Der amerikanische Arbeitsmarkt hält sein Niveau, doch am Einstieg für junge Beschäftigte in KI-nahen Berufen verschiebt sich etwas. Dahinter liegt eine ökonomische Mechanik, die längst im Monatsbericht des BMF auftaucht.
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.
Automatisch erstelltes Transkript (Whisper), nicht redigiert. Zeitmarke antippen, um an die Stelle zu springen.
Im Jahr 1930, mitten in der Weltwirtschaftskrise, schrieb der Ökonom John Maynard Keynes ein kleinen Essay über die wirtschaftlichen Möglichkeiten unserer Enkel. Seine Prognose? In 100 Jahren werde der technische Fortschritt das Produktivitätsproblem der Menschheit gelöst haben und die eigentliche Herausforderung seiner Enkel werde sein, mit der vielen freien Zeit umzugehen. 15 Stunden Arbeit pro Woche könnten dann genügen. Die 100 Jahre sind 2030 um. Wir sind die Enkel. Und während wir auf die 15-Stunden-Woche noch warten, messen Stanford-Ökonomen gerade etwas anderes. In den Berufen, die von künstlicher Intelligenz am stärksten erfasst werden, wächst bei den Jüngsten ein Beschäftigungsrückstand. Nicht durch Kündigungswellen, nicht mit Schlagzeilen, sondern lautlos. Vor allem, weil Einstiegsstellen seltener besetzt werden. Eric Brynjolfson, einer der führenden Ökonomen der digitalen Wirtschaft, formuliert es sinngemäß so. Ihn beunruhige ein Arbeitsmarkt, der sein Gesamtniveau hält, aber für Menschen am Anfang ihrer Karriere leise die Auffahrrampe schließt. Leise. Ihr wisst, was dieses Wort in diesem Podcast bedeutet. Heute die wohl philosophischste Episode dieser Serie. Mit so viel Empirie, wie ich tragen kann. Was macht KI messbar mit unserer Arbeit? Was sagen die Prognosen und warum widersprechen sie sich so spektakulär? Und dann die große Frage dahinter, die längst nicht mehr nur in Feuilletons steht, sondern im Monatsbericht des Bundesfinanzministeriums. Können Kapitalismus und freie
Marktwirtschaft funktionieren, wenn Wertschöpfung immer weiter von Menschen zu Maschinen wandert? Daniels Daily. Ein Thema, eine Viertelstunde, jeden Tag mit Daniel Fürg. Hallo und herzlich willkommen zu Daniels Daily. Heute keine Wahl, kein Krieg, keine Reportage, sondern eine Denk-Episode. Und damit sie nicht ins Raunen abgleitet, gelten zwei Regeln. Ich trenne durchgehend zwischen dem, was gemessen ist, dem, was prognostiziert wird und dem, was Deutung ist. Meine eingeschlossen. Und die Prognosen widersprechen sich. Deshalb werde ich euch beide Lager zumuten, denn wer euch bei diesem Thema nur eine Seite erzählt, verkauft euch etwas. Zuerst die Messwerte. Und der wichtigste stammt aus Stanford. Die Ökonomen Brynjolfsson, Chanda und Chen werten seit letztem Jahr die Lohnabrechnungsdaten des Personaldienstleisters ADP aus. Dreieinhalb bis fünf Millionen amerikanische Beschäftigte, Monat für Monat. Inzwischen bis Mitte 2026. Das ist keine Umfrage, das sind echte Gehaltsabrechnungen, ein riesiger Datensatz, wenn auch keine repräsentative Vollerhebung. Der Befund unter dem Titel Kanarienvögel in der Kohlemine und die Autoren nennen ihn selbst ein beschreibendes Muster, kein Kausalbeweis. Bei den 22- bis 25-Jährigen in stark KI-exponierten Berufen,
Softwareentwicklung, Kundenservice, Verwaltung, ist die Beschäftigung seit Ende 2022 um rund 11% gesunken, während sie in wenig exponierten Berufen derselben Altersgruppe um rund 10% stieg. 21% Punkte Unterschied oder anders gerechnet, die exponierte Gruppe liegt rund 19% unter dem Niveau, das sie bei gleicher Entwicklung erreicht hätte. In der ersten Studienfassung lag dieser relative Rückstand bei etwa 13%. Er hat sich seither ausgeweitet. Und, das ist das Unheimliche, es gibt keine auffällige Kündigungswelle. Beschäftigte mit Erfahrung zeigen in denselben Berufen keinen vergleichbaren Rückstand. Die Anpassung läuft überwiegend darüber, dass Einstiegsstellen seltener besetzt werden. Kaum jemand wird gefeuert, es wird nur kaum noch jemand hereingelassen. Passt dazu, was wir hier sehen? Teilweise. In Deutschland lag der Anteil der Einstiegsstellen auf StepStone im ersten Halbjahr zwar 14% über dem schwachen Vorjahr, aber immer noch 18% unter dem längerfristigen Durchschnitt. In Großbritannien zählte die Jobplattform AdSuna im Juli 8% weniger Einstiegsstellen als vor einem Jahr. Bei ausdrücklichen Absolventenstellen lag das Minus bei rund 46%. Und die globale Jugendarbeitslosigkeit stieg laut Internationaler Arbeitsorganisation 2025 auf 12,4%. Wobei, wichtig, keine dieser Zahlen beweist für sich einen KI-Effekt. Und jetzt die Gegenrede, die zur Ehrlichkeit gehört, denn
kausal bewiesen ist hier wenig. Google-Ökonomen halten die Zinswende für einen Mittäter, der Apollo-Chef-Ökonom sieht schlicht einen Markt, der wenig einstellt und wenig feuert. Eine dänische Studie mit exzellenten Registerdaten fand für die frühen KI-Jahre praktisch null Effekte auf Löhne und Stunden. Und in der StepStone-Befragung nennen nur 17% der Unternehmen KI überhaupt als Grund für weniger Einstiegsstellen. Die Gesamtarbeitslosigkeit lag in den USA im August bei 4,1% von Massenarbeitslosigkeit keine Spur. Der ehrliche Messbefund von 2026 lautet also, der amerikanische Arbeitsmarkt als Ganzes hält. Aber an seiner empfindlichsten Stelle, dem Einstieg, verschiebt sich etwas, das mit der KI-Exposition von Berufen korreliert und im Stanford-Datensatz wächst dieser Abstand weiter. Wie viel davon die KI verursacht, wissen wir nicht. Dass da etwas ist, allerdings auch. Nun die Prognosen und ich lege euch das ganze Spektrum hin, denn seine Breite ist selbst die Information. Auf der einen Seite, Dario Amoday, Chef des KI-Unternehmens Antropic, warnte im vergangenen Jahr, KI könnte binnen ein bis fünf Jahren die Hälfte der amerikanischen Einstiegsjobs im Angestelltenbereich verdrängen und die Arbeitslosigkeit auf 10 bis 20% treiben. Ein Risikoszenario, keine Punktprognose und in seinem Essay vom Januar nennt er den bevorstehenden Übergang ungewöhnlich schmerzhaft. KI-Pionier Geoffrey Hinton hält massive
Arbeitslosigkeit für wahrscheinlich. Und das gewichtigste Argument dieser Seite lautet, diese Systeme erreichen einen ungewöhnlich breiten Teil der kognitiven Arbeit selbst, nicht mehr nur einzelne Routinen. Und Bill Gates schrieb vor zwei Wochen, der Übergang in die KI-Ära werde selbst im besten Fall eine der turbulentesten Zeiten der Menschheitsgeschichte. Auf der anderen Seite, der MIT-Ökonom Darin Asimoglu, Nobelpreisträger, hält nach seinem viel zitierten Rechenmodell nur einen kleinen Teil der Aufgaben für in absehbarer Zeit profitabel automatisierbar und erwartet über die nächste Dekade bescheidene Wachstumseffekte. Eher Fußnote als Revolution. Nvidia-Chef Jansson Wang widerspricht Amodey offen. Und selbst der Leiter der Ökonomieforschung bei Antropic verweist auf die unauffällige Arbeitslosenquote und erwartet für das nächste Jahr keine merklich höhere Arbeitslosigkeit durch KI bei aller betonten Unsicherheit. Der Warner und der Beruhiger sitzen hier also im selben Haus.
Dazwischen die großen Institutionen. Der IWF stuft weltweit 40 Prozent der Jobs als KI exponiert ein, in Industrieländern 60, wobei exponiert ersetzt oder verstärkt heißen kann. McKinsey hält bis zu 57 Prozent der amerikanischen Arbeitsstunden für technisch automatisierbar, betont aber, Jobs verändern sich eher als dass sie verschwenden. Und das Weltwirtschaftsforum kommt nach Befragung von über 1000 Großarbeitgebern auf eine Nettorechnung von plus 78 Millionen Jobs weltweit bis 2030. 92 Millionen fallen weg, 170 Millionen entstehen. Wobei diese Bilanz ausdrücklich alle großen Umbrüche zusammen erfasst, Demografie, grüne Transformation, Geopolitik, nicht die KI allein. Von der halbierten Einstiegsetage bis zum weltweiten Nettoplus, von Revolution bis Fußnote. Und auf beiden Seiten stehen Leute mit Weltruf.
Dazu kommt, diese Zahlen messen nicht einmal dasselbe, schon Gegenstand, Zeitraum und Methode gehen auseinander. Sie bilden gar kein gemeinsames Spektrum, auf dem einer Recht haben könnte. Was lernt man daraus? Dass die seriöse Antwort auf was macht KI mit der Arbeit im Jahr 2026 lautet, die Spannweite der Expertenerwartungen ist außergewöhnlich groß und wer euch Gewissheit verkauft, in welche Richtung auch immer, hat sie nicht. Und damit zur eigentlichen Frage dieser Episode, denn die hängt gar nicht daran, welches Lager Recht behält. Sie hängt an einer Mechanik, die inzwischen an unerwarteter Stelle beschrieben wird, im Monatsbericht des Bundesfinanzministeriums vom August unter der Überschrift AI Economy. Dort steht in Behördenprosa der Kern des Problems. Solange KI Menschen produktiver macht, können Löhne und Beschäftigung steigen. Wenn Systeme aber Aufgaben vollständig übernehmen, wächst die Bedeutung von Kapital, wörtlich von Chips, Rechenzentren, Daten und Modellen und der Unternehmen, die darüber verfügen. Arbeitseinkommen können sich zu Kapitalrenditen verlagern. Die Lohnquote kann sinken, während das Gesamteinkommen wächst. Lass diesen letzten Halbsatz mal wirken, denn er ist die ganze Folge in einem Satz. Der Kuchen kann wachsen, während der Anteil derer, die von Arbeit leben, schrumpft. Das ist keine Science Fiction, das ist die Verlängerung einer Linie, die es schon gibt. Die Lohnquote, also der Anteil der Arbeitseinkommen am Volkseinkommen,
ist in der Mehrheit der Industrieländer seit Mitte der 90er tendenziell gesunken. Uneinheitlich zwar, in Deutschland stieg sie zuletzt sogar, aber die Richtung des Durchschnitts steht. KI kann diese Mechanik potenziell dramatisch beschleunigen, aus einem einfachen Grund. Eine Maschine, die Arbeit ersetzt, ist Kapital und ein größerer Teil der Wertschöpfung kann dann als Kapitalrendite anfallen statt als Lohn. Und dieses Kapital ist außerordentlich konzentriert. Das BMF zitiert die Zahlen dazu. Im Mai 2025 standen rund 74,5 Prozent der erfassten Rechenleistung großer KI-Cluster in den USA, 4,8 Prozent in der EU. Und 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. Der Stanford-Ökonom Brinjolfsson, derselbe mit den Kanarienvögeln, nennt das die Turing-Falle. Eine KI, die Menschen imitiert und ersetzt, verschiebt Verhandlungsmacht und Einkommen zum Kapital. Eine KI, die Menschen ergänzt und produktiver macht, verteilt die Gewinne breiter. Und welche von beiden wir bekommen, ist keine Natureigenschaft der Technologie, sondern eine Frage von Design, Anreizen und Politik. Deutschland hat diese Mechanik übrigens schon einmal durchlebt, im Kleinen. Zwischen 1994 und 2014 ersetzten Industrieroboter der maßgeblichen Studie zufolge
rund 275.000 deutsche Industriearbeitsplätze. Ohne die Gesamtbeschäftigung zu drücken, weil der Dienstleistungssektor die Verluste auffing. Und übrigens lief auch damals die Anpassung vor allem über weniger Berufseinstiege in die Industrie. Das Muster kennt ihr jetzt. Das ist der Trost der Geschichte, sein Kleingedrucktes. Diesmal sind ausgerechnet viele kognitive Dienstleistungsaufgaben exponiert, also genau der Raum, der damals auffing. Die große Frage also, kann Kapitalismus das aushalten? Und jetzt wird es grundsätzlich, und ich markiere, ab hier Deutung, meine und die anderer. Marktwirtschaft, wie wir sie kennen, ruht auf einem Kreislauf. Menschen tauschen Arbeit gegen Einkommen und Einkommen gegen Konsum. Und dieser Konsum finanziert wiederum die Unternehmen. 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. Die Systemfrage lautet also präzise, was passiert, wenn dieser Kanal dünner wird, während die Wertschöpfung weiterläuft, nur eben durch Maschinen in fremdem Besitz. Bemerkenswert ist, wer diese Frage am lautesten stellt, die KI-Industrie selbst. OpenAI hat im April ein Papier vorgelegt, das einen öffentlichen Bürgerfonds vorschlägt, dessen Beträge an die Menschen ausgeschüttet werden könnten. Dazu mehr kapitalbezogene Staatseinnahmen,
die Prüfung von Abgaben auf automatisierte Arbeit und Pilotprojekte für die 32-Stunden-Woche – alles ausdrücklich als vorläufige Ideen markiert. Sam Altman wirbt seit Jahren für universelle Ausschüttungen und hat das bislang umfassendste amerikanische Experiment zu bedingungslosen Geldtransfers finanziert. 1.000 einkommensarme Erwachsene erhielten drei Jahre lang 1.000 Dollar im Monat, 2.000 Vergleichspersonen 50. Die Ergebnisse als NBER-Arbeitspapiere veröffentlicht sind gemischt. Die Menschen gaben mehr für Grundbedürfnisse Gesundheit und die Unterstützung anderer aus, zugleich sank ihre Erwerbsbeteiligung um gut 4 Prozentpunkte. Sie arbeiteten ein bis zwei Wochenstunden weniger und die erhofften breiten Gesundheitseffekte blieben aus. Die Welt ging weder unter noch auf, aber gratis ist auch diese Antwort nicht. Musk redet von Universal High Income, die Chefs von Nvidia und Zoom von der 4- oder 3-Tage-Woche, Keynes lässt grüßen. Man kann das zynisch lesen, als Ablasshandel derer, die das Problem schaffen, oder ernst, als Eingeständnis aus erster Hand, dass die Verteilungsfrage real ist. Wahrscheinlich stimmt beides. Grupp sortieren sich die Antworten in drei Schulen. Einkommen umverteilen über Grundeinkommen oder negative Einkommenssteuer.
Einkommen umverteilen über Staatsfonds und breite Kapitalbeteiligung. Das Argument dahinter, wenn Kapital die Löhne ersetzt, hilft nur, die Menschen zu Kapitalbesitzern zu machen. Norwegen macht mit seinem Ölfonds seit Jahrzehnten vor, wie ein Land kollektiv an eine Ressource verdient. Oder Zeit umverteilen, die Produktivitätsgewinne in kürzere Arbeitswochen statt in weniger Beschäftigte übersetzen. Jede Schule hat Probleme. Finanzierung, Anreize, Bürokratie. Und für uns kommt ein europäisches Problem erschwerend hinzu. Das BMF beschreibt es nüchtern, Gewinne aus Modellen und Lizenzen sind mobil. Sie werden dort verbucht, wo Rechte und Geschäftsmodelle sitzen. Ein Teil der hier erzielten Produktivitätsgewinne kann also als Nutzungsentgelt abfließen. Europa diskutiert damit über die Verteilung eines Kuchens, von dem ein wachsendes Stück womöglich in Kalifornien anfällt. Das ist, neben allem anderen, auch ein Souveränitätsproblem. Ihr kennt das Muster aus der Silamé-Folge nur, dass die kritische Ressource diesmal nicht unter einer Düne liegt, sondern in Rechenzentren. Und jetzt, ihr kennt die Disziplin, die Gegenrechnung. Denn die Geschichte der Automatisierungspanik ist auch eine Geschichte der Fehlprognosen. Keynes irrte mit den 15 Stunden, sein Wohlstandsoptimismus dagegen traf erstaunlich gut. In den 60ern prophezeite in den USA ein prominentes Manifest die große Automatisierungsarbeitslosigkeit. Die Regierungskommission,
die daraufhin eingesetzt wurde, kam 1966 zum gegenteiligen Befund. Die Technik trage nicht die Hauptschuld an der Arbeitslosigkeit und die Massenarbeitslosigkeit blieb aus. 1995 erschien der Bestseller vom Ende der Arbeit. Seitdem ist die Zahl der Erwerbstätigen allein in Deutschland um rund 8 Millionen gestiegen. Um 1900 arbeitete mehr als jeder Dritte hierzulande in der Landwirtschaft, heute gut 1 Prozent, und das Land hat trotzdem Arbeit. Der Geldautomat sollte die amerikanischen Bankangestellten abschaffen. Stattdessen stieg ihre Zahl dort zunächst, weil Filialen billiger wurden und die Menschen darin andere Dinge taten. Jede dieser Wellen hat die Arbeit nicht abgeschafft, sondern verwandelt. Einzelne Berufe sehr wohl. Und wer heute mit Gewissheit das Ende der Arbeit ausruft, sollte diesen Friedhof der Vorgängerprognosen besichtigen. Aber, und dieses Aber muss genauso ehrlich sein, der Satz, bisher ging es immer gut, ist eine Beobachtung, kein Naturgesetz. Der breite Einwand, dass diese Systeme ungewöhnlich viele kognitive Aufgaben zugleich erreichen, ist ein Argument, warum die historische Analogie brechen könnte. Und die Kanarienvogeldaten sind ein besonders auffälliger Messwert, der zu diesem Einwand passt. Beide Lesarten liegen auf dem Tisch, beide mit guten Leuten, beide mit Belegen. Die Wahrheit ist, wir wissen es nicht. Und diese Episode wird nicht so tun, als ob. Was bleibt dann? Für mich das. Die Frage, Ende des Kapitalismus
ja oder nein, ist die falsche Größenordnung, so wie Ende der Arbeit die falsche war. Die richtige Frage ist kleiner und härter. Der Lohn ist der wichtigste Verteilungskanal unseres Systems. Technologien haben Arbeit und Kapital schon oft neu gewichtet. Das Neue an dieser ist die mögliche Breite und Geschwindigkeit, mit der sie diesen Kanal erfasst, quer durch die Branchen. Systeme überleben nicht, weil ihre Prinzipien ewig sind, sondern weil sie ihre Mechanik rechtzeitig anpassen. Der Kapitalismus hat das schon mehrfach getan. Sozialversicherung, Kartellrecht, Mitbestimmung, alles politische Antworten auf frühere Macht- und Verteilungskonflikte. Und damit schließt sich die Klammer dieser Serie. Das hier ist ein Prozess, kein Ereignis. Es wird wahrscheinlich nie den einen Tag geben, an dem die KI die Arbeit übernimmt. Keine Sondersendung, keinen Brennpunkt, nur Auffahrrampen, die leise schließen, Aufgaben, die wandern, Quoten, die sich verschieben. Ihr wisst inzwischen, dass genau solche Entwicklungen die folgenreichsten sind. Ob dieser Prozess in 20 Jahren als die leiseste Katastrophe dieser Serie erzählt wird, oder als ihr größtes leises Wunder, mehr Wohlstand, weniger Plackerei, breiter verteilt, das legt die Technologie nicht allein fest. Das entscheidet die Verteilungsfrage. Und die ist, anders als die Rechenzentren, politisch gestaltbar. Hier von uns. Das war Daniels Daily für heute, die Denkfolge der Woche. Alle Studien vom Stanford-Papier
bis zum BMF-Monatsbericht findet ihr auf der Episodenseite unter daniels-daily.com. Wenn euch die Episode gefallen hat, abonniert die Show, sagt es weiter und hinterlasst uns eine gute Bewertung. Bis morgen, macht's gut! Daniels Daily ist eine Produktion der 48 Forward Studios in München.