Beginnen Sie mit den Variablen, nicht mit dem Drehbuch
Es gibt keine Beobachtung einer Gesellschaft nach der AGI. „Nach der AGI” ist daher kein faktischer Zeitraum, den wir so beschreiben können wie eine Wahl, eine Rezession oder eine Produkteinführung. Es ist eine Familie von Szenarien, aufgebaut aus Annahmen über Fähigkeit, Kosten, Zugang, Eigentum, Sicherheit und politische Reaktion. Ein nützliches Szenario macht diese Annahmen sichtbar. Ein schlechtes verbirgt sie hinter einer eindrücklichen Geschichte.
Selbst der technische Ausgangspunkt ist ungewiss. Der International AI Safety Report 2026 beschreibt raschen Fortschritt neben ungleichmäßigen Fähigkeiten, eine Bewertungslücke zwischen Tests und Leistung in der realen Welt sowie mehrere plausible Entwicklungspfade bis 2030. Er unterstützt weder ein bestimmtes Ankunftsdatum noch eine unausweichliche Entwicklungslinie. Diese Unsicherheit sollte sich in die gesellschaftliche Analyse fortsetzen.
Vier Variablen leisten den größten Teil der Arbeit:
- Geschwindigkeit: Verbreitet sich breit transformative Fähigkeit über Jahre hinweg, oder trifft sie schneller ein, als Arbeitgeber, Regulierungsbehörden, Schulen und Haushalte sich anpassen können?
- Zugang: Steht Fähigkeit Millionen von Organisationen und Einzelpersonen zur Verfügung, oder wird sie durch wenige Anbieter und Regierungen kontrolliert?
- Eigentum: Wem gehören die Modelle, Chips, Energieinfrastruktur, Rechenzentren, komplementären Geschäfte und das resultierende Einkommen?
- Kontrolle: Behalten Institutionen die Fähigkeit, KI-vermittelte Entscheidungen zu prüfen, einzuschränken, zu ersetzen und anzufechten?
Die untenstehenden Szenarien sind keine Vorhersagen mit zugewiesenen Wahrscheinlichkeiten. Sie sind Stresstests. Die Realität könnte Merkmale aller vier kombinieren, sich nach Land unterscheiden oder von einem zum anderen wechseln.
Szenario eins: gesteuerte Verbreitung
Bei gesteuerter Verbreitung verbessert sich Fähigkeit schnell, aber nicht augenblicklich. Systeme automatisieren größere Arbeitsbündel, doch der Einsatz bleibt durch Integrationskosten, Zuverlässigkeit, Recht, physische Infrastruktur und organisatorische Trägheit begrenzt. Regierungen weiten Übergangsunterstützung aus, Firmen gestalten Arbeitsplätze neu, und Sicherheitsanforderungen reifen, bevor irgendein einzelnes System unentbehrlich wird.
Dies ist das Szenario, das am kontinuierlichsten an die gegenwärtige Evidenz anschließt. Der Expositionsindex 2025 der Internationalen Arbeitsorganisation findet, dass einer von vier Arbeitnehmern in einem Beruf mit gewisser Exposition gegenüber generativer KI arbeitet, argumentiert jedoch, dass Berufstransformation wahrscheinlicher ist als vollständiger Ersatz, weil Berufe Aufgaben enthalten, die weiterhin menschlichen Beitrag erfordern. Exposition ist nicht dasselbe wie Übernahme, und Übernahme ist nicht dasselbe wie die Beseitigung eines Jobs.
Gesteuerte Verbreitung garantiert keine Fairness. Einstiegswege können schrumpfen, bevor ganze Berufe verschwinden. Produktivitätsgewinne können an Eigentümer fließen, während Löhne stagnieren. Regionen mit schwacher digitaler Infrastruktur können zurückfallen. Der Unterschied besteht darin, dass Institutionen Zeit haben, diese Effekte zu beobachten und durch Schulung, Verhandlung, Besteuerung, Wettbewerbspolitik, öffentliche Investition und Änderungen der Arbeitszeit zu reagieren.
Die Haushaltsstrategie in dieser Welt ist Anpassung statt Rückzug: Fähigkeiten aufbauen, die neue Werkzeuge ergänzen, die Abhängigkeit von einem einzigen Arbeitgeber verringern, menschliche Netzwerke bewahren und an den Institutionen mitwirken, die entscheiden, wie Systeme eingesetzt werden.
Szenario zwei: konzentrierte Beschleunigung
Bei konzentrierter Beschleunigung erlangt eine kleine Zahl von Firmen einen großen Fähigkeitsvorsprung und hält den Zugang kontrolliert. Ihre Systeme werden zu wesentlichen Inputs für Forschung, Software, Finanzen, Logistik, Medien und öffentliche Verwaltung. Die wirtschaftliche Produktion steigt, doch die Verhandlungsmacht verschiebt sich zu den Eigentümern von Modellen und Rechenkapazität.
Konzentration ist nicht hypothetisch, selbst wenn die AGI es ist. Eine Studie des Stabs der US-Bundeshandelskommission (FTC) dokumentierte Beteiligungs- und Umsatzbeteiligungsrechte, Konsultations- oder Kontrollrechte, Exklusivität, Verpflichtungen zu Cloud-Ausgaben und Informationsaustausch in drei Partnerschaften, die Alphabet, Amazon und Microsoft mit Anthropic oder OpenAI verbinden. Die Stichprobe beschränkte sich auf diese Partnerschaften und spiegelte dem Stab bis September 2024 verfügbare Informationen sowie öffentliches Material bis Januar 2025 wider; sie sollte nicht auf jede Beziehung zwischen Cloud-Anbieter und Entwickler verallgemeinert werden. Der Bericht identifizierte mögliche Wechselkosten und Abhängigkeiten, statt eine Kartellrechtsverletzung festzustellen.
In diesem Szenario kann materieller Überfluss mit politischer Fragilität koexistieren. Regierungen könnten von Anbietern abhängen, die sie nicht ohne Weiteres ersetzen können. Arbeitnehmer könnten billigere Dienste erhalten, während sie Einkommen und Verhandlungsmacht verlieren. Bürger könnten formal ihre Rechte behalten, sich aber schwertun, Entscheidungen anzufechten, die über proprietäre Systeme getroffen werden. Ein Unternehmen muss nicht beabsichtigen, die Gesellschaft zu regieren, damit Abhängigkeit ihm regierungsähnliche Macht verleiht.
Die entscheidenden Politiken sind nicht Notfallvorräte. Es sind Eigentum, Interoperabilität, Besteuerung, Kartellrecht, Beschaffung, Prüfzugang, öffentliche Optionen und Grenzen für die Delegation souveräner Funktionen. Die zentrale Frage ist, ob die Öffentlichkeit Anbieter oder Politik wechseln kann, ohne Systeme abzuschalten, von denen das gewöhnliche Leben abhängt.
Szenario drei: offene Proliferation
Bei offener Proliferation wird hohe Fähigkeit durch offene Gewichte, billige Inferenz, kopierte Systeme oder intensiven Wettbewerb breit zugänglich. Innovation verbreitet sich schnell. Kleine Firmen, Forscher, Gemeinschaften und Länder mit niedrigerem Einkommen erhalten Werkzeuge, die sonst hinter teuren APIs verborgen blieben. Kein einzelner Anbieter wird zu einem unumgänglichen Torwächter.
Der Vorteil ist verteilte Handlungsfähigkeit. Das Risiko ist verteilte gefährliche Fähigkeit. Sobald Gewichte breit gespiegelt sind, kann der ursprüngliche Herausgeber nicht mehr zuverlässig jede Kopie zurückrufen, und Schutzvorkehrungen können verändert werden. Der Bericht der US-Behörde NTIA (National Telecommunications and Information Administration) vom Juli 2024 zu offenen Modellen kam zu dem Schluss, dass die damals verfügbare Evidenz pauschale Einschränkungen nicht rechtfertigte, empfahl jedoch Überwachung und die Fähigkeit zu reagieren, falls künftige Modelle das Gleichgewicht veränderten. Diese datierte, bedingte Position ist nützlicher, als „offen” automatisch als sicher oder automatisch als leichtsinnig zu behandeln.
Eine Gesellschaft offener Proliferation bräuchte Verteidigung außerhalb des Modells: sichere biologische Lieferketten, gehärtete kritische Infrastruktur, betrugsresistente Identitätssysteme, rasche Weitergabe von Vorfällen und Strafverfolgungskapazität, die nicht von der Unterdrückung allgemeinen Wissens abhängt. Sie bräuchte auch eine Governance, die ein kleines Forschungsmodell von einem System unterscheidet, das materiell Cyberoperationen, Waffenentwicklung oder autonome Vervielfältigung ermöglicht.
Dieses Szenario gibt mehr Menschen Zugang zu Produktivkapazität, doch Zugang allein löst die Verteilung nicht. Menschen brauchen weiterhin Rechenkapazität, Energie, Fachwissen, Kunden und rechtliche Erlaubnis, um ein Modell in dauerhaftes Einkommen zu verwandeln.
Szenario vier: Fähigkeitsschock und institutioneller Rückstand
Bei einem Fähigkeitsschock beginnen zuverlässige Systeme, wirtschaftlich bedeutsame Arbeit schneller zu erledigen, als Organisationen Rollen neu gestalten oder Regierungen verlorenes Einkommen und Steuereinnahmen ersetzen können. Das prägende Merkmal ist nicht Intelligenz im Abstrakten. Es ist die Lücke zwischen technischem Wandel und institutioneller Reaktion.
Diese Lücke kann widersprüchliche Bedingungen erzeugen: hohe Produktivkapazität neben Arbeitslosigkeit, wertvolle automatisierte Dienste neben zusammenbrechenden Geschäftsmodellen, und Regierungen, die um mehr Unterstützung gebeten werden, während sich die konventionelle Lohnsteuerbasis abschwächt. Sie kann auch den Druck erhöhen, Entscheidungen zu delegieren, weil menschliche Überprüfung genau dann langsam wirkt, wenn Aufsicht am wichtigsten ist.
Die schlimmsten Ergebnisse sind nicht automatisch. Bestehende Systeme wie Arbeitslosenversicherung, Einlagensicherung, automatische fiskalische Stabilisatoren, Tarifverhandlungen, Notfallbewilligungen und öffentliche Beschaffung liefern eine erste Infrastruktur. Doch für vorübergehende Rezessionen konzipierte Programme passen möglicherweise nicht zu einem dauerhaften Wandel im Wert von Arbeit. Entscheidungen über Einkommen, Eigentum und öffentliche Einnahmen müssten rasch von der akademischen Debatte zur operativen Politik übergehen.
Haushalte können sich nicht privat gegen einen gesellschaftsweiten Fähigkeitsschock versichern. Persönliche Ersparnisse erkaufen Zeit, doch die dauerhafte Antwort ist kollektiv: Institutionen, die Kaufkraft verteilen, wesentliche Dienste am Laufen halten, räuberische Konzentration verhindern und Politik anpassen können, sobald Evidenz eintrifft.
Signale, die die Szenarien unterscheiden
Achten Sie auf messbare Bedingungen statt auf das Label „AGI”:
- die Zuverlässigkeit und Kosten der Erledigung ganzer Arbeitsabläufe, nicht isolierter Benchmark-Fragen;
- ob Übernahme reduzierte Einstellungen, geringere Arbeitsstunden, niedrigere Löhne oder tatsächliche Entlassungen hervorbringt;
- Marktkonzentration bei Cloud, Chips, Modellen, Energie und Vertrieb;
- der Anteil führender Fähigkeit, der als offene Gewichte, kontrollierte APIs oder interne Systeme verfügbar ist;
- ob öffentliche Behörden getestete Nicht-KI-Betriebsmodi und Anbieterportabilität bewahren;
- wie Produktivitätsgewinne zwischen Preisen, Löhnen, Gewinnen, Steuern und kürzerer Arbeitszeit aufgeteilt werden;
- die Zeit zwischen einer nachgewiesenen gefährlichen Fähigkeit und einer durchsetzbaren Abhilfemaßnahme.
Diese Signale können sich in unterschiedliche Richtungen bewegen. Billige offene Modelle könnten die Unternehmenskonzentration verringern und zugleich das Missbrauchsrisiko erhöhen. Strenge Lizenzierung könnte die Aufsicht verbessern und zugleich etablierte Akteure festigen. Rasches Produktivitätswachstum könnte großzügige Übergangspolitik finanzieren oder Ungleichheit erhöhen, je nach Eigentum und politischen Entscheidungen.
Normatives Ziel: Robustheit statt Gewissheit
Eine robuste Politik funktioniert über mehrere Szenarien hinweg passabel. Phishing-resistente Identität hilft, ob Systeme zentralisiert oder offen sind. Portable Leistungen helfen, ob Jobs verschwinden oder sich nur schneller umschichten. Interoperabilität verringert Abhängigkeit, ohne eine Prognose zu erfordern, welcher Anbieter gewinnt. Vorfallmeldung verbessert das Lernen sowohl unter freiwilligen Rahmenwerken als auch unter verbindlicher Regulierung. Öffentliche Investition in Bildung, Energie, Gesundheit und Verwaltungskapazität schafft Wert, selbst wenn sich das Fähigkeitswachstum verlangsamt.
Der Sinn der Szenarioanalyse besteht nicht darin, die dramatischste Zukunft zu wählen. Es geht darum, Entscheidungen zu identifizieren, die teuer werden, rückgängig zu machen. Eigentumsstrukturen, Abhängigkeiten kritischer Infrastruktur, Überwachungssysteme und der Verlust menschlichen Fachwissens können sich festsetzen, bevor irgendjemand sich einig ist, dass die AGI eingetroffen ist. Das sind die Entscheidungen, die es wert sind, jetzt bewusst getroffen zu werden.