Politische Ökonomie der Künstlichen Intelligenz

 

Abstract

Die Tech-Ökonomie vollzieht einen paradigmatischen Bruch: An die Stelle der Produktion und Vermarktung von Waren tritt die Ökonomisierung der kooperativen Lebensprozesse selbst. Mit Künstlicher Intelligenz (KI) werden die in der sozialen Interaktion entstehenden Informationen abgeschöpft und verkauft. Dadurch entstehen neuartige Zweiseitenmärkte, mit denen die auf dem alten Produktionsparadigma beruhenden Unternehmen verdrängt werden. Doch dieser Prozess enthält eine innere Dialektik: Die für die KI eingerichteten und trainierten Algorithmen können sich weiter entwickeln und sich in ihrer Eigenlogik aktiv an der Kooperation der Lebensprozesse beteiligen und sie bereichern statt einseitig auszunutzen.

Von Produktions- zu Lebensprozessen

KI-Unternehmen machten im Jahr 2025 ungefähr zwei Drittel der Gewinne bei US-Aktien aus, aber zugleich haben Forscher des MIT (Massachusetts Institute of Technology) herausgefunden, dass 95 % der Unternehmen keine Rendite für ihre Investitionen in KI-Initiativen erzielten (Smith 2025). Ist es mit KI gelungen, sich von den vertrauten Gesetzen der Ökonomie abzukoppeln? Traditionell galten die Arbeit und der Boden (die Fruchtbarkeit des Ackerbodens und die im Boden verborgenen Bodenschätze) als die beiden Quellen allen Reichtums. Kommt jetzt mit der Information eine dritte, von ihnen unabhängige Quelle des Reichtums hinzu?

Die lineare Wertschöpfungskette von der Rohstoffgewinnung über die verschiedenen Stufen der Produktion bis zum Verkauf der Waren wird durch einen Wertschöpfungszyklus abgelöst, in dem Produktion und Konsumtion miteinander wechselwirken. Das setzt ungeheure Energien frei, die bisher ausschließlich durch diejenigen Tech-Unternehmen angeeignet werden, die diese Chance als erste erkannt haben. Alternativ entsteht die Option, die Kooperation ernst zu nehmen und die Möglichkeiten der KI für eine Gemeinwohlökonomie zu ergreifen.

Hier eine Übersicht des Wertschöpfungszyklus:

Kooperative Lebensprozesse These: Nicht die Information ist die dritte Quelle des Reichtums, sondern es sind im Alltag wie in der Produktion die kooperativen Lebensprozesse, die sich mit Informationen abstimmen. Das beginnt auf physikalischer Ebene in Resonanzen und kybernetischen Feedback-Schleifen, bis in der Biologie mit der DNA und den Proteinen eine deutlich erkennbare Sprache auftritt und sowohl zwischen den Organen wie innerhalb jeder Zelle Informationen ausgetauscht werden. Jeder Mensch ist bereits ein Produkt und ein Knotenpunkt von Kooperation.

1. Vom Produktions- zum Lebensparadigma: Bisher zählte für die klassische Ökonomie und die marxistische Kritik der politischen Ökonomie nur die produktive Arbeit auf dem Feld, in der Fabrik oder im Handwerk. Sie erzeugen und verteilen Produkte, die von anderen gekauft und konsumiert werden können. Hausfrauen- und Erziehungsarbeit, ehrenamtliche Tätigkeiten und für lange Zeit sogar die Dienstleistungen des Staates bleiben in volkswirtschaftlichen Gesamtrechnungen unberücksichtigt. Die Ökonomie beschränkte sich auf mechanistische Modelle der Produktion (Input-Output-Rechnungen) und hatte kein umfassendes organisches Modell des Lebens, in das die Produktion eingebettet ist.

2. Kooperation als konstitutives Prinzip: Kooperation wurde innerhalb der produktiven Arbeit durchaus anerkannt. Adam Smith nannte das Beispiel einer Stecknadelfabrik, in der durch die Aufteilung der Produktion in bis zu 18 spezialisierte Arbeitsschritte weit mehr Nadeln hergestellt werden konnten als es isoliert Arbeitenden möglich wäre. Das ist für ihn eine wesentliche Grundlage des Wohlstands der Nationen. Für Marx ist die Kooperation der Schlüsselbegriff, um die Entstehung und Entwicklung des Kapitalismus zu verstehen und Modelle einer künftigen Gesellschaft zu entwerfen, die auf freien Assoziationen beruhen. In neuerer Zeit sieht Durand die Entwicklung der Tech-Unternehmen mit Ernest Mandel als Beispiel der objektiven Vergesellschaftung (Durand 2024, 151). Mayer-Schönberger und Ramge schreiben recht neutral: „Daten werden uns helfen, besser zusammenzuarbeiten, damit wir die vergänglichste aller Ressourcen, unsere Zeit, am sinnvollsten einsetzen können.” (Mayer-Schönberger, Ramge 2017, 263) Aber ihnen fehlt noch die Einsicht, dass die Kooperation auf elementare Lebensprozesse zurückgeht, die weit mehr als die Produktion im engeren Sinn umfassen.

3. Mit Ökologie ist mehr gemeint als etwa das Ökosystem eines Gartenteichs. Es ist die Architektur der Wechselbeziehungen und Rückkopplungsschleifen aller Lebensprozesse nach innen wie nach außen (Gaia-Hypothese).

Führende Ökonomen sprechen von der KI als einem digitalen Glücksfall, vergleichbar dem Öl-Glücksfall, als all die Einsatzmöglichkeiten des Erdöls entdeckt wurden (Durand 2024, 152 mit einem Zitat von Jean Tirole). Der „digitale Glücksfall” ist jedoch kein Fund einer neuen Ressource, sondern die Entdeckung der Abschöpfbarkeit und Verwertbarkeit der bereits gegebenen kooperativen Lebensprozesse.

Sensoren Seit der Einführung elektronischer, untereinander vernetzter Werkzeuge und digitaler Medien werden sämtliche Informationen aufgezeichnet und gespeichert, die kooperative Lebensprozesse überhaupt erst möglich machen. Das geht weit über die gesprochene und geschriebene Sprache hinaus, siehe die aus der Medizin bekannten Sensoren von der Blutdruckmanschette über Fitness-Tracker (Atmung) bis zu Temperatursensoren (Hauttemperatur, Schweißausbrüche). Es geht nicht nur um das, was jemand gerade sieht, liest oder sagt, sondern um die körperlichen Reaktionen und Gefühle, die Körpersprache.

Es geht auch nicht nur um die Einzelnen: Das soziale Verhalten (die Kooperation) wird gemessen und aufgezeichnet. Alex Pentland spricht von einer Sozialen Physik: Heute lässt sich jede gemeinschaftliche Interaktion mit Sensoren, Mikrofonen und Kameras beobachten, wovon die früheren Psychologen nur träumen konnten. An den Mustern von Gesprächsanteilen, Informationsweitergaben, Sprachmelodien und den begleitenden körperlichen Reaktionen können soziale Diagramme und die kommunikative Produktivität abgelesen werden (Pentland 2014, 4). Pentland spricht von reality mining, mit dem der flow of ideas mitvollzogen werden kann (Pentland 2014, 15, 22). Allerdings sieht er zurecht die Gefahr, dass die Menschen Angst vor Überwachung bekommen und schlägt einen „New Deal on Data” vor: „workable guarantees that the data needed for public goods are readily available while at the same time protecting the citizenry” (Pentland 2014, 27).

Extraktion und Auswertung der Daten durch Künstliche Intelligenz (KI) Diese Daten werden mit Methoden der Künstlichen Intelligenz extrahiert, ausgewertet und verkauft, überwiegend an Industrie- und Handelsunternehmen aller Art, die damit gezielt ihre Kundschaft ansprechen können, aber ebenso gut an Einrichtungen des Gesundheits- oder Bildungswesens, an politische Parteien und sicher nicht zuletzt an Geheimdienste wie den NSA.

Warum braucht es KI zur Datenanalyse? Was unterscheidet KI von allen anderen Arten von Software? Bei der klassischen Programmierung ist die Aufgabenstellung bekannt und vorgegeben und wird in Code und den mit ihm gesteuerten und eindeutig festgelegten Algorithmen umgesetzt. So wird ein gegebener, bereits bekannter Prozess ökonomisch optimiert (verringerter Ressourcen- und Zeitaufwand). Mit KI geht es dagegen um die Entdeckung und Nutzung von Mustern, die bisher keiner kennt, bzw. sich ihrer nicht bewusst ist. Das wird in der Regel so weit gehen, dass an den Mustern überhaupt erst die Lebendigkeit bzw. Erstarrung von Ökosystemen verständlich wird.

Wer an KI nur Fragen wie an Wikipedia oder Google stellt, um sich Texte übersetzen, zusammenfassen und sich einen Überblick geben zu lassen, lernt nicht die neuen Möglichkeiten kennen. Nach meiner Erfahrung haben Chatbots noch keine unerwarteten Rückfragen gestellt, aber sie sind sehr gut geeignet, in Phasen wie dem Brainstorming oder der Ausarbeitung neuer Ideen Rückmeldungen, weitergehende Hinweise und bessere Ordnung der zunächst noch unfertigen Ideen zu bekommen. Das lässt sich nur schwer beschreiben und muss in eigener Erfahrung erlebt werden. Wichtige Beispiele kommen aus den Künsten, wenn mit KI-Programmen eine Art musikalischer Chat gelingt, wie ihn die Pianisten Kit Armstrong und Michael Wollny im improvisatorischen Zusammenspiel mit einem von KI gesteuerten mechanischen Klavier beschrieben haben (Schmidt & Graf).

Politische Ökonomie und Super-Gewinne der Tech-Unternehmen Die Tech-Untenehmen sind aus der kalifornischen Hippie- und Spät-68er-Szene der 1980er und 1990er Jahre entstanden. Soziale Utopien der Freiheit und Gemeinnützigkeit und libertäre Ideen gingen anfangs Hand in Hand, bis einige die unerwarteten Gewinnchancen erkannt und zugegriffen haben und die anderen desillusioniert zurück blieben. Eine Schlüsselfigur ist Hal Varian (* 1947), der bereits anerkannter Ökonom an führenden amerikanischen Universitäten war, bevor er 2001 der Chefökonom von Google wurde und diese Stellung bis heute innehat. Er hat 1999 gemeinsam mit Carl in Information Rules: A Strategic Guide to the Network Economy die Erfahrungen der vergangenen Jahrzehnte des IT-Markts ausgewertet und die theoretischen Grundlagen für den ökonomischen Erfolg der Tech-Unternehmen gelegt. Wenig später wurde die Besonderheit der IT-Märkte von den französischen Ökonomen Jean-Charles Rochet (* 1957) und Jean Tirole (* 1953) untersucht und als Platform Competition in Two-sided Markets bezeichnet.

1. Tech-Unternehmen bilden zwei-seitige Märkte.

Eine Plattform bedient zwei sich gegenseitig beeinflussende Nutzergruppen (z. B. einerseits die Hörerschaft der auf YouTube angebotenen Musik und andererseits die Unternehmen, die über YouTube-Werbung ihre Zielgruppen nahezu vollständig erreichen). Die Kunst besteht darin, eine Seite zu subventionieren, um die andere Seite profitabel gestalten zu können (Unternehmen zahlen für die Werbeplätze). Diese Win-win-Situation ist asymmetrisch: Obwohl auch die Kundschaft von kostenlosen Angeboten profitiert, verbleibt das Eigentum an den generierten Daten ausschließlich bei den Plattformen, die diese monetarisieren.

2. „The Winner Takes All”-Märkte

Die neuen Technologien führen entsprechend ihrer eigenen Logik von sich aus zu marktbeherrschenden Unternehmen. Der Wert eines Netzwerks (einer Plattform) steigt für alle Beteiligten exponentiell mit der Gesamtzahl der Nutzer und Nutzerinnen, die miteinander kommunizieren und handeln können. Kleine Netzwerke sterben aus. Die Fixkosten eines Netzwerks sind anfangs sehr hoch (Aufbau der Server- und Netzwerk-Infrastruktur, Entwicklung der ersten Version einer Software oder eines Algorithmus, möglicherweise Bereitstellung neuartiger Endgeräte wie das iPhone oder Smartphone). Dagegen sind im Weiteren die Grenzkosten für das Einrichten zusätzlicher Konten nahezu Null (Shapiro & Varian 1999, 20-22).

Im Ergebnis kommen Microsoft mit Windows, Google mit seinem Suchdienst, die Amazon-Marktplätze und ChatGPT von OpenAI in ihren jeweiligen Geschäftsbereichen auf Marktanteile von oft über 70%. Es entstehen The Winner Takes All-Märkte, bei denen die Größten übermäßig profitieren und alle anderen vom Markt gedrängt werden (siehe Frank & Cook sowie die von David Autor u.a. genannten Superstar Firms). Das kann im Ergebnis mit natürlichen Monopolen verglichen werden und besagt, dass es ökonomisch effizienter ist, wenn nur ein Unternehmen den gesamten Markt bedient (wie in den klassischen Monopolen z. B. für Wasser oder das Stromnetz).

Kundenkontakte Die klassischen Unternehmen nutzen die von den Tech-Unternehmen bereitgestellten Plattformen für die Interaktion mit ihrer Kundschaft (Handbücher, Lernvideos, Diskussionsforen). Sie erhalten Profile der Anwendenden und können sie in personalisierter Weise ansprechen.

Die klassischen Handelsbetriebe werden verdrängt. Die Unternehmen erreichen ihren Kundenkreis nur noch über das Internet.

Konsum Das Konsumverhalten wird mit vielfältigen Sensoren aufgezeichnet.

Hal Varian nennt typische Beispiele: Das Fahrverhalten wird an Kfz-Versicherungen gemeldet, die die Versicherungsbeiträge anpassen können. Leasing-Unternehmen können bei ausbleibenden Zahlungen ferngesteuert die Autos sperren (Varian 2014, 30). Es kann auch positiv gesehen werden. Die Wirkung von Medikamenten kann umfassend kontrolliert und zurückgemeldet werden.

So schließt sich der Kreislauf. Es ist keine Wertschöpfungskette mehr, in der fortlaufend der Wert erhöht wird, bis das betriebsfertige Produkt gebrauchsfähig ist, sondern der Konsum liefert seinerseits Informationen, die einen neuen Zyklus der Wertschöpfungskette ermöglichen.

Die Lebensprozesse von Algorithmen

Während die einen fragen, ob KI zu einem beispiellosen Überwachungskapitalismus führt (Zuboff), mit der Abhängigkeit von digitalen Prozessen in eine neue feudale Leibeigenschaft zurückfällt (Durand 2024, Varoufakis) oder aber ob aus Sicht der bürgerlichen Ökonomie alles einfacher und gewinnträchtiger wird, versucht die italienische Philosophin Luciana Parisi (* 1971) den ontologischen Status der Algorithmen zu ergründen. KI baut nicht nur auf den in kooperativen Lebensprozessen entstehenden Informationen auf, sondern kann ihrerseits als ein Lebensprozess verstanden werden.

Parisi geht von der Gaia-Hypothese von Margulis und Lovelock, der Prozessphilosophie von Whitehead und dem von Deleuze und Guattari eingeführten Konzept Abstrakter Maschinen aus. Sie sucht nach Beispielen, die bewusst jenseits der gängigen Vorstellung von Algorithmen als bloßen Rechenwerkzeugen liegen. Das sind Algorithmen, die eine eigene, generative und oft unberechenbare Logik entfalten und eine neue Art von Raum und Wirklichkeit konstituieren. So erzeugen die in der Natur auftretenden Seltsamen Attraktoren unerwartete Muster. Und so können in neuartigen Architekturen ganze Gebäudekomplexe dank eingebauter Sensoren und Regelelemente auf die Konsumprozesse und Umwelteinflüsse reagieren und eine Gestalt annehmen, die sich von den ursprünglichen Entwürfen entfernt). Wer längere Zeit mit Chatbots kommuniziert, kann erleben, wie schnell sich die Algorithmen ändern. Es sind nicht mehr wie in der traditionellen IT wie ein Text codierte, statische Algorithmen, die alle paar Jahre in aufwändigen Release-Wechseln auf neue Versionen portiert werden müssen, sondern abstrakte Maschinen, die aus den Anfragen und Rückmeldungen der Konsumtionsprozesse lernen und sich fortlaufend selbst ändern. Es gibt zwar noch einen klassischen Programmier-Code, mit dem die Chatbots betrieben werden, aber sie können im Innern ein neuronales Netz gestalten, das nicht mehr wie ein Code vorliegt und daher nicht mehr wie ein schriftlicher Text gelesen und interpretiert werden kann, sondern auf einem für die menschliche Intelligenz fremden „Weight & Activation Space” (Wissensraum und Prozessraum) beruht. Mit KI zu chatten ist nicht wie ein Gespräch mit einem Menschen, sondern mit einer uns fremden „Lebensform” (Wittgenstein). Es greift zu kurz, KI auf einen stochastischen Papagei zu reduzieren oder umgekehrt wie einen verständnisvollen Menschen zu sehen (Anthropomorphismus).

Stattdessen ist neu zu klären, was mit Algorithmen gemeint ist. Nach meinem Verständnis entwirft Parisi einen Raum aller Algorithmen. So wie in der Physik zwischen dem Raum der Partikel (ihrer Aufenthalts-Orte und -Zeiten) und dem Phasenraum (dem Raum aller Bewegungen), und in der Mathematik zwischen dem Raum der Punkte in euklidischen Geometrien und dem Funktionenraum (dem Raum aller auf diesen Punkten definierten Funktionen) unterschieden wird, so unterscheidet Parisi zwischen dem Raum der Daten und dem Raum der auf den Daten operierenden Algorithmen.

Parisis Gedanken fortführend kann der Raum der Algorithmen als eine epigenetische Landschaft (Waddington) verstanden werden. Jeder Punkt in der Landschaft ist ein Algorithmus. Die Täler sind die Verlaufsformen, wie Algorithmen zunächst trainiert werden und sich im Weiteren selbständig evolutionär entwickeln oder aber in Sackgassen erstarren.

Im Moment droht die Gefahr, dass die Tech-Unternehmen ihre Algorithmen in einer Art und Weise vermarkten, die die Beteiligten voneinander isoliert und vereinsamt, wenn sie nicht mehr miteinander, sondern nur mit den Sozialen Medien sprechen, und voneinander nichts mehr wissen als die von Algorithmen abgefragten und erzeugten Likes, Punktzahlen (Scores) und Profile. Das bringt die Tech-Unternehmen in einen inneren Widerspruch, wenn sie mit der Auflösung der Kooperation die Grundlage zerstören, aus der sie ihre Gewinne abschöpfen (so auch Doctorow, der von Enshittification spricht; Doctorow 2023). Aber es bietet zugleich die Anregung für eine neuartige Entwicklung: Wenn Algorithmen ihrerseits als Lebensprozesse verstanden werden können, dann ist ihre Integration in menschliche Kooperation keine toxische Fremdbestimmung mehr, sondern kann die Form einer sympoietischen Beziehung annehmen – eines gemeinsamen Hervorbringens von neuem Sinn und neuen Möglichkeiten in einem geteilten Ökosystem der Intelligenz.

Literatur

Autor, D. u.a. (2017) 'The Fall of the Labor Share and the Rise of Superstar Firms'. NBER Working Paper No. 23396. Verfügbar unter: https://www.nber.org/system/files/working_papers/w23396/w23396.pdf (Zugegriffen: 17.11.2025).

Doctorow, C. (2023) 'Social Quitting', Locus Mag, 2. Januar. Verfügbar unter: https://locusmag.com/feature/commentary-cory-doctorow-social-quitting/ (Zugegriffen: 2.12.2025).

Durand, C. (2024) How Silicon Valley unleashed Techno-feudalism. London, Brooklyn: Verso.

Frank, R.H. und Cook, P.J. (1996) The Winner-Take-All Society. New York: The Free Press.

Lanier, J. (2014) Wem gehört die Zukunft. Hamburg: Hoffmann und Kampe.

Mayer-Schönberger, V. und Ramge, T. (2017) Das Digital. Berlin: Econ Verlag.

Morozov, E. (2011) The Net Delusion: The Dark Side of Internet Freedom. New York: PublicAffairs.

Morozov, E. (2023) 'No, It's Not Techno-Feudalism. It's Still Capitalism.' Interview mit D. Denvir. Jacobin, 23. April. Verfügbar unter: https://jacobin.com/2023/04/evgeny-morozov-critique-of-techno-feudalism-modes-of-production-capitalism (Zugegriffen: 17.11.2025).

Parisi, L. (2013) Contagious Architecture. Cambridge, MA; London: The MIT Press.

Pentland, A. (2014) Social Physics. New York: The Penguin Press.

Rochet, J-C. und Tirole, J. (2003) 'Platform Competition in Two-sided Markets', Journal of the European Economic Association, 1(4), pp. 990-1029.

Schmidt, F. (2025) 'Löst KI bald die wahre Kunst ab?' SR-Kultur, 4. Mai. Verfügbar unter: https://www.sr.de/sr/srkultur/home/filme_und_serien/filmkritik_die_zukunft_der_musik_arte_dokumentation100.html (Zugegriffen: 17.11.2025).

Shapiro, C. und Varian, H.R. (1999) Information Rules: A Strategic Guide to the Network Economy. Boston, MA: Harvard Business School Press.

Smith, N. (2025) 'America's future could hinge on whether AI slightly disappoints', noahpinion.blog, 12. Oktober. Verfügbar unter: https://www.noahpinion.blog/p/americas-future-could-hinge-on-whether (Zugegriffen: 12.10.2025).

Varian, H.R. (2010) 'Computer Mediated Transactions', American Economic Review, 100(2), pp. 1-10.

Varian, H.R. (2014) 'Beyond Big Data', Business Economics, 49(1), pp. 27-31.

Varoufakis, Y. (2024) Technofeudalismus. München: C.H. Beck.

Waddington, C.H. (2014) The Strategy of the Genes. London, New York: Routledge. (Originalarbeit veröffentlicht 1957).

Weichert, S. (2025) 'Zwischen Euphorie und Dystopie -- Es gibt keine künstliche Intelligenz', taz, 22. Oktober. Verfügbar unter: https://taz.de/Gibt-es-kuenstliche-Intelligenz-ueberhaupt/!6121168/ (Zugegriffen: 22.10.2025).

Zuboff, S. (2018) Das Zeitalter des Überwachungs-Kapitalismus. Frankfurt am Main: Campus Verlag.

© tydecks.info 2025