Ob Künstliche Allgemeine Intelligenz (AGI) Arbeitsplätze vernichten wird, ist nicht mehr die entscheidende Frage. Die eigentliche, weitaus komplexere Herausforderung für die globale Wirtschaftsordnung lautet: In einer Welt, in der eine Maschine so gut wie alles produzieren kann, was bleibt dann überhaupt noch knapp? Die Antwort auf diese Frage bestimmt, wer künftig reich sein wird und wer nicht. Eine aktuelle Diskussion zwischen Alex Imas, Direktor für KI-Ökonomie bei Google DeepMind, und Phil Trammell von Epoch AI im Dwarkesh Podcast hat die entscheidenden Weichenstellungen präzise herausgearbeitet. Es geht nicht darum, ob AGI kommt, sondern darum, welche Art von Knappheit sie hinterlässt.
Warum die Angst vor massenhafter Arbeitslosigkeit historisch betrachtet oft übertrieben war
Imas begann die Diskussion mit einem historischen Hinweis, der zur Vorsicht mahnt. Vor 200 Jahren warnte David Ricardo, dass Maschinen die Beschäftigung zerstören und zu gesellschaftlichen Unruhen führen würden. Tatsächlich wurden alle von Ricardo genannten Berufe automatisiert. Doch wäre Ricardo heute wieder auferstanden und würde die Erwerbsquote in den USA betrachten, er wäre vermutlich verblüfft. Diese liegt nahe einem historischen Höchststand, nur unterbrochen von der Jahrtausendwende. Was Ricardo übersah, war der strukturelle Wandel: Die Preise für automatisierte Güter fielen, die frei werdende Kaufkraft floss in neue Bedürfnisse und schuf damit neue Arbeitsplätze. Imas betont jedoch, dass dieser Mechanismus nicht automatisch auch für das Zeitalter der AGI gelten muss. Die Herausforderung bestehe darin, trotz aller Prognoseunsicherheit die richtigen Daten zu sammeln und Szenarien zu entwickeln, um auf die wahrscheinlichste Entwicklung vorbereitet zu sein.
Das Konzept der „Relationalen Güter“ als Rettungsanker für den Arbeitsmarkt
Ein zentrales Konzept in der Analyse von Imas sind „relationale Güter“ (Relational Sector). Damit sind Bereiche gemeint, in denen die Tatsache, dass ein Mensch an der Erbringung einer Dienstleistung oder der Herstellung eines Produkts beteiligt ist, einen wesentlichen Teil des Wertes ausmacht. Der Auftritt einer Balletttänzerin, der von einem Barista persönlich zubereitete Kaffee oder die Diagnose eines Arztes, der einem direkt gegenübersitzt – selbst wenn eine KI eine identische Leistung erbringen könnte, zahlen Verbraucher für den menschlichen Faktor einen Aufpreis.
Die Experimente von Imas‘ Team liefern hierfür eindrucksvolle Belege. Wird Probanden ein einzelnes Kunstwerk gezeigt und mitgeteilt, dass es von einem Menschen geschaffen wurde, sind sie bereit, deutlich mehr zu zahlen, als wenn es von einer KI stammt. Sobald jedoch die Information hinzukommt, dass dieses eine Werk Teil einer Serie von 500 Drucken ist, fällt der Wert des menschlichen Werks drastisch ab. Der Wert der KI-Arbeit bleibt unverändert. Die Erklärung: Die wahrgenommene Exklusivität und die persönliche Verbindung zu einem bestimmten Künstler sind der Kern des Wertes. Bei Massenproduktion verschwindet dieser Mehrwert sofort. KI-Produkte hingegen werden von vornherein als Ware betrachtet. Die entscheidende Frage ist daher, ob die Zahlungsbereitschaft für relationale Güter in Bereichen wie Medizin, Beratung oder Kunst stark genug ist, um den Arbeitsmarkt zu stützen. Daten hierzu, so Imas, fehlen bislang weitgehend.
Warum Roboter immer zahlreicher werden, aber Balletttänzer nicht
Trammell erweitert die Diskussion um eine fundamentale strukturelle Perspektive. Stellen wir uns vor, die KI ist in der Lage, die gesamte Lieferkette für physische Güter vollständig zu automatisieren. Die Anzahl der Roboter könnte sich im nächsten Jahr verhundertfachen, die Anzahl der produzierten Waren explodieren. Doch die Anzahl der Balletttänzer bleibt gleich. Was passiert mit der Grenznutzen dieser konstanten Anzahl an Gütern? Sinkt der Nutzen schnell, weil der Konsument gesättigt ist, dann fließt das überschüssige Einkommen in den relationalen Sektor, und die Lohnquote könnte stabil bleiben. Explodiert jedoch die Vielfalt der von Robotern hergestellten Güter und Dienstleistungen, sodass der Konsument nie gesättigt ist, schrumpft der Anteil des relationalen Sektors an der Gesamtwirtschaft kontinuierlich.
Trammell verwendet hierzu ein historisches Gedankenexperiment. Hätte man im alten Mongolenreich gefragt, was nach der Automatisierung aller Güter passiert, wäre die Antwort gewesen: Pferde, Jurten und Joghurt sättigen sich, und das gesamte Einkommen fließt an die Sänger. In der Realität jedoch haben sich Pferde, Jurten und Joghurt in unzählige Varianten und Substitute aufgefächert, während die wirtschaftliche Bedeutung von Sängern marginal blieb. Trammell hält es für wahrscheinlich, dass sich diese Struktur wiederholen wird.
Moores Gesetz – die pessimistische Interpretation, die alles verändert
An diesem Punkt nimmt die Diskussion eine überraschende Wendung. Trammell bringt eine andere, schärfere Interpretation des Mooreschen Gesetzes ins Spiel, die im Podcast als das „pessimistische“ Verständnis bezeichnet wird. Es besagt nicht, dass sich die Transistordichte alle 18 Monate verdoppelt, sondern dass sich der Wert pro Recheneinheit alle 18 Monate halbiert. Die Menschheit, so Trammell, findet immer neue Anwendungen für Rechenleistung und konsumiert sie in einem solchen Tempo, dass der Wert pro Einheit konstant fällt. Genau diese Dynamik hält das Mooresche Gesetz aufrecht.
Mit dem Aufkommen der KI könnte dieses Gefüge erstmals zerbrechen. Wie Trammell anmerkt, ist der Rechenpreis für einen NVIDIA H100 heute höher als vor drei Jahren. Obwohl die Menge der Rechenleistung dramatisch gestiegen ist, sind die Kosten für das Training moderner KI-Modelle aufgrund ihrer schieren Größe ebenfalls gestiegen. Dies deutet darauf hin, dass die Nachfrage nach Rechenleistung extrem elastisch ist: Je billiger sie wird, desto mehr Anwendungen fallen uns ein, sie zu nutzen. Anders als bei Gütern wie Insulin oder Öl, deren Nachfrage irgendwann gedeckelt ist, scheint die Nachfrage nach Rechenleistung unersättlich. Imas betont, dass diese „Vielfaltsexplosion“ der Anwendungen eine Sättigung verhindert – zumindest vorerst.
Was ist die zentrale Frage für die Vermögensverteilung nach AGI? Die entscheidende Frage ist nicht, ob KI Arbeitsplätze vernichtet, sondern welche Güter und Dienstleistungen nach der Automatisierung knapp bleiben. Die Verteilung des künftigen Reichtums hängt davon ab, ob relationale Güter, Rechenleistung oder andere, noch nicht absehbare Ressourcen die neue Knappheit darstellen.
Warum das „KI-Apokalypse“-Szenario schwer zu konstruieren ist
Ein konkretes Szenario, das im Februar 2026 von der Investmentfirma Citrini Research veröffentlicht wurde, sorgte für Aufsehen. Es prophezeit, dass die massenhafte Verdrängung von Angestellten durch KI den Konsum einbrechen lässt und der S&P 500 bis 2028 um 38 Prozent fällt. Imas unterzog dieses Szenario einer kritischen Prüfung. Sein Fazit: Damit Reichtum zu negativem Wirtschaftswachstum führt, müssten die Kapitalbesitzer vollständig gesättigt sein – weder konsumieren noch investieren. Das Geld müsste buchstäblich „herumliegen“. Dies sei, so Imas, in einer Welt mit AGI kaum vorstellbar. Der Bau immer neuer Rechenzentren und die Forschung an neuen Modellen würden selbst dann Investitionen anziehen.
Beide Diskutanten zeigten sich einig, dass die von Molly Kinder beschriebene „Mucky Middle“ – eine chaotische Übergangsphase vor dem endgültigen Wohlstand – das eigentliche Problem darstellt. Trammell sieht jedoch nur ein schmales Zeitfenster für dieses Szenario. Sobald eine KI existiert, die einen Softwareentwickler vollständig ersetzen kann, wird sie auch einen Buchhalter oder Analysten ersetzen können. Die daraus resultierenden Kosteneinsparungen und Produktivitätssteigerungen wären gewaltig, was die Übergangsphase extrem kurz halten würde.
Die Kosten, Menschen im Produktionsprozess zu halten
Die Diskussion schwenkt von der optimistischen Beschäftigungserhaltung zurück zu einer ernüchternden Realität. Selbst wenn eine KI 90 Prozent einer Arbeit übernimmt und ein Mensch die restlichen 10 Prozent erledigt, was die Produktivität steigert, kommt der Punkt, an dem die Kosten, diesen Menschen für die letzten 10 Prozent im Prozess zu halten, den Nutzen übersteigen. Trammell prognostiziert, dass dies der Fall sein wird, sobald die KI ausgereift genug ist. Eine KI, die in „Neuralese“ – einer direkten, numerischen Kommunikation innerhalb neuronaler Netze – denkt und tausende Male schneller als ein Mensch arbeitet, macht den Menschen zum Engpass. Die O-Ring-Theorie, die besagt, dass ein schwaches Glied die gesamte Produktionskette gefährdet, wirkt nun in die entgegengesetzte Richtung: Der Mensch selbst wird zum Risiko für die Perfektion des Systems.
Die wahre Machtverschiebung: Wer nicht aufhören kann, Reichtum anzuhäufen
Der vielleicht unbequemste Teil der Diskussion betraf die „unersättlichen Menschen“. Historisch gesehen haben die größten Unternehmer ihr Vermögen irgendwann ausgegeben, in Stiftungen gesteckt oder an ihre Kinder vererbt – die es dann meist weniger effizient verwalteten, was zu einer Streuung des Reichtums führte. Die Diskutanten fragen sich, ob dies mit Persönlichkeiten wie Elon Musk ein Ende hat. Solche Individuen sprechen davon, eine Stadt auf dem Mars zu bauen. Die Anhäufung von Reichtum wird zum Selbstzweck, sie werden nicht satt.
Trammells Analyse ist schonungslos: Solche Figuren haben die Wirtschaft bisher nicht dominiert, weil Vermögen über Generationen hinweg immer wieder versickerte. Sollte die Lebenserwartung drastisch steigen oder ein KI-System das Vermögen nahtlos weiterverwalten, würde dieser „Versickerungsschock“ ausbleiben. Noch extremer wird es, wenn man eine „Von-Neumann-Sonde“ betrachtet – eine sich selbst reproduzierende Raumsonde, die in andere Sternensysteme fliegt. Für eine solche Einheit, die keinerlei Interesse an einer Ballettaufführung hat, ist der Begriff der Lohnquote völlig irrelevant. Ihr Sparverhalten würde alles andere in den Schatten stellen, und langfristig würde sie den Großteil der Wirtschaft kontrollieren.
Wie sich Entwicklungsländer für das AGI-Zeitalter positionieren können
Gegen Ende des Gesprächs suchte der Moderator nach einer Perspektive für Länder wie Indien oder Nigeria, die weder führend in der KI-Entwicklung noch in der Halbleiterfertigung sind. Wie können sie am künftigen Reichtum teilhaben? Trammells Antwort war einfach: Kauft einen Indexfonds. Wenn KI alle Industrien transformiert, verteilt sich der Nutzen nicht nur auf einzelne Unternehmen, sondern auf die gesamte Wirtschaft. Imas zog einen Vergleich zur Elektrizität: Niemand glaubt, dass die Stromversorger in den USA immense politische Macht besitzen. Strom ist eine Ressource, die von Monopolisten geliefert wird, deren Nutzen aber breit an die Verbraucher weitergegeben wird. Sollte KI eine ähnliche Infrastruktur werden, wäre ein Investment in den S&P 500 der einfachste Weg, um von den Früchten der AGI zu profitieren.
Diese Strategie hat jedoch einen entscheidenden Haken. Sie funktioniert nur, wenn die Vorteile der KI nicht auf einige wenige, nicht börsennotierte Unternehmen konzentriert sind. Nigeria hält keine Anteile an SK Hynix oder Anthropic. Die entscheidende Weichenstellung ist daher, ob KI allgegenwärtig wie Strom wird oder ob sich die Gewinne auf wenige Plattformen konzentrieren, ähnlich wie bei den sozialen Medien. Imas sieht den Schlüssel in der Existenz offener Modelle. Wenn Open-Source-Modelle proprietären Modellen wie denen von Frontier Labs nur sechs Monate hinterherhinken, hätte praktisch jedes Land Zugang zu AGI-ähnlicher Intelligenz. Dann wäre KI wie Strom – und ein Indexfonds-Investment wäre wieder eine valide Strategie.
