI eher 1810 gleicht (am Ende Wiedereinsetzung) oder eher 2005 (unvollständige Reallokation, deren Kosten die Arbeitskräfte tragen).
So-so-Automatisierung und warum Acemoglu seine Meinung geändert hat
„So, wie Unternehmen KI derzeit einsetzen, nämlich vor allem, um menschliche Arbeit zu ersetzen statt zu ergänzen, ist sie die Form der Automatisierung, die am ehesten die Lohnquote senkt und die Löhne stagnieren lässt, und nicht die Form, die sie am ehesten steigen lässt.“
— sinngemäß nach Daron Acemoglu, „The Simple Macroeconomics of AI“ (2024) und verwandten Arbeiten
Acemoglus pessimistische Wende zählt, weil sie aus dem Inneren des Instrumentariums kommt. Er argumentiert nicht, der Ansatz sei falsch. Er argumentiert, dass der Ansatz, ehrlich angewandt, ein schlechtes Ergebnis vorhersagt, wenn Unternehmen KI als Ersatz statt als Ergänzung einsetzen, also das, was er So-so-Automatisierung nennt. Ein Selbstbedienungskassenterminal ersetzt eine Kassiererin und sorgt kaum für mehr verkaufte Lebensmittel. Ein Kundendienst-Chatbot ersetzt einen Servicemitarbeiter und sorgt kaum für mehr Service. Die Verdrängung bewegt sich, die Produktivität nicht, und die Wiedereinsetzung kommt nicht hinterher. Die Lohnquote sinkt, ohne dass Lohnzuwächse das ausgleichen. Seine Schätzung für die TFP von 0,53–0,66 % über zehn Jahre liegt eine Größenordnung unter den Prognosen der Branche. Der Ansatz liefert das pessimistische Urteil, weil Unternehmen KI auf die für Arbeitskräfte schlechteste Weise nutzen.
„Allzwecktechnologien folgen einer J-Kurve. Die ersten Jahre sehen nach Ersetzung aus. Die Produktivitätsgewinne kommen, wenn Unternehmen und Arbeitskräfte sich um das neue Werkzeug herum neu organisieren. Wir haben die Talsohle der J-Kurve noch nicht hinter uns.“
— Erik Brynjolfsson, Zusammenfassung der These von der J-Kurve (2017, auf KI erweitert)
Brynjolfssons Gegenargument kommt ebenfalls aus dem Inneren des Instrumentariums. Produktivitätsgewinne aus Allzwecktechnologien treten systematisch verzögert ein: Die Elektrizität brauchte 30 Jahre, um in den Produktivitätsstatistiken aufzutauchen, weil die Unternehmen ihre Fabriken um sie herum neu verkabeln mussten. Computer steckten zwei Jahrzehnte lang in allem außer in den Produktivitätsstatistiken, dann lieferte der Boom der späten 1990er Jahre genau das, was die J-Kurve vorhersagte. Wer auf die Zahlen von 2024 schaut und folgert, KI sei So-so-Automatisierung, hält nach dieser Sicht die Talsohle der J-Kurve für den Dauerzustand. Derselbe Ansatz, ein anderer Parameter: Der eine sagt, das Ersetzungsmuster sei der Dauerzustand, der andere, es sei der Übergang.
Das Urteil aus Schritt 2
Der Ansatz hält. Der Streit zwischen Acemoglu und Brynjolfsson betrifft eine Größenordnung innerhalb des Aufgabenmodells. Der eine kalibriert auf die gegenwärtigen Ersetzungsmuster und kommt auf So-so-Automatisierung, der andere kalibriert auf die historische J-Kurve und kommt auf die Zeit vor dem Produktivitätsboom. Die wirtschaftspolitische Frage lautet, ob sich die Einführung von KI zu dem Muster „ergänzen statt ersetzen“ lenken lässt, das das optimistische Urteil liefert. Das ist eine institutionelle Frage.
Die Theorie sagt Verdrängung und Reallokation voraus. Was zeigt also der empirische Befund? 2024 ging die Fallstudie eines Unternehmens viral, dem die KI angeblich die Arbeitsplätze weggefressen hatte. 2025 nahm derselbe Chef sie zurück.
Der Fall Klarna und der umstrittene Befund
„In seinem ersten Monat führte er 2,3 Millionen Gespräche, zwei Drittel der Kundendienst-Chats von Klarna. Er leistet die Arbeit von 700 Vollzeit-Servicemitarbeitern.“
— Pressemitteilung von Klarna, Februar 2024
Der meistzitierte Beleg eines Unternehmens für „KI hat unsere Jobs gefressen“ aus dem Jahr 2024. Klarna nannte die Zahl, nannte die Funktion, nannte den KI-Anbieter. Fünfzehn Monate später sagte derselbe Chef etwas anderes.
Eine empirische Behauptung über Verdrängung muss eine höhere Hürde nehmen als eine virale Pressemitteilung. Der Ansatz sagt uns, worauf zu achten ist: auf automatisierte Aufgaben (ja, Klarnas Chatbot übernahm zwei Drittel der Gespräche), aber auch darauf, was in den folgenden Jahren mit den Beschäftigten, mit der Servicequalität und mit der Gesamtbeschäftigung in dieser Funktion geschah. Eine Pressemitteilung hält den Verdrängungseffekt zu einem einzigen Zeitpunkt fest. Wer sie als Dauerzustand liest, muss unterstellen, dass Produktivitäts- und Wiedereinsetzungseffekt null sind oder noch schlechter.
Wenn die Verdrängung durch KI in dem Ausmaß stattfindet, das die Pessimisten beschreiben, müsste sie sich auf makroökonomischer Ebene in den gesamtwirtschaftlichen Arbeitsmarktdaten zeigen: in der Erwerbsbeteiligung, der Beschäftigungsquote, der Lohnquote am BIP. Acemoglus Studie von 2024 hat das geprüft. Seine Schätzung für das Jahrzehnt liegt bei 0,53–0,66 % zusätzlicher TFP, also nicht bei null, aber mehr als eine Größenordnung unter Goldmans 7 %. Die viel zitierte 40-Prozent-Zahl des IWF misst Aufgaben, die einer möglichen Automatisierung ausgesetzt sind. Auf den Abstand zwischen dieser Exposition und dem, was tatsächlich eintritt, kommt alles an.
„Aus Sicht der Marke, aus Sicht des Unternehmens halte ich es einfach für so entscheidend, dass man seinen Kunden klar sagt: Es wird immer einen Menschen geben, wenn man einen will.“
— Sebastian Siemiatkowski, CEO von Klarna, Interview mit Bloomberg, Mai 2025
Klarna hat die Behauptung von den „700 Servicemitarbeitern“ zurückgenommen
Die meistzitierte Fallstudie zur Verdrängung durch KI aus dem Jahr 2024 kehrte sich 2025 um: derselbe Chef, der wieder Menschen einstellt und dabei die Servicequalität anführt. Entweder war der Chatbot nicht so gut, wie die Pressemitteilung behauptete, oder die Funktion brauchte eine hybride Lösung, oder beides. Das saubere Ersetzungsargument hielt der Prüfung an echten Kunden nicht stand.
Wessen Zahl glauben Sie?
„Wir als Hersteller dieser Technologie haben die Pflicht und die Verantwortung, ehrlich zu sagen, was kommt. Ich glaube nicht, dass die Leute das auf dem Schirm haben. Es wird in kurzer Zeit passieren, in nur ein paar Jahren oder sogar weniger.“
— Dario Amodei, CEO von Anthropic, Interview mit Axios, 28. Mai 2025 (mit der Vorhersage, KI könne die Hälfte der Einstiegsstellen im Bürobereich vernichten und die Arbeitslosigkeit auf 10–20 % treiben)
Amodeis Zahl ist die schärfste Prognose aus der Branche selbst: die Hälfte der Einstiegsstellen im Bürobereich, eine Arbeitslosigkeit von 10–20 % binnen weniger Jahre. Die 40-Prozent-Zahl des IWF zur weltweiten Exposition liegt in derselben Gegend. Wenn sich auch nur ein Bruchteil dieser Prognosen bewahrheitet, wird der makroökonomische Fußabdruck nicht zu übersehen sein. Die pessimistische These lautet, dass wir nur noch Monate davon entfernt sind, ihn zu sehen.
„Nach unserer Schätzung wird die Einführung von KI im nächsten Jahrzehnt rund 0,53 bis 0,66 Prozentpunkte zum Wachstum der totalen Faktorproduktivität beitragen: spürbar, aber mehr als eine Größenordnung unter den Prognosen der Branche.“
— sinngemäß nach Daron Acemoglu, „The Simple Macroeconomics of AI“, 2024
Acemoglus Zahl ist die methodisch strengste Schätzung des Mainstreams und liegt drastisch unter den Prognosen der Branche. Die Arbeitsmarktdaten bis 2025 geben ihm recht: kein gesamtwirtschaftlicher Fußabdruck, Beschäftigung nahe der Vollbeschäftigung, stabile Erwerbsbeteiligung. Wer eine Arbeitslosigkeit von 10–20 % vorhersagt, extrapoliert aus den Fähigkeiten von Produkten, weit außerhalb des makroökonomischen Modells, das der Arbeitsökonomik seit zwei Jahrzehnten als Standardmodell dient. Die Konfidenzintervalle der pessimistischen Prognosen sind weit, und die Daten haben sich noch nicht bewegt.
Das Urteil aus Schritt 3
Der empirische Befund ist umstritten, und die Konfidenzintervalle sind weit. Klarna hat das sauberste Ersetzungsargument zurückgenommen. Anthropic warnt, eine größere Welle stehe in wenigen Monaten bevor. Acemoglus Daten zeigen bislang einen minimalen makroökonomischen Fußabdruck, doch dasselbe Signal „kein gesamtwirtschaftlicher Fußabdruck“ sah auch beim China-Schock sauber aus, und Autor, Dorn und Hanson dokumentierten schließlich eine erhebliche regionale Verdrängung, die die Makrodaten verborgen hatten (siehe die Große Frage zum Freihandel). Das Fehlen eines makroökonomischen Fußabdrucks ist ein schwaches Signal. Ehrlich gelesen haben wir noch nicht die Daten, um zwischen der pessimistischen und der optimistischen Prognose zu unterscheiden. Beide sind stimmige Anwendungen des Aufgabenansatzes. Die makroökonomischen Arbeitsmarktdaten der nächsten fünf Jahre werden vieles klären, was die heutigen Argumente nicht klären können.
Die Intervalle sind weit, zugestanden. Eine Antwort braucht die Frage trotzdem. Wenn es die Verdrängung auch am unteren Ende der Spanne gibt, was sollten die Institutionen dagegen tun, und wie sieht die Füllhorn-Sicht in ihrer schärfsten Form aus?
Umverteilung, die Wende zur Postarbeitsgesellschaft und wie das Urteil tatsächlich lautet
„Wenn Lastwagen anfangen, selbst zu fahren, und 3,5 Millionen Lkw-Fahrer randalieren, weil sie ihre Familien nicht mehr ernähren können… Wir werden Arbeitsplätze drei- bis viermal so schnell vernichten wie in der [letzten] industriellen Revolution, und zu dieser industriellen Revolution gehörten Massenunruhen.“
— sinngemäß nach Andrew Yang, Joe Rogan Experience #1245, Februar 2019
Der Auftritt aus der Zeit vor ChatGPT, der das bedingungslose Grundeinkommen in die politische Debatte des Mainstreams zerrte. Fünf Jahre später ist das Argument schärfer und die Politik schwieriger.
Wenn die Verdrängung eintritt, und sei es am unteren Ende der Spanne, wird die wirtschaftspolitische Frage zu einer Frage der Umverteilung. Das Instrumentarium des Mainstreams kennt drei ernsthafte Instrumente. Das bedingungslose Grundeinkommen zahlt jedem Erwachsenen einen pauschalen Transfer, unabhängig vom Erwerbsstatus. Die negative Einkommensteuer setzt Leistungen ein, wenn das Einkommen sinkt, und schmilzt sie ab, wenn es steigt. Milton Friedman schlug sie als eine mit libertären Überzeugungen vereinbare Alternative zu einem ausufernden Sozialstaat vor. Eine ausgeweitete Steuergutschrift für Erwerbstätige, der amerikanische EITC, knüpft Transfers an Erwerbsarbeit und subventioniert gering bezahlte Beschäftigung, statt sie zu ersetzen.
Die drei unterscheiden sich in ihrer Inzidenz auf das Arbeitsangebot, in ihren fiskalischen Kosten und in ihrer politischen Durchsetzbarkeit. Das Grundeinkommen erhält die Arbeitsanreize an der Marge (kein impliziter Steuersatz auf den ersten verdienten Dollar), zahlt aber Transfers an Menschen, die sie nicht brauchen. Negative Einkommensteuer und ausgeweiteter EITC halten die Transfers zielgenau, schaffen aber beim Abschmelzen abrupte Kanten, die Arbeitsanreize abstumpfen können. Die Frage der fiskalischen Inzidenz behandelt Kap. 16 §16.4 (Geld- und fiskalpolitische Theorie). Die Frage der Verhaltensreaktion, ob Menschen also weniger arbeiten, wenn die Transfers steigen, gehört zu den am besten untersuchten der angewandten Arbeitsökonomik, und die Antwort lautet: weniger, als die Standardmodelle vorhersagen, aber nicht null. Das Instrumentarium des Arbeitsangebots für diese Frage (die intensive und die extensive Marge, die Inzidenz des EITC auf gering bezahlte Arbeit, die Lohnuntergrenze im Monopson) steht in Kap. 21 §21.1 (Das Arbeitsangebot) und §21.5 (Monopson).
Die Denklinie hinter der Vorstellung einer Welt nach der Erwerbsarbeit ist älter als die KI-Debatte. Keynes sagte 1930 in seinem Essay „Wirtschaftliche Möglichkeiten für unsere Enkelkinder“ voraus, dass Produktivitätsgewinne die Wochenarbeitszeit binnen eines Jahrhunderts auf 15 Stunden drücken würden. Die Wochenarbeitszeit ist tatsächlich gesunken, nur viel weniger. Die institutionalistische Tradition, in der Acemoglu heute steht, von Veblen über Polanyi bis zur modernen Literatur zur Lohnquote, behandelt die Macht der Arbeit und die institutionelle Anpassung als tragende Variablen. Ideengeschichte, Kap. 15 (Die institutionalistische Tradition: von Veblen zu Acemoglu) verfolgt diese Denklinie. Yang und Altman stammen von ihr ab, ob sie es wissen oder nicht.
„Wir glauben, dass künstliche Intelligenz unsere Alchemie ist, unser Stein der Weisen: Wir bringen buchstäblich Sand zum Denken. … Wir glauben, dass jede Verlangsamung der KI Leben kosten wird. Todesfälle, die eine KI hätte verhindern können, die man am Entstehen gehindert hat, sind eine Form von Mord.“
— Marc Andreessen, „The Techno-Optimist Manifesto“, a16z.com, 16. Oktober 2023
Andreessen nannte die Verlangsamung der KI „eine Form von Mord“
Das meistzitierte Dokument des vorbehaltlosen Füllhorn-Optimismus in der KI-Debatte deutet jede Verlangsamung als Tötung durch Unterlassen. Die medizinischen, klimapolitischen und bildungspolitischen Fortschritte, die nicht eingesetzte KI verschenkt, sind verlorene Leben. Die Pessimisten halten in dieser Rahmung mit ihrem Blick auf die Verdrängung von Arbeit die unmittelbaren Übergangskosten für den Dauerzustand und verfehlen das wirtschaftspolitische Urteil um Größenordnungen.
Was sollten die Institutionen tun?
„Wir glauben, dass erweiterte Intelligenz die Grenzproduktivität antreibt, die das Lohnwachstum antreibt, das die Nachfrage antreibt, die die Schaffung neuen Angebots antreibt… ohne Obergrenze.“
— Marc Andreessen, „The Techno-Optimist Manifesto“, 16. Oktober 2023
Die wirtschaftspolitische Rahmung im Sinne des Manifests heißt minimale Intervention. Man lasse die Technologie laufen, komme ihr nicht mit regulatorischer Verlangsamung zuvor, lasse die Produktivitätsgewinne eintreffen und die Arbeitskräfte in neue Tätigkeiten wechseln, wie sie es in jeder früheren Runde einer Allzwecktechnologie getan haben. Die Wohlfahrtsgewinne sind groß, und die institutionelle Reibung von Umverteilungsprogrammen ist selbst ein Kostenfaktor, den die Füllhorn-Sicht einrechnet. Andreessens Prämisse, dass Lohnwachstum seine eigene Nachfrage schafft, ist das Laissez-faire von 1810 in neuer Auflage. Wenn das historische Muster zwei Jahrhunderte lang gehalten hat, liegt die Beweislast bei denen, die behaupten, diese Runde sei anders, und sie wiegt schwerer als alles, was die pessimistische Welle bisher vorgelegt hat.
„Der gesamtwirtschaftliche Wohlfahrtsgewinn ist real, die Menschen, die die Übergangskosten tragen, sind es auch, und es sind nicht dieselben Menschen. Ein wirtschaftspolitischer Rahmen, der das Erste als Beweis dafür nimmt, dass das Zweite keine Rolle spielt, ist kein wirtschaftspolitischer Rahmen.“
— die übliche Antwort der Arbeitsökonomik des Mainstreams, zusammengefasst
Institutionen sind keine Reibung. Sie sind die Variable, die bestimmt, ob sich das historische Muster wiederholt. Weiterbildungsprogramme, Transferprogramme, Verhandlungsstrukturen und übertragbare Sozialleistungen sind das Instrumentarium, das aus dem Füllhorn-Ergebnis statt einer Hoffnung einen Plan macht. Die Rahmung Andreessens begeht denselben Fehler wie die Laissez-faire-Rahmung von 1810: Die Technologie wird liefern, die Arbeitskräfte werden in neue Tätigkeiten wechseln, die Institutionen sollen sich heraushalten. Zwei Jahrhunderte historischer Befund zeigen, dass es funktioniert hat, langsam, brutal für die Arbeitskräfte, die in der Übergangszeit feststeckten, und abhängig von institutioneller Anpassung (Fabrikgesetze, öffentliche Schulen, schließlich der Sozialstaat), die die Laissez-faire-Rahmung nicht vorhersah und zu verhindern suchte. Die institutionelle Frage, was wir den Menschen in der Übergangszeit schulden und wie Weiterbildungsprogramme, Transfers und Verhandlungsstrukturen aussehen sollen, ist der Punkt, an dem der Aufgabenansatz ankommt, wenn man ihn ehrlich anwendet.
Das Urteil
Der Aufgabenansatz sagt Verdrängung plus Reallokation voraus, und der historische Befund sagt, dass die Reallokation bisher jede Runde gewonnen hat, wenn auch erst am Ende. Die Evidenz von 2023–26 ist mit einem Dauerzustand der So-so-Automatisierung im Sinne Acemoglus ebenso vereinbar wie mit einem Übergang vor dem Aufschwung der J-Kurve im Sinne Brynjolfssons. Die Variable, die am meisten erklärt, ist das Tempo der Reallokation: wie schnell Arbeitskräfte zu neuen Aufgaben wechseln, wie schnell neue Aufgaben entstehen, wie viel Reibung die institutionelle Anpassung erzeugt. Dieses Tempo bestimmen Ausbildungssysteme, Transferprogramme und Verhandlungsstrukturen.
Die Position: Die Füllhorn-Sicht unterschätzt die Übergangskosten auf eine Weise, die für die Arbeitskräfte in der Übergangszeit spürbar und folgenreich ist, und eine ernsthafte wirtschaftspolitische Antwort ist selbst unter den Parameterwerten der Optimisten gerechtfertigt: ein ausgeweiteter EITC, übertragbare Sozialleistungen, eine Reform der Weiterbildungsprogramme, womöglich ein Pilotprojekt für ein Grundeinkommen, das an die Produktivitätsgewinne der KI gekoppelt ist. Die pessimistische Sicht überzeichnet das Ergebnis im Dauerzustand und verwechselt die Talsohle der J-Kurve mit der Asymptote. Die Prognosen von Massenarbeitslosigkeit werden von den makroökonomischen Arbeitsmarktdaten derzeit nicht gestützt, und die implizite Politik (die Technologie bremsen) tauscht einen spekulativen Schaden für die Arbeit gegen die messbaren Wohlfahrtsverluste, die Andreessen benennt. Die institutionelle Anpassung ist die tragende Variable, die Übergangskosten sind real und tragbar, wenn die Institutionen handeln, und die Technologie soll laufen.
Wo uns das hinführt
Die Warnungen kommen von innen, und deshalb reicht der historische Reflex als Antwort nicht aus. Der Aufgabenansatz ist das richtige Werkzeug, und Acemoglu und Brynjolfsson wenden ihn mit unterschiedlichen Parametern an. Der Befund aus den Unternehmen von 2024–26 zeigt, wie Verdrängung geschieht. Die makroökonomischen Arbeitsmarktdaten haben sich noch nicht bewegt.
Dieselbe Frage der institutionellen Anpassung zieht sich durch die Frage, ob Zuwanderung der Wirtschaft nützt, und durch die Frage, wie wir den Klimawandel bezahlen sollen. Lohnquote und institutionelle Anpassung verbinden alle drei.