Im Herbst 1830 zogen Landarbeiter in Südengland im Schutz der Nacht mit Hämmern gegen Dreschmaschinen vor und unterzeichneten ihre Warnungen mit einem gespenstischen Namen: „Captain Swing”. Für die vornehme Gesellschaft war es bequem, dies als Vandalismus abzutun, als bäuerlichen Aberglauben gegen den Fortschritt.
Mehr als ein Jahrhundert später zeichneten die Historiker Eric Hobsbawm und George Rudé in ihrem Werk Captain Swing ein klareres Bild. Swing war die politische Signatur von Arbeitern, die einer Maschine gegenüberstanden, welche nicht nur Getreide drosch, sondern ihnen gerade in dem Augenblick die Winterbeschäftigung entzog, in dem die Löhne bis an die Grenze des Existenzminimums gedrückt wurden. „Der wirkliche Name von King Ludd”, schrieben sie, war „… Swing”.
Zwei Jahrhunderte später sind die maschinenbasierten Innovationen von der Scheune ins Büro gewandert. Die alte Frage kehrt ohne romantische Verklärung zurück: Wessen Wohlstand wird automatisiert, wessen Unsicherheit wird vertieft, wer darf entscheiden und wer profitiert?
Ricardos KI-Memorandum
Automatisierung ist keine Neuheit aus den Laboren Kaliforniens. Schon David Ricardo nahm die Maschinerie in seine 1821 erschienenen Principles auf, weil die Verdrängung von Arbeit mit Innovationen einhergeht. KI lässt sich am besten als ein Hauptelement einer schumpeterianischen Innovationswelle verstehen: Algorithmen, Cloud-Infrastruktur, Chips, Robotik, synthetische Biologie, autonome Systeme wie selbstfahrende Autos und neue Energietechnologien. Diese Konstellation könnte ein neues technikdominantes Paradigma bilden, dessen gesellschaftliche Kontrolle bislang vernachlässigt wird.
Doch die Geschichte erlaubt keine Unschuld: Solche Wellen steigern zwar Produktivität und Einkommen, bringen aber auch Blasen, Zusammenbrüche, Ungleichheit und politische Gegenreaktionen hervor, bis gesellschaftliche Kräfte diese Entwicklungen unter Kontrolle bringen und korrigieren.
Ricardos Warnung ist gerade deshalb so eindringlich, weil sie nicht seiner ursprünglichen Auffassung entsprach. Zunächst hatte er arbeitssparende Maschinen als „allgemeines Gut” betrachtet. In der dritten Auflage von 1821 änderte er seine Position und fügte das Kapitel „Über Maschinerie” hinzu. Darin räumte er ein, dass „die Ersetzung menschlicher Arbeit durch Maschinen den Interessen der Arbeiterklasse häufig sehr schadet”. Sein Mechanismus bleibt unerbittlich. Maschinerie kann das Nettoprodukt einer Nation – also Gewinn und Rente – erhöhen und zugleich das Risiko sinkender Beschäftigung erzeugen. Da aber „die Fähigkeit, eine Bevölkerung zu ernähren und Arbeit zu beschäftigen, stets vom Bruttoprodukt einer Nation und nicht von ihrem Nettoprodukt abhängt”, können Nationaleinkommen und private Erträge steigen, während Reallöhne und Beschäftigung stagnieren oder zurückgehen.
Ricardo ging noch weiter: Die Furcht der Arbeiter vor Maschinen „beruht nicht auf Vorurteil und Irrtum, sondern entspricht den richtigen Grundsätzen der politischen Ökonomie”. Heute gelesen wirkt diese Passage (S. 282-287) für manche weniger wie eine Fußnote aus dem 19. Jahrhundert als vielmehr wie ein Memorandum über die Folgen der KI.
Sackgasse allgemeine Intelligenz
Was verleiht der gegenwärtigen Welle ihre politische Bedeutung für den Arbeitsmarkt und die makroökonomische Entwicklung? Frühere Phasen der Industrialisierung betrafen vor allem manuelle und routinemäßige Arbeit. KI greift nun auf Büro-, Rechts-, Verwaltungs- und Programmierarbeit über – genau auf jenes Feld, auf dem der Westen seinen Erfolg durch Produktivitätssteigerungen und den Strukturwandel von der Landwirtschaft über das verarbeitende Gewerbe bis zum Dienstleistungssektor aufgebaut hat.
Diese Entwicklung beruhte auf dem Fortbestand sicherer Büroarbeitsplätze für eine breite Mittelschicht. Werden diese Arbeitsplätze ausgehöhlt oder reduziert, gerät auch diese Entwicklung ins Wanken. Die Gefahr liegt nicht in der Vorstellung einer unmittelbar bevorstehenden Massenarbeitslosigkeit. Sondern vielmehr in einer stillen Erosion, die sich langsam über einen längeren Zeitraum entfaltet. Und natürlich sollte die Beschäftigungspolitik, die Bundesanstalt für Arbeit, bei der Umstellung und Umschulung helfen, wie es bei jeder Innovation der Fall war. Ebenso wenig sollte Europa die Verkaufsrhetorik der Industrie für große Sprachmodelle übernehmen. Deren führende Unternehmen präsentieren unbegrenzte Skalierung als Königsweg zur künstlichen allgemeinen Intelligenz (Artificial General Intelligence, AGI), als könne die Menschheit Denken, Visionen und Humankapital schon bald selbst auslagern.
Computeraufgaben sind jedoch keine frei schwebenden Abstraktionen; sie sollten Ausdruck menschlicher Zwecke sein und Menschen unterstützen. Jemand muss weiterhin entscheiden, was es wert ist, getan zu werden, zu welchem Zweck und unter welchen wirtschaftlichen und sozialen Bedingungen. Die Evidenz dafür, dass sich sämtliche computergestützte Arbeit automatisieren lässt, bleibt dünn. Diese Skepsis beschränkt sich nicht auf Außenstehende: Yann LeCun, ehemaliger leitender KI-Wissenschaftler von Meta und Turing-Preisträger, verließ das Unternehmen 2025, weil er große Sprachmodelle auf dem Weg zur allgemeinen Intelligenz für eine „Sackgasse” hält. AGI mag als gedanklicher Horizont nützlich sein, sollte aber nicht als unmittelbar bevorstehendes marktfähiges Produkt vermarktet werden – und schon gar nicht als Rechtfertigung für einen heute schuldenfinanzierten Überausbau von Datenzentren. Die können nämlich zum nächsten Crash führen.
Die Dynamik des Booms – und seine Risiken
Die Zahlen tragen bereits den Geruch der Übertreibung. Bis 2026 hatten Hyperscaler und sogenannte Neoclouds kumulierte Investitionsausgaben von rund 2 Billionen US-Dollar zugesagt. Das waren etwa 535 Milliarden US-Dollar mehr als der Vor-KI-Trend, während sich die jährlichen Abschreibungen auf annähernd 111 Milliarden US-Dollar beliefen, bei einem Umsatztempo des gesamten Ökosystems von ungefähr 175 Milliarden US-Dollar. Die größten Rechenzentren sind innerhalb von vier Jahren auf das Fünfzigfache angewachsen. Führt dies wieder einmal zu einem großen Crash?
Unter anderem warnt der Nobelpreisträger Daron Acemoglu, dass die gesamtwirtschaftlichen Produktivitätsgewinne deutlich geringer ausfallen könnten als diese Investitionsausgaben unterstellen. Es besteht kein Widerspruch zwischen einer realen Technologie und Überkapitalisierung. Eisenbahnen, Elektrifizierung, der Dotcom-Boom und die Ausweitung von Finanzinstrumenten folgen alle einer S-förmigen Kurve: zunächst langsames Wachstum, dann ein rascher Anstieg und schließlich die Erkenntnis, dass eine echte Transformation ihren Erlösen vorauseilen und Verwüstungen hinterlassen kann. Europa sollte daher KI-Investitionen, Verschuldung, Bewertungen, Energieengpässe sowie die Konzentration bei Cloud-Diensten und Chips als Fragen der makroprudenziellen Politik behandeln – und nicht lediglich als Aspekte einer kapitalintensiven Aufholjagd.
Eine europäische Antwort: menschenzentriert und öffentlich verankert
Europa wird nicht gewinnen, indem es sich als zweites Silicon Valley verkleidet. Es sollte dies auch gar nicht wollen. Seine Strategie sollte auf menschenzentrierter KI beruhen: auf einer Technologie, die von gesellschaftlichen Bedürfnissen und der Steigerung des Wohlergehens bestimmt wird, statt von kurzsichtigen Quartalsrenditen. Gemeint sind Innovationen, die Verschwendung in Industrie und Dienstleistungen verringern, bei der Überwindung chronischer und derzeit unheilbarer Krankheiten helfen, die Handlungsmöglichkeiten von Menschen mit Behinderungen erweitern, die Bewältigung von Klimarisiken verbessern und die Planung im öffentlichen Verkehr, bei Versorgungsunternehmen und in der Verwaltung unterstützen.
Philippe Aghions Befunde weisen genau in diese Richtung: KI, die in Produktion und Sicherheit eingesetzt wird, erhöht tendenziell die Beschäftigung; beschäftigungssenkend wirkt vor allem ihr Einsatz in der reinen Verwaltung. Die Aufgabe besteht darin, die Beschäftigten zu unterstützen – nicht darin, sie mit Algorithmen zu kontrollieren und zu disziplinieren.
Eine solche Strategie erfordert günstiges, geduldiges und langfristig orientiertes Kapital sowie entsprechend langfristige Entscheidungen. Noch wichtiger ist eine andere Theorie der Beteiligung, Entscheidungsfindung und Unternehmensführung. Wenn öffentliche Ausgaben die KI-Wirtschaft aufbauen, dürfen die Erträge nicht ausschließlich privatisiert werden. Dies kann öffentliche Beteiligungen an Unternehmen bedeuten, deren Entstehung von den Steuerzahlern mitfinanziert wird, etwa durch Debt-Equity-Swaps oder Wandelanleihen. Eine solche Strategie kann auch an die deutsche Tradition der Unternehmensverfassung anknüpfen: durch Arbeitnehmerbeteiligung, Betriebsräte und Mitbestimmung, die darüber mitentscheiden, wie KI am Arbeitsplatz eingeführt wird, sowie durch Lohnsteigerungen, die mit Produktivitätssteigerungen Schritt halten.
KI besteht nicht nur aus Chatbots. Sie umfasst Rechenkapazität, Rechenzentren, Chips und die Infrastrukturen unterhalb der Benutzeroberfläche. Europa sollte sich von Diversifizierung um ihrer selbst willen abwenden und stattdessen echte europäische Spitzenunternehmen in den Bereichen Cloud, Grafikprozessoren und Chipproduktion aufbauen – im Austausch gegen öffentliche Beteiligungen und öffentliche Verpflichtungen. Europa muss sich dies nicht nur abstrakt vorstellen. Als LeCun Meta verließ und 2026 AMI Labs gründete, um auf Weltmodelle statt auf Sprachmodelle zu setzen, gehörte die französische öffentliche Investitionsbank Bpifrance zu den Geldgebern. Öffentliches Kapital beteiligte sich an einem technologischen Spitzenunternehmen, das eine Alternative zum amerikanischen Governance-Modell verfolgt.
Die alte Logik des Schutzes junger Industrien ist nicht verschwunden, nur weil die Server neuer sind. Leicht reproduzierbare Produkte werfen keine Renten ab, und Unternehmen, die im globalen Wettbewerb gegen riesige Konzerne antreten müssen, können nicht allein durch nationale Kartellpolitik geschützt werden. Wettbewerb findet heute weltweit statt und stellt auch Europa vor Herausforderungen.
Das tiefere Argument betrifft jedoch produktive Fähigkeiten. Ha-Joon Chang und Antonio Andreoni betonen zu Recht, dass industrielle Stärke aus Fertigungskapazitäten, ingenieurwissenschaftlichem Können, Lieferketten, Institutionen und Lernen in der Produktion entsteht – nicht allein aus Regulierung. Europa ist ein Nachzügler. Das darf nicht einfach bedeuten, dass es KI nur besser regulieren muss. Da Europa über eine hervorragende ingenieurwissenschaftliche Basis verfügt, muss es die produktiven Fähigkeiten erwerben, um KI einzusetzen, ihre Entwicklung zu gestalten und die Bedingungen zu kontrollieren, unter denen sie voranschreitet.
Schumpeterianischer Wettbewerb – in einem gesellschaftlichen Rahmen
Größe sollte dabei nicht zwangsläufig negativ bewertet werden. Große Unternehmen können anders als kleine Firmen riskante Vorhaben finanzieren. Entscheidend ist der Unterschied zwischen einem dynamischen Monopol, das weiter innoviert, weil die nächste Welle seine Stellung bedroht, und einem statischen Monopol, das Marktzutritt verhindert und Renten abschöpft.
Die europäische Wettbewerbspolitik sollte stärker schumpeterianisch ausgerichtet werden: durch wettbewerbsfördernde Unterstützung erfolgreicher Unternehmen, Open-Source-Modelle und Verpflichtungen zur gemeinsamen Datennutzung, die verhindern, dass etablierte Anbieter von Cloud-Diensten und Basismodellen den Markt abschotten. Daneben benötigt Europa missionsorientierte Agenturen nach dem Vorbild der DARPA, die neue Start-ups und Innovationen finanzieren und technologische Entwicklungsrichtungen vorgeben können.
Schließlich muss Regulierung wissenschaftlich statt bürokratisch werden. Regulierung als Ritual wird den europäischen Bürgerinnen und Bürgern keine guten Produkte liefern, und eine Bürokratie mit schwindender Legitimität kann einen politischen Diskurs über Europas eigene innere Ungleichheiten zwischen den starken und schwachen Einkommensgruppen und den kleineren mittelständischen Unternehmen und Großunternehmen nicht ersetzen. Das europäische KI-Markenzeichen sollte die Verminderung von ökonomischen und gesellschaftspolitischen Disparitäten sein: technologischer Fortschritt, der durch Beteiligung, Eigentum und Besteuerung demokratisiert wird, statt in privater Kurzfristorientierung zu landen.
Produktivitätsgewinne für alle
Für Europa und Deutschland geht es darum, ob sie diese Welle so steuern können, dass ihre Produktivitätsgewinne breit geteilt und nicht von wenigen angeeignet werden, und ob die Erträge den Beschäftigten, den Bürgerinnen und Bürgern zugutekommen oder lediglich Cashflows und Dividendenzahlungen für Großunternehmer erzeugen, die damit die Vermögensmärkte, wo große auswärtige Investment- und Portfolio-Firmen präsent sind, weiter antreiben.
Die deutsche Tradition der historisch aufgebauten Unternehmens-Governance, durch Arbeitnehmerbeteiligung, Betriebsräte und Mitbestimmung ist gut aufgestellt, um mitzuentscheiden, wie KI am Arbeitsplatz eingeführt wird, und wie die Lohnsteigerungen Schritt halten sollten mit den KI-generierten Produktivitätssteigerungen. Bei der deutschen Unternehmens-Governance ist das möglich, jedoch ist das nicht so erfolgreich in der amerikanischen Corporate-Governance.
Zu den Autoren:
Tato Khundadze erhielt sein Doktorat von der New School for Social Research in New York.
Willi Semmler ist ehem. Henry Arnhold Professor für Makroökonomie an der New School.
Hinweis:
Beide Autoren sind Gründungsmitglieder des virtuellen Forschungszentrums SEDAI Center, wo Sie weitere, an dieser Stelle nicht beleuchtete Aspekte der Rolle von KI und Maschinen-Lernen in Wirtschaft und Gesellschaft finden können. Ergebnisse dieser Forschung erscheinen demnächst als Buch im Springer Verlag.
