Shownotes.
Es gibt keine Kündigungswelle, keine Schlagzeile, keinen Brennpunkt. Es gibt nur eine Kurve, die sich seit Ende 2022 in den Lohnabrechnungsdaten des amerikanischen Personaldienstleisters ADP aufmacht: Bei den 22- bis 25-Jährigen in stark KI-exponierten Berufen – Softwareentwicklung, Kundenservice, Verwaltung – ist die Beschäftigung um rund elf Prozent gesunken, während sie in wenig exponierten Berufen derselben Altersgruppe um rund zehn Prozent gestiegen ist. Die Stanford-Ökonomen um Erik Brynjolfsson, die diesen Datensatz auswerten, nennen ihr Papier Canaries in the Coal Mine. Die Anpassung, schreiben sie, laufe fast ausschließlich darüber, dass Einstiegsstellen seltener besetzt würden. Kaum jemand wird gefeuert. Es wird nur kaum noch jemand hereingelassen.
Ein Messbefund, viele Prognosen
Der Stanford-Befund ist ein beschreibendes Muster, kein Kausalbeweis, und die Autoren betonen das. Google-Ökonomen führen die Zinswende ins Feld, der Chef-Ökonom des Vermögensverwalters Apollo sieht schlicht einen Markt, der wenig einstellt und wenig entlässt. Eine dänische Studie mit exzellenten Registerdaten fand für die frühen KI-Jahre praktisch keine Effekte auf Löhne und Arbeitszeit. In einer StepStone-Befragung nennen nur 17 Prozent der Unternehmen KI überhaupt als Grund für weniger Einstiegsstellen. Die US-Gesamtarbeitslosigkeit lag im August bei 4,1 Prozent.
In Deutschland lag der Anteil der Einstiegsstellen auf StepStone im ersten Halbjahr 14 Prozent über dem schwachen Vorjahr, aber immer noch 18 Prozent unter dem längerfristigen Durchschnitt. In Großbritannien meldete die Jobplattform Adzuna im Juli acht Prozent weniger Einstiegsstellen als vor einem Jahr, bei ausdrücklichen Absolventenstellen ein Minus von rund 46 Prozent. Einzelne Signale, kein KI-Beweis – aber ein Muster, das zum amerikanischen Bild passt.
Zwischen den Prognosen liegen Welten. Anthropic-Chef Dario Amodei hält eine Halbierung der Einstiegsjobs im amerikanischen Angestelltenbereich binnen ein bis fünf Jahren für ein realistisches Risikoszenario, KI-Pionier Geoffrey Hinton hält massive Arbeitslosigkeit für wahrscheinlich. Der MIT-Ökonom und Nobelpreisträger Daron Acemoglu erwartet dagegen bescheidene Wachstumseffekte über die nächste Dekade, eher Fußnote als Revolution. Das Weltwirtschaftsforum rechnet nach Befragung von über 1000 Großarbeitgebern global mit einem Nettoplus von 78 Millionen Jobs bis 2030 – wobei diese Bilanz ausdrücklich alle großen Umbrüche zusammenerfasst, nicht die KI allein. Die Zahlen messen nicht einmal dasselbe. Sie bilden gar kein gemeinsames Spektrum, auf dem einer Recht haben könnte.
Der dünner werdende Lohnkanal
Interessanter als die Prognosen ist die Mechanik dahinter, und sie wird inzwischen an ungewohnter Stelle beschrieben: im Monatsbericht des Bundesfinanzministeriums vom August, unter der Überschrift AI Economy. Solange KI Menschen produktiver mache, könnten Löhne und Beschäftigung steigen. Wenn Systeme aber Aufgaben vollständig übernähmen, wachse die Bedeutung von Kapital – von Chips, Rechenzentren, Daten und Modellen. Arbeitseinkommen könnten sich zu Kapitalrenditen verlagern, die Lohnquote sinken, während das Gesamteinkommen wachse.
Der Halbsatz ist die eigentliche Nachricht. Der Kuchen kann wachsen, während der Anteil derer, die von Arbeit leben, schrumpft. Es ist die Verlängerung einer Linie, die seit Mitte der neunziger Jahre in der Mehrheit der Industrieländer messbar ist, uneinheitlich, aber in der Tendenz eindeutig. Eine Maschine, die Arbeit ersetzt, ist Kapital, und ein größerer Teil der Wertschöpfung fällt dann als Rendite an statt als Lohn.
Der Lohn ist dabei nicht nur Bezahlung, er ist der wichtigste Verteilungskanal des Systems. Über ihn fließen in Deutschland grob zwei Drittel des Volkseinkommens an die Breite der Bevölkerung. Und an ihm hängen Sozialversicherung, Rente, Steuerbasis.
Das Kapital, um das es geht, ist zudem außergewöhnlich konzentriert. Das BMF zitiert die Zahlen: Im Mai 2025 standen rund 74,5 Prozent der erfassten Rechenleistung großer KI-Cluster in den USA, 4,8 Prozent in der EU. Bei den privaten KI-Investitionen des Jahres 2025 stehen rund 286 Milliarden Dollar in den USA gegen knapp 21 Milliarden in ganz Europa, davon nicht einmal vier in Deutschland. Europa diskutiert damit über die Verteilung eines Kuchens, von dem ein wachsendes Stück womöglich in Kalifornien anfällt.
Drei Schulen der Antwort
Bemerkenswert ist, wer die Verteilungsfrage derzeit am lautesten stellt: die KI-Industrie selbst. OpenAI hat im Frühjahr ein Papier vorgelegt, das einen öffentlichen Bürgerfonds vorschlägt, kapitalbezogene Staatseinnahmen, die Prüfung von Abgaben auf automatisierte Arbeit und Pilotprojekte für die 32-Stunden-Woche – alles ausdrücklich als vorläufige Ideen markiert. Sam Altman hat das bislang umfassendste amerikanische Experiment zu bedingungslosen Geldtransfers finanziert: 1000 einkommensarme Erwachsene erhielten drei Jahre lang 1000 Dollar im Monat. Die als NBER-Arbeitspapiere veröffentlichten Ergebnisse sind gemischt. Die Menschen gaben mehr für Grundbedürfnisse, Gesundheit und die Unterstützung anderer aus. Zugleich sank ihre Erwerbsbeteiligung um gut vier Prozentpunkte, die erhofften breiten Gesundheitseffekte blieben aus.
Die Debatte sortiert sich in drei Schulen. Einkommen umverteilen – über Grundeinkommen oder negative Einkommenssteuer. Eigentum umverteilen – über Staatsfonds und breite Kapitalbeteiligung nach dem Vorbild des norwegischen Ölfonds, mit dem Argument, dass nur zu Kapitalbesitzern werden könne helfe, wem Kapital die Löhne ersetzt. Und Zeit umverteilen – Produktivitätsgewinne in kürzere Arbeitswochen statt in weniger Beschäftigte übersetzen. Jede Schule hat ihre Probleme: Finanzierung, Anreize, Bürokratie. Und die europäische Zusatzschwierigkeit hat das BMF nüchtern beschrieben: Gewinne aus Modellen und Lizenzen sind mobil, sie werden dort verbucht, wo Rechte und Geschäftsmodelle sitzen.
Dem steht der Friedhof der Vorgängerprognosen entgegen. Keynes irrte 1930 mit den 15 Stunden Wochenarbeitszeit. Die amerikanische Automatisierungspanik der Sechziger blieb folgenlos. Der Bestseller Das Ende der Arbeit erschien 1995; seither ist die Zahl der Erwerbstätigen allein in Deutschland um rund acht Millionen gestiegen. Der Geldautomat sollte die amerikanischen Bankangestellten abschaffen, stattdessen stieg ihre Zahl zunächst. Wer heute mit Gewissheit das Ende der Arbeit ausruft, sollte diesen Friedhof besichtigen. Der Satz »bisher ging es immer gut« ist allerdings eine Beobachtung, kein Naturgesetz. Der Einwand, dass diese Systeme ungewöhnlich viele kognitive Aufgaben zugleich erreichen, ist ein Argument, warum die historische Analogie brechen könnte.
Die aktuelle Denkfolge von Daniels Daily setzt sich diese Trennung als Regel: durchgehend unterschieden zwischen dem, was gemessen ist, dem, was prognostiziert wird, und dem, was Deutung bleibt – und sortiert am Ende die Antworten in ein Spektrum, das die Technologie nicht mehr allein entscheidet.
Die eigentliche Frage sei nicht das Ende des Kapitalismus, sagt Daniel Fürg in der Episode, sondern die kleinere und härtere: Wie hält ein Wirtschaftssystem den zentralen Verteilungskanal Lohn offen, wenn Wertschöpfung schneller und breiter zum Kapital wandert als je zuvor. Diese Frage, anders als die Rechenzentren, ist politisch gestaltbar.
