Die letzte Schicht – KI und die Arbeitswelt

Es gibt eine Geschichte, die sich in fast jeder Branche erzählen lässt: KI betrifft die anderen. Wer im Büro sitzt, denkt an die Buchhaltung. Wer in der Buchhaltung sitzt, denkt an die einfachen Sachbearbeiter. Und wer im Handwerk arbeitet, lehnt sich zurück – Maschinen können keine Rohre verlegen.

Jede Gruppe findet jemanden, der es noch schlimmer trifft. Solange man nicht selbst gemeint ist, bleibt das Thema abstrakt.

Nur stimmt die Rechnung nicht mehr. Nicht weil KI plötzlich alles kann – sondern weil die Grenze zwischen automatisierbarer und nicht-automatisierbarer Arbeit sich verschiebt. Schneller, als die meisten annehmen.

In einem früheren Gedankenexperiment habe ich beschrieben, wie billige Energie und Automatisierung zusammen eine völlig neue Wirtschaft erzeugen könnten – eine Art Proto-Star-Trek-Ökonomie. Aber auch das Gegenteil: eine technologisch fortschrittliche Welt, in der die Gewinne bei wenigen landen. Dieser Artikel macht dort weiter, wo die Theorie aufhört. Bei den konkreten Zahlen, den konkreten Maschinen und der konkreten Frage: Wem gehört die Produktivität?

57 Prozent

McKinsey hat Ende 2025 eine Studie veröffentlicht, die es in sich hat: Aktuelle KI-Agenten und Roboter könnten theoretisch 57 Prozent aller US-Arbeitsstunden automatisieren. Davon entfallen 44 Prozent auf Software-Agenten und 13 Prozent auf physische Roboter.

Das ist keine Prognose für Massenentlassungen. Es beschreibt technisches Potenzial. Aber allein die Größenordnung zeigt, wo wir stehen: Die Frage ist nicht mehr ob, sondern wie schnell und unter welchen Bedingungen.

Besonders betroffen sind administrative Tätigkeiten, juristische Zuarbeit, Büroorganisation und bestimmte Programmieraufgaben. Etwa 40 Prozent der US-Jobs bestehen überwiegend aus Tätigkeiten, die Software allein erledigen könnte.

Gleichzeitig gilt: Über 80 Prozent der Arbeitsstunden in Wartung, Bau und unvorhersehbaren physischen Umgebungen können aktuelle Roboter noch nicht replizieren. Und rund 70 Prozent der Pflegetätigkeiten erfordern weiterhin menschliche Fähigkeiten.

Noch.

Die Roboter, die man nicht mehr übersehen kann

Während KI-Software die Büroarbeit transformiert, passiert im physischen Bereich etwas, das viele noch nicht auf dem Schirm haben.

Tesla Optimus. Anfang 2026 hat Tesla begonnen, die Produktionslinien im Fremont-Werk umzurüsten – weg von Model S/X, hin zur Serienproduktion humanoider Roboter. Das Ziel: eine Million Einheiten pro Jahr. Preis pro Stück: 20.000 bis 30.000 Dollar. Aktuell sammeln die Roboter noch Trainingsdaten, aber die Infrastruktur für Massenproduktion steht. (Vielleicht nicht das beste Beispiel angesichts der Glaubwürdigkeitshistorie des Unternehmens – aber definitiv das bekannteste.)

Boston Dynamics Atlas. Der vollelektrische Atlas geht 2026 in die kommerzielle Produktion und wird in Hyundai-Fabriken in Georgia eingesetzt – zuerst zehntausende Einheiten. Preis: rund 150.000 Dollar.

Figure AI. Figure 03 wurde Ende 2025 vorgestellt, optimiert für Massenproduktion und Allzweckaufgaben. Die KI-Plattform Helix steuert die Roboter autonom. Eine Milliarde Dollar Funding. Einsatzgebiete: Fertigung, Logistik, perspektivisch auch Haushalt.

Das ist keine ferne Zukunft. Das sind aktuelle Produktionsplanungen. Wenn humanoide Roboter unter 30.000 Dollar kosten, werden sie günstiger als ein Jahresgehalt in vielen Branchen. Spätestens dann verschiebt sich die Gleichung fundamental.

Die Handwerker-Illusion

Es gibt einen verbreiteten Trost: „Meinen Job kann keine Maschine machen.” Das stimmt für bestimmte Tätigkeiten – noch. Rohre verlegen in einem Altbau, individuelle Elektroinstallationen, Dachdeckerarbeit bei Wind und Regen. Das erfordert Improvisationsfähigkeit, räumliches Denken und physische Geschicklichkeit in unvorhersehbaren Umgebungen.

Aber das Argument hat eine Schwäche: Es verwechselt aktuelle technische Grenzen mit dauerhaften.

Die Entwicklung humanoider Roboter folgt einer exponentiellen Kurve. Vor fünf Jahren konnte Atlas nicht einmal stabil laufen. Heute dreht er Saltos. In fünf Jahren wird er Regale bestücken und Pakete sortieren. In zehn Jahren wird die Frage sein, ob er ein Waschbecken montieren kann.

Die relevante Frage ist nicht: Können Roboter das heute? Sondern: Was passiert mit Millionen von Jobs, die irgendwo auf dem Spektrum zwischen „vollständig automatisierbar” und „noch nicht automatisierbar” liegen? Denn auch Teilautomatisierung verändert Branchen radikal. Wenn ein Roboter 60 Prozent der Arbeit auf einer Baustelle übernimmt, braucht man nicht null Handwerker – aber deutlich weniger.

Wem gehört die neue Produktivität?

Hier wird es politisch. Denn die zentrale Frage der KI-Ära ist nicht technisch, sondern ökonomisch: Wer profitiert?

McKinsey rechnet vor: Wenn Unternehmen ihre Workflows umgestalten – Menschen, KI-Agenten und Roboter als integrierte Teams –, könnten KI und Robotik der US-Wirtschaft bis 2030 etwa 2,9 Billionen Dollar jährlich bringen. Das ist eine enorme Zahl.

Aber 2,9 Billionen für wen?

Der MIT-Ökonom Daron Acemoglu – Nobelpreis 2024 – warnt seit Jahren: Automatisierung steigert Produktivität, aber ohne politische Korrekturen fließen die Gewinne fast vollständig zu den Eigentümern der Technologie. Jobs werden ersetzt, aber nicht automatisch durch gleichwertige neue ersetzt.

Der Internationale Währungsfonds hat das 2025 in einem Working Paper bestätigt: KI kann Ungleichheit sowohl verringern als auch verschärfen – es hängt vollständig davon ab, wie die Gewinne verteilt werden.

Und genau hier liegt das Problem. Die KI-Infrastruktur gehört wenigen Unternehmen: OpenAI, Google, Microsoft, Meta, Anthropic. Die Roboter kommen von Tesla, Boston Dynamics, Figure AI. Das sind keine Genossenschaften. Das sind Unternehmen mit Aktionären, die Rendite erwarten.

Wenn die Produktivitätsgewinne der nächsten Dekade überwiegend bei diesen Akteuren landen, entsteht eine neue Form wirtschaftlicher Abhängigkeit. Nicht feudal im klassischen Sinn – aber strukturell vergleichbar. Die Mehrheit arbeitet, die Minderheit besitzt die Produktionsmittel. Nur dass die Produktionsmittel diesmal nicht Fabriken und Land sind, sondern Algorithmen und Roboter.

Die Demokratisierungsfrage

Das AI Now Institute hat 2025 eine Analyse veröffentlicht, die den Begriff „Demokratisierung” im KI-Kontext hinterfragt. Ihre These: Wenn Demokratisierung nur bedeutet, dass mehr Menschen Zugang zu Rechenleistung bekommen, reicht das nicht. Es braucht eine Umverteilung von Modellen, Daten und Governance-Strukturen.

Ihre Forderung: „People-Public-Private Partnerships” – Organisationen, die weder rein staatlich noch rein marktwirtschaftlich sind, sondern die Gesellschaft vor KI-Risiken schützen und gleichzeitig Teilhabe ermöglichen.

Das klingt abstrakt. Aber übersetzt in konkrete Politik bedeutet es: KI-Unternehmen können nicht einfach Monopole aufbauen und die Gewinne behalten. Wenn KI tatsächlich die Produktivität einer ganzen Volkswirtschaft transformiert, dann ist das keine Unternehmensfrage mehr – dann ist es eine Infrastrukturfrage. Wie Strom. Wie Wasser. Wie Straßen.

Und Infrastruktur gehört reguliert. Oder vergesellschaftet. Oder zumindest so besteuert, dass die Allgemeinheit profitiert.

Der Hype als Betäubungsmittel

Es gibt ein Muster, das sich durch jede technologische Revolution zieht: Die Begeisterung kommt zuerst, die Risikobewertung hinterher. Bei KI ist das nicht anders – nur schneller.

Unternehmen adoptieren KI nicht, weil sie eine fundierte Analyse der gesellschaftlichen Konsequenzen gemacht haben. Sie adoptieren KI, weil alle anderen es tun. Weil der Markt es erwartet. Weil Investoren fragen, was die KI-Strategie ist. Weil „AI-first” auf Foliensätzen besser aussieht als „wir beobachten noch”.

88 Prozent der Unternehmen nutzen KI laut McKinsey bereits in mindestens einer Geschäftsfunktion. Aber wie viele davon haben ernsthaft durchgerechnet, was passiert, wenn das funktioniert? Nicht auf Unternehmensebene – das haben sie. Sondern auf gesellschaftlicher Ebene? Was passiert mit den Mitarbeitern, die nicht mehr gebraucht werden? Mit den Zulieferern, deren Aufträge wegfallen? Mit den Kommunen, deren Steuereinnahmen sinken, weil Gewerbesteuer an Arbeitsplätze gekoppelt ist?

Die ehrliche Antwort: Fast niemand denkt darüber nach. Und das ist kein Vorwurf an einzelne Unternehmen. Es ist ein Systemfehler. Der Markt belohnt Effizienz, nicht Weitsicht. Wer als CEO die Automatisierung verzögert, weil er über gesellschaftliche Folgen nachdenkt, wird vom Aufsichtsrat ersetzt – nicht befördert.

Das Ergebnis ist ein kollektives Mitlaufen, das sich als Innovation tarnt. Man investiert in KI, weil man „nicht abgehängt werden” will. Man spricht von „Transformation”, meint aber Kostenreduktion. Man feiert Produktivitätsgewinne, ohne zu fragen, wer die Kosten trägt.

Das ist keine böse Absicht. Es ist schlimmer: Es ist Gleichgültigkeit, eingebettet in Optimismus. Der Hype erzeugt eine kollektive Betäubung, in der jedes kritische Nachfragen als Fortschrittsfeindlichkeit abgetan wird. Wer fragt, was mit den Millionen von Sachbearbeitern passiert, wenn KI-Agenten ihre Arbeit übernehmen, bekommt als Antwort: „Die werden umgeschult.” Von wem? Mit welchem Geld? In welcher Zeit?

Gartner prognostiziert, dass der Einfluss von KI auf globale Jobs bis 2026 neutral bleibt. Das wird gerne zitiert. Was weniger zitiert wird: „Neutral” bedeutet nicht „harmlos”. Es bedeutet, dass die Verschiebungen sich gegenseitig aufheben – in der Statistik. Nicht im Leben der Einzelnen, die ihren Job verlieren und in der Statistik als „umgeschichtet” auftauchen.

Die Parallele zur Dotcom-Blase drängt sich auf. Damals investierte jeder in Internet-Firmen, weil „das Internet alles verändert”. Das stimmte sogar. Aber die meisten Unternehmen, in die investiert wurde, existieren heute nicht mehr. Die Technologie gewann. Die Menschen, die auf den Hype gesetzt hatten, oft nicht.

Bei KI könnte es ähnlich laufen – nur dass diesmal nicht Aktienkurse kollabieren, sondern Arbeitsplätze. Und ein Arbeitsplatz lässt sich nicht so leicht wie ein Portfolio diversifizieren.

Was die Pilotprojekte zeigen

Die Diskussion über ein bedingungsloses Grundeinkommen wird oft als utopisch abgetan. Aber die Datenlage hat sich verändert.

Das von Sam Altman mitfinanzierte OpenResearch-Pilotprojekt – 1.000 Teilnehmer, 1.000 Dollar pro Monat, drei Jahre lang – zeigt: Die Arbeitszeit reduzierte sich um etwa 2 Prozent. Das sind 15 Minuten weniger pro Arbeitstag. Keine Massenflucht aus dem Arbeitsmarkt.

In Stockton, Kalifornien, stieg die Vollzeitbeschäftigung der Empfänger sogar im Vergleich zur Kontrollgruppe. Finnlands Experiment zeigte erhöhtes Vertrauen in Institutionen und verbesserte psychische Gesundheit.

Die Erkenntnis: Menschen hören nicht auf zu arbeiten, wenn sie ein Grundeinkommen bekommen. Aber sie bekommen einen Puffer, der Risiken abfedert – Jobwechsel, Weiterbildung, Gründung. Genau die Flexibilität, die eine sich schnell verändernde Arbeitswelt braucht.

Kalifornien arbeitet bereits an einem permanenten Programm. Minnesota hat 100 Millionen Dollar für ein Pilotprojekt bewilligt. Die politische Dynamik verschiebt sich.

Die 170-Millionen-Frage

Das World Economic Forum prognostiziert bis 2030: 92 Millionen Jobs displaced, 170 Millionen neue geschaffen. Netto 78 Millionen mehr. Das klingt beruhigend.

Aber die Rechnung hat einen Haken. Die 170 Millionen neuen Jobs erfordern andere Fähigkeiten als die, die wegfallen. Die am schnellsten wachsende Qualifikation in US-Stellenanzeigen ist „AI Fluency” – die Fähigkeit, KI-Tools zu nutzen und zu steuern. Die Nachfrage hat sich in zwei Jahren versiebenfacht.

Gleichzeitig sinkt die Nachfrage nach klassischer Schreibarbeit und Grundlagenforschung drastisch.

Das bedeutet: Die neuen Jobs entstehen nicht automatisch dort, wo die alten verschwinden. Ein LKW-Fahrer wird nicht zum Prompt-Engineer. Eine Sachbearbeiterin wird nicht zur KI-Trainerin. Ohne massive Investitionen in Umschulung und Bildung entsteht eine strukturelle Lücke – Millionen von Menschen, die weder in der alten noch in der neuen Arbeitswelt einen Platz finden.

Was das für Deutschland bedeutet

Deutschland hat ein zusätzliches Problem: die demografische Struktur. Eine alternde Gesellschaft mit Fachkräftemangel könnte theoretisch von Automatisierung profitieren – weniger Menschen müssen mehr produzieren, KI und Roboter füllen die Lücke.

Aber das funktioniert nur, wenn die Produktivitätsgewinne in der Breite ankommen. Wenn stattdessen Unternehmen automatisieren, Stellen abbauen und die Gewinne an Aktionäre ausschütten, entsteht eine paradoxe Situation: Fachkräftemangel und Arbeitslosigkeit gleichzeitig. Mangel an den Stellen, die Roboter noch nicht können. Überschuss an den Stellen, die sie können.

Hinzu kommt das Tempo. Wie im zweiten Teil dieser Serie beschrieben: Das politische System ist strukturell langsamer als die technologische Entwicklung. Bis Deutschland eine KI-Arbeitsstrategie hat, werden die Fakten längst von Unternehmen geschaffen.

Kein Jobverlust, sondern Machtverlust

Die eigentliche Gefahr ist nicht, dass alle arbeitslos werden. Die McKinsey-Studie selbst betont, dass es um Redesign geht, nicht um Replacement. Menschen, Agenten und Roboter als Teams.

Aber „Redesign” in einer Welt, in der die Redesign-Entscheidungen von Unternehmen getroffen werden und nicht von Arbeitnehmern, bedeutet: Die Bedingungen verschieben sich. Nicht der Job verschwindet – aber die Verhandlungsposition des Arbeitnehmers.

Wenn ein Unternehmen jede Stelle theoretisch durch einen Agenten oder Roboter ersetzen kann, sinkt der Wert menschlicher Arbeit auf dem Markt. Nicht auf null. Aber auf einen Punkt, an dem die Machtbalance kippt.

Das ist der Unterschied zwischen Star Trek und dem dritten Szenario aus dem ersten Artikel: technologischer Fortschritt mit feudalen Strukturen. Die Maschinen dienen – aber nicht allen.

Was passiert, wenn nichts passiert

Angenommen, alles läuft weiter wie bisher. Keine Arbeitszeitverkürzung, keine Automatisierungssteuer, kein Grundeinkommen, keine strukturierte Bildungsoffensive. Die KI-Entwicklung beschleunigt sich, die Robotik skaliert, aber die politischen und wirtschaftlichen Strukturen bleiben, wie sie sind.

Das Szenario ist nicht hypothetisch. Es ist der Default.

Phase 1: Die stille Verdrängung (2026 bis 2030). Unternehmen automatisieren schrittweise. Nicht mit großen Ankündigungen, sondern durch natürliche Fluktuation. Stellen, die frei werden, werden nicht nachbesetzt. KI-Agenten übernehmen Sachbearbeitung, Buchhaltung, Kundenservice, Teile der Softwareentwicklung. Die Arbeitslosenstatistik steigt langsam, aber die Unterbeschäftigung – Menschen in Jobs unter ihrer Qualifikation oder mit reduzierten Stunden – explodiert.

Phase 2: Die Robotik-Welle (2030 bis 2035). Humanoide Roboter unter 20.000 Dollar erreichen Massenproduktion. Logistik, Fertigung, einfache Wartung, Lagerhaltung – Branchen, die bisher als sicher galten, verlieren innerhalb weniger Jahre Millionen von Stellen. Nicht auf einen Schlag, aber schnell genug, dass Umschulung nicht hinterherkommt. Die Gewerkschaften verhandeln noch über Pilotprojekte, während Konzerne bereits Fabriken ohne menschliche Schichten betreiben.

Phase 3: Die Nachfragekrise. Hier wird es ökonomisch gefährlich. Menschen, die weniger verdienen oder arbeitslos sind, konsumieren weniger. Unternehmen, die automatisiert haben, produzieren effizienter – aber für wen? Wenn ein signifikanter Teil der Bevölkerung weniger Kaufkraft hat, sinkt die Nachfrage. Das ist kein marxistisches Gedankenspiel, sondern Grundlagen-Makroökonomie: Henry Ford hat seine Arbeiter gut bezahlt, damit sie seine Autos kaufen konnten. Eine Fabrik voller Roboter hat keine Kunden.

Phase 4: Die politische Destabilisierung. Gesellschaften mit hoher Ungleichheit und sinkender sozialer Mobilität werden instabil. Das zeigt die Geschichte zuverlässig – von der Französischen Revolution über die Weimarer Republik bis zu den Populismus-Wellen der 2010er und 2020er Jahre. Wenn Millionen von Menschen das Gefühl haben, dass das System nicht mehr für sie funktioniert, suchen sie Alternativen. Manche davon sind demokratisch. Viele nicht.

Phase 5: Die digitale Feudalgesellschaft. Am Ende des Nichtstuns steht eine Welt, in der eine kleine Anzahl von Unternehmen und Individuen die Produktionsmittel kontrolliert – Algorithmen, Roboter, Energie, Daten – und der Rest der Bevölkerung abhängig ist von deren Wohlwollen. Kein Skynet. Kein Terminator. Nur eine sehr effiziente Ungleichheit, die sich selbst stabilisiert, weil dieselbe Technologie, die sie erzeugt, auch zur Überwachung und Kontrolle eingesetzt werden kann.

Das ist das dritte Szenario aus dem ersten Artikel dieser Serie – nur konkretisiert. Keine Science Fiction, sondern die logische Konsequenz aus aktuellen Trends, wenn man sie weiterschreibt und politisch nichts dagegensetzt.

Die gute Nachricht: Es ist vermeidbar. Aber nur, wenn jetzt gehandelt wird.

Was getan werden müsste

Die Lösungen sind nicht neu. Sie werden nur nicht umgesetzt.

Arbeitszeitverkürzung. Wenn Produktivität steigt, muss nicht die gleiche Menge Arbeit auf weniger Menschen verteilt werden. Eine 30-Stunden-Woche bei vollem Lohnausgleich ist finanzierbar, wenn die Produktivitätsgewinne gesellschaftlich verteilt werden.

Besteuerung von Automatisierung. Wenn ein Roboter eine Stelle ersetzt, entfallen Lohnsteuer und Sozialabgaben. Das Steuersystem muss an eine Welt angepasst werden, in der Maschinen produzieren und Menschen konsumieren.

Grundeinkommen oder Teilhabe-Dividende. Die Pilotprojekte zeigen: Es funktioniert. Nicht als Almosen, sondern als Teilhabe an der kollektiven Produktivität.

Bildungsoffensive. Nicht als Buzzword, sondern als konkrete Infrastruktur. Lebenslanges Lernen, finanziert und zugänglich, mit Fokus auf KI-Kompetenz, kritisches Denken und Adaptionsfähigkeit.

Regulierung der KI-Konzentration. Wenn KI zur kritischen Infrastruktur wird, gehört sie reguliert wie Strom und Wasser. Das bedeutet: Open-Source-Modelle fördern, Monopole begrenzen, Datenzugang demokratisieren.

Keine dieser Maßnahmen ist utopisch. Alle wurden in irgendeiner Form bereits diskutiert, pilotiert oder in Teilaspekten umgesetzt. Was fehlt, ist politischer Wille in der nötigen Geschwindigkeit.

Und genau da schließt sich der Kreis: Ein politisches System, das zwanzig Jahre braucht, um ein Digitalisierungsprojekt umzusetzen, wird die Arbeitswelt-Transformation der nächsten Dekade nicht gestalten. Es wird sie erleiden.

Die durch KI und Robotik freigesetzte Produktivität muss gesellschaftlich verteilt werden. Bleibt der Wohlstandsgewinn bei den Technologiekonzernen, entsteht eine neue Form feudaler Abhängigkeit – diesmal nicht von Land, sondern von Algorithmen.