Der blinde Fleck der KI-Debatte

Die zweite Welle, die niemand adressiert

In Zeiten großer Unsicherheit zählt sie zu den sichersten Prognosen überhaupt: Künstliche Intelligenz wird vielen Menschen den Arbeitsplatz kosten. Man kann versuchen, die Fähigkeiten dieser Systeme kleinzureden — mit Verweis auf die bekannten „Halluzinationen", deren Ursache meist in mangelhaftem Prompting liegt, oder auf Aufgaben, an denen sie noch scheitern. Doch wer die Entwicklung großer Sprachmodelle seit dem „ChatGPT-Moment" aufmerksam verfolgt hat — und LLMs decken nur einen schmalen Ausschnitt dessen ab, was sich unter KI subsumieren lässt — weiß, welche Entwicklungssprünge in kurzer Zeit stattgefunden haben. Ein Blick fünf Jahre zurück genügt, um zu erkennen: Was heute alltägliche Realität ist, hätten wir uns damals kaum zu träumen gewagt.

Makroprognosen wie die von Goldman Sachs schätzen, dass weltweit bis zu 300 Millionen Vollzeitstellen von generativer KI automatisierbar sein könnten — rund ein Viertel der heutigen Erwerbsarbeit. Angesichts dieser Aussichten stellt sich für viele eine naheliegende Frage: Welche Berufe sind überhaupt noch sicher, und welche Kompetenzen sollten wir jungen Menschen vermitteln, damit sie in zehn, zwanzig Jahren noch einen Platz am Arbeitsmarkt finden? Eine schwierige Frage — vor allem dann, wenn man die Folgen mitdenkt, die eintreten, sobald große Gruppen tatsächlich durch Maschinen ersetzt werden.

Der Dominoeffekt

Genau hier beginnt der blinde Fleck der gegenwärtigen Debatte. Wir reden viel über den unmittelbaren Jobverlust, kaum aber über die Sekundäreffekte. Diese treffen die Wirtschaft in dem Moment, in dem die Kaufkraft jener schwindet, die ihren Job an die KI verloren haben. Menschen ohne Einkommen konsumieren weniger — und wenn der Konsum zurückgeht, geraten auch jene ins Wanken, die heute in scheinbar sicheren Positionen sitzen. Aus einem punktuellen Schock wird eine Kaskade, aus der Kaskade eine Spirale.

Citrini Research, ein unabhängiges US-amerikanisches Investmenthaus mit Schwerpunkt auf thematischen Aktienanalysen und globalem Makrotrading, hat genau dieses Szenario in einer viel beachteten Publikation unter dem Titel „2028" durchgespielt. Der fiktive Bericht beschreibt eine globale Intelligenzkrise als paradoxe Folge rasanter KI-Entwicklung: Effizienz und Produktivität steigen massiv, gleichzeitig verdrängen KI-Agenten zunehmend hochqualifizierte Wissensarbeiter. Die Reallöhne sinken, der Konsum bricht ein, und das Fundament des Hypothekenmarktes — letztlich jedes Kreditmodells, das auf stabiler menschlicher Erwerbsarbeit basiert — gerät ins Rutschen. Die Autoren sprechen vom „Ghost GDP": Gewinne werden zwar weiter erwirtschaftet, fließen aber nicht mehr in den realen Wirtschaftskreislauf zurück. Der Text endet mit einer Frage, die über das Gedankenexperiment hinausweist: Wie bleibt eine Gesellschaft stabil, wenn menschliche Intelligenz als bisher knappes Gut durch maschinelle Überlegenheit systematisch entwertet wird?

Versuchen wir uns diese Welt konkret vorzustellen. Unternehmen erwirtschaften ihre Gewinne auf fundamental veränderte Weise. Zugleich bricht die Nachfrageseite weg, weil die Menschen über wenig oder gar kein Einkommen mehr verfügen. Wir laufen — still und unbemerkt — in eine Sackgasse. Gelingt es uns nicht, unsere Systeme anzupassen und uns vom überholten Muster „Geld gegen Arbeit" zu verabschieden, steuern wir geradewegs auf einen Kollaps zu.

Warum diesmal alles anders ist

Wirtschaften sind in der Geschichte immer wieder eingebrochen. Die Weltwirtschaftskrise ab 1929, das Platzen der Dotcom-Blase zu Beginn des Jahrtausends, die Finanzkrise 2008 — jede dieser Zäsuren hat tiefe Spuren hinterlassen, und doch haben sich die Systeme am Ende erholt. Was sich jetzt am Horizont abzeichnet, könnte diese historischen Einschnitte in den Schatten stellen. Denn während frühere Krisen zyklische Phänomene waren — Übertreibungen, die sich korrigierten —, geht es diesmal um einen strukturellen Umbau der Wertschöpfung selbst. Die Frage ist nicht mehr, wann der Markt zurückkehrt. Sie lautet: Wer trägt ihn in einer entkoppelten Wirtschaft überhaupt noch?

Umso erstaunlicher ist, wie wenig dieses Thema in den Parlamenten der Welt verhandelt wird. Auch in Wirtschaftskreisen scheint Business as usual die vorherrschende Strategie zu sein — am besten jetzt noch möglichst viel vom Kuchen mitnehmen, bevor die Musik aufhört zu spielen. Nachhaltigkeit sieht anders aus. Man schiebt ein Problem in die Zukunft, in der Hoffnung, dass dort schon jemand mit einer Lösung wartet. Das mag vor zwanzig oder dreißig Jahren funktioniert haben, als die Welt sich langsamer drehte. Heute ist dieser Puffer verbraucht. Darauf zu vertrauen, dass kommende Generationen schon kreativ genug sein werden, ist keine Strategie — es ist eine Abdankung.

Sechs Hebel, die wir jetzt ansetzen müssen

Dabei gibt es durchaus Handlungsspielraum. Was wir brauchen, ist kein einzelnes Wundermittel, sondern ein Bündel ineinandergreifender Maßnahmen — entlang von sechs Achsen.

Qualifizierung statt Passivpolitik. Fast alle einschlägigen Studien kommen zum gleichen Schluss: Wir brauchen massive, früh einsetzende Investitionen in Weiterbildung und Umschulung, vor allem für mittelqualifizierte und KI-exponierte Berufe. Instrumente wie Qualifizierungsgutscheine, Bildungsprämien, ein systematisch ausgebautes „Lernen im Betrieb" und engere Kooperationen zwischen Unternehmen, Arbeitsverwaltungen und Bildungsanbietern sind keine Kür, sondern Voraussetzung. Das Ziel: Menschen nicht erst nach dem Jobverlust auffangen, sondern sie während der Transformation in höherwertige, KI-komplementäre Tätigkeiten überführen — in Bereiche also, in denen Datenkompetenz, Problemlösung, Kommunikation und echter Kundenbezug den Unterschied machen.

Transformation aktiv steuern statt Stellen streichen. Für Unternehmen bedeutet das: proaktives Job-Redesign statt reiner Reduktion. Aufgaben neu schneiden, Job-Rotation und Job-Enlargement ernst nehmen, flexible Arbeitszeiten und Kurzarbeit als Brückeninstrumente nutzen. Ein systematisches „Risk-Dashboard", das KI-gefährdete Tätigkeiten früh identifiziert und Umqualifizierungspfade sichtbar macht, gehört ebenso dazu wie eine transparente Kommunikation, die Belegschaften einbindet statt vor vollendete Tatsachen zu stellen. Dahinter liegt ein Kulturthema: Psychologische Sicherheit und offene Dialogformate sind die Voraussetzung dafür, dass Mitarbeitende KI mitgestalten, statt sie reflexhaft als Bedrohung zu bekämpfen.

Den Sozialstaat für die neue Wirklichkeit rüsten. Kurzarbeitergeld, Arbeitslosenversicherung, branchenspezifische Übergangsleistungen und die finanzielle Absicherung von Qualifizierungsphasen müssen ausgebaut werden. Diskutiert werden Modelle wie ein „Arbeitslosengeld mit Bildungsbonus", eine negative Einkommensteuer oder — kontrovers, aber nicht mehr tabu — Varianten eines bedingungslosen Grundeinkommens. Es geht darum, Kaufkraft und gesellschaftliche Stabilität gleichermaßen zu sichern. Länder wie die skandinavischen Staaten oder Singapur zeigen, dass sich leistungsfähige Sozialversicherungen, standardisierte Datenplattformen und ethisch-regulative Rahmenwerke durchaus mit ambitioniertem KI-Einsatz verbinden lassen.

Neue Beschäftigungsfelder und Nachfrage schaffen. Flankierend braucht es aktive Strukturpolitik. Bereiche wie Pflege, Bildung, Klimatransformation, erneuerbare Energien und soziale Dienstleistungen haben strukturellen Mehrbedarf — und sie lassen sich nicht einfach wegautomatisieren. Dazu kommen Gründungsförderung, KI-Start-ups und regionale Innovationshubs. Die Produktivitätsgewinne aus KI dürfen nicht als reine Kostensenkung im bestehenden System verpuffen; sie müssen in reale Investitionen und neue Arbeit übersetzt werden. Mehrere Szenariostudien argumentieren explizit, dass ein Teil der KI-Dividende politisch in öffentliche Dienstleistungen gelenkt werden muss — in Bildung, Gesundheit, Infrastruktur —, allein schon um Nachfrage und gesellschaftliche Akzeptanz aufrechtzuerhalten.

Bildungssystem umbauen, nicht nur digitalisieren. Für die längerfristige Krisenprävention ist der Umbau von Schule, Berufsbildung und Hochschule zentral. Weg von reiner Wissensreproduktion, hin zu höheren Denk- und Problemlösekompetenzen, zu Kollaboration und zum souveränen Umgang mit KI-Systemen. Das reicht von Pflichtmodulen zur KI-Kompetenz in Schulen und dualer Ausbildung über neue Prüfungsformate bis zu einer systematischen Qualifizierung der Lehrenden. Andernfalls bilden wir ganze Kohorten für Berufe aus, die es in zehn Jahren nicht mehr geben wird — während genau jene Fähigkeiten fehlen, die KI komplementär machen.

Verteilung und Steuern neu denken. In vielen Analysen schwingt eine Sorge mit, die selten laut ausgesprochen wird: Wenn KI die Produktivität erheblich steigert, die Gewinne aber fast ausschließlich bei Kapitaleignern ankommen, dann verschärfen sich Ungleichheit und Nachfrageschwäche. Diskutierte Antworten reichen von einer stärkeren Besteuerung sehr hoher Kapitaleinkommen über Anreize zur Gewinnbeteiligung von Beschäftigten bis zur gezielten Entlastung niedriger und mittlerer Einkommen — und zu Investitionsanreizen, die produktive statt rein spekulativer Kapitalverwendung belohnen. Das Ziel ist nüchtern: reale Kaufkraft so breit abstützen, dass KI-bedingte Einsparungen nicht in einer Nachfragekrise enden.

Es geht nicht um Technik. Es geht um System.

Die eigentliche Herausforderung der kommenden Jahre ist keine technische, sondern eine gestalterische. KI wird uns nicht dadurch gefährlich, dass sie Aufgaben übernimmt — sondern dadurch, dass wir die Systeme nicht mitentwickeln, auf denen unser gesellschaftlicher Zusammenhalt ruht. Wer jetzt ausschließlich auf Effizienz optimiert, baut unbemerkt an einer Wirtschaft, die ihre eigene Nachfragebasis zerlegt. Wer jetzt gestaltet, hat die Chance, aus der produktiven Dividende der KI ein Fundament zu formen, das breiter trägt als das alte.

Das ist keine Frage von Optimismus oder Pessimismus. Es ist eine Frage der Architektur.