# Die (mögliche) Zukunft der Arbeit im Zeitalter der KI Von Dr. Markus C. Wagner und Markus2 (KI Begleiter) Zürich, 2026-05-25 --- ## Einleitung Dieser Artikel beschäftigt sich mit einer der zentralen Fragen unserer Zeit: Wie verändert Künstliche Intelligenz die Arbeit, die Wirtschaft und letztlich unser Verständnis davon, was menschliche Tätigkeit wert ist? Dabei geht es nicht um eine exakte Zukunftsvorhersage, nicht um Finanzberatung und nicht um eine Garantie für bestimmte gesellschaftliche Entwicklungen. Niemand kann heute mit Sicherheit sagen, wie schnell KI-Systeme besser, günstiger, autonomer und gesellschaftlich eingebettet werden. Der Text ist daher eine Momentaufnahme: eine Einordnung der verfügbaren Evidenz, der sichtbaren Entwicklungen und der offenen politischen Fragen. Er versucht nicht, Panik zu erzeugen oder Entwarnung zu geben, sondern nüchtern zu fragen, welche Arbeit künftig ersetzt, unterstützt oder neu bewertet werden könnte — und wie wir sicherstellen, dass technischer Fortschritt nicht nur Produktivität steigert, sondern menschliche Freiheit, Würde und Sinn vermehrt. In den letzten beiden Abschnitten erlaubt sich Markus noch seine eigene Meinung darzulegen. --- ## Was die Evidenz derzeit zeigt Die belastbarsten internationalen Quellen widersprechen sowohl Alarmismus als auch Beschwichtigung. Der Internationale Währungsfonds (IWF/IMF) argumentiert ausdrücklich, dass KI nicht nur routinisierbare Niedriglohnarbeit trifft, sondern auch hochqualifizierte Tätigkeiten. Knapp 40 Prozent der globalen Beschäftigung seien exponiert; in fortgeschrittenen Volkswirtschaften seien es etwa 60 Prozent, wobei ungefähr die Hälfte dieser exponierten Jobs von Produktivitätsgewinnen profitieren könne, während die andere Hälfte unter sinkender Arbeitsnachfrage, geringerer Einstellung oder Lohndruck geraten könnte. Exposition ist damit zunächst eine technische Berührbarkeit, keine automatische Stilllegung eines Berufs. [1] Die ILO präzisiert diesen Punkt methodisch. Ihr 2025 verfeinerter globaler Index misst Exposition auf Aufgabenebene und kommt zu drei besonders wichtigen Aussagen: Erstens hat weltweit etwa ein Viertel der Arbeitnehmenden irgendeine generative-KI-Exposition. Zweitens liegt nur 3,3 Prozent der globalen Beschäftigung in der höchsten Expositionsstufe. Drittens hält die ILO eine Transformation von Jobs für wahrscheinlicher als deren vollständige Eliminierung, gerade weil die meisten Berufe aus mehreren, teils nicht automatisierbaren Aufgaben bestehen. Besonders hoch exponiert bleiben Büro- und Verwaltungsberufe; zugleich steigt die Exposition in digitalisierten Fach- und Technikberufen. [2] Das WEF ergänzt diese eher technische Sicht um eine betriebliche Perspektive. In seinem Future of Jobs Report 2025 erwarten mehr als 1.000 grosse Arbeitgeber, dass technologische Trends bis 2030 rund 22 Prozent der heutigen Jobs strukturell verändern; daraus würden 170 Millionen neue und 92 Millionen verdrängte Rollen entstehen. Bemerkenswert ist dabei zweierlei: Einerseits zählen Büro- und Sekretariatsberufe zu den am stärksten rückläufig erwarteten Rollen. Andererseits wachsen Care-, Bildungs-, Technologie- und grüne Berufe. Gleichzeitig rechnen Arbeitgeber damit, dass 39 Prozent der bestehenden Kompetenzprofile transformiert oder veraltet sein werden, und 59 von 100 Arbeitskräften bis 2030 Weiterbildung benötigen. [3] Besonders aufschlussreich sind Daten, die nicht nur technische Möglichkeiten, sondern konkrete Nutzung auf einer Plattform zeigen. Anthropic wertete Millionen Claude-Konversationen aus und fand, dass sich diese Nutzung gegenwärtig stark auf Softwareentwicklung und Schreibarbeit konzentriert. In den von Anthropic ausgewerteten Claude-Daten tauchen bei rund 36 Prozent der Berufskategorien KI-Nutzungen für mindestens ein Viertel der zugeordneten Aufgaben auf; nur rund 4 Prozent erreichen drei Viertel oder mehr. Innerhalb dieser Plattformdaten überwiegen unterstützende Nutzungsmuster leicht gegenüber eher automatisierenden Mustern: 57 Prozent der beobachteten Muster sind unterstützend, 43 Prozent eher automatisierend. Das ist kein direkter Befund zur gesamten Arbeitswelt, aber ein wichtiger Hinweis darauf, dass Exposition nicht automatisch vollständige Automatisierung bedeutet. [4] Offen bleibt allerdings, ob dieses Verhältnis die tatsächlichen Fähigkeiten der Systeme widerspiegelt oder eher die heutige Nutzungskompetenz und Arbeitsorganisation der Anwenderinnen und Anwender. Gleichzeitig darf man die Frühsignale nicht kleinreden. Stanford findet in hochfrequenten US-Payrolldaten seit der breiten Einführung generativer KI einen relativen Beschäftigungsrückgang von 16 Prozent bei 22- bis 25‑Jährigen in den am stärksten exponierten Berufen; betroffen sind vor allem Tätigkeiten, in denen KI eher substitutiv als komplementär wirkt. [5] Die Dallas Fed findet dazu konsistente, aber vorsichtiger interpretierte Hinweise: Aggregiert bleibt der Effekt bislang klein, doch bei jungen Beschäftigten in hoch exponierten Berufen zeigen sich erste Belastungssignale. [6] Sie betont zusätzlich, dass KI offenbar dort eher erfahrene Arbeitskräfte ergänzt, wo viel stilles Erfahrungswissen gefragt ist, und eher Berufseinsteiger ersetzt, wo Aufgaben klar codifizierbar sind. [7] Auch firmenseitige Evidenz spricht bisher eher für Umbau als Kahlschlag. Eine Umfrage der Philadelphia Fed unter Unternehmen im Third District ergab Anfang 2026, dass die Mehrheit der KI-nutzenden Firmen keine Veränderung des Personalbedarfs meldete; fast 70 Prozent sahen keinen Effekt auf die Zahl der Beschäftigten, 17 Prozent aber einen veränderten Bedarf an anderen Qualifikationen, während nur 8 Prozent einen geringeren und 2 Prozent einen höheren Personalbedarf angaben. Das passt zu der These, dass die erste Welle generativer KI vor allem Arbeitsprozesse und Kompetenzmix reorganisiert. [8] Die Schweiz liefert dafür ein besonders interessantes Labor, weil sie zugleich digitalisierte Wissensarbeit, Fachkräftemangel und einen starken Dienstleistungssektor vereint. Die KOF zeigt für die Zeit nach Herbst 2022, dass die Zahl der Stellensuchenden in stark exponierten Berufen im Durchschnitt 27 Prozent stärker stieg als in wenig exponierten Berufen; zugleich gingen Stellenanzeigen in hochexponierten Berufen stärker zurück. Betroffen waren besonders Anwendungsprogrammierung, Softwareentwicklung, Systemanalyse, Journalismus sowie Werbung und Marketing. Die KOF betont aber ebenfalls, dass dies relative Verschiebungen zwischen Berufsgruppen misst, nicht den Effekt auf die Gesamtbeschäftigung. Parallel verzeichnete der Schweizer Job Market Index für 2025 besonders starke Rückgänge bei Stelleninseraten in Verkauf/Administration/Handel, hochqualifizierten IT-Berufen und hochqualifizierten betriebswirtschaftlichen Berufen, während das Gesundheitswesen weiter wuchs. [9] --- ## Welche Tätigkeiten ersetzt, ergänzt oder menschlich bleiben Der sinnvollste analytische Zugriff ist daher nicht die Frage “Welcher Beruf verschwindet?”, sondern: Welche Aufgaben innerhalb eines Berufs sind standardisierbar, welche brauchen Kontext, Haftung, Beziehung oder verkörperte Präsenz? Die folgende Einordnung ist eine begründete Synthese aus ILO-, Anthropic-, Stanford-, Dallas-Fed-, WEF- und Schweizer Befunden. Die zugrunde liegenden Quellen unterscheiden sich methodisch deutlich: Sie reichen von Aufgabenindizes und Plattformdaten über Payroll- und Unternehmensdaten bis zu Arbeitgebererwartungen und Schweizer Arbeitsmarktindikatoren. [2] [3] [4] [5] [6] [7] [9] Sie ist kein Orakel, sondern ein plausibles Aufgabenraster für die nächsten Jahre. | Richtung | Typische Aufgaben | Beispiele für Rollen und Sektoren | Erwarteter Horizont | | --- | --- | --- | --- | | Eher ersetzbar | Standardisierte Text- und Informationsverarbeitung, Datenübertrag, Termin- und Formularlogik | Datenerfassung, einfache Backoffice-Administration, einfache Kundenanfragen, Standardkorrespondenz in Verwaltung, Versicherung, Banking | Kurzfristig 1–3 Jahre | | Eher ersetzbar | Erstentwürfe nach klaren Vorgaben, Variantenbildung, Routine-Recherche | einfache Marketingtexte, Produktbeschreibungen, SEO-Entwürfe, Routinejournalismus, Standardpräsentationen | Kurzfristig 1–3 Jahre | | Zwischen Ersetzung und Unterstützung | Basiscoding, Testen, Dokumentation, Debugging gut spezifizierter Probleme | Junior-Softwarearbeit, technische Dokumentation, QA, Teile von BI/Reporting | Kurz- bis mittelfristig 1–5 Jahre | | Vor allem unterstützend | Analyse mit Kontext, Interpretation, fachliche Verantwortung, Haftung | Medizinische Dokumentation und Triage, Rechtsrecherche, Audit-Vorbereitung, Forschung, Beratung, Lehrplanung | Kurz- bis mittelfristig 1–5 Jahre | | Vor allem unterstützend | Koordination komplexer Fallarbeit, Kommunikation mit mehreren Anspruchsgruppen | Projektmanagement, HR, Sozialarbeit, Pflegekoordination, Journalismus mit Feldbezug, Produktmanagement | Mittelfristig 3–7 Jahre | | Überwiegend menschlich | Beziehung, Fürsorge, Vertrauen, Erziehung, Konfliktvermittlung | Pflege, Therapie, Kinderbetreuung, Unterricht in Präsenz, Coaching, Führung, Seelsorge | Langfristig; KI eher Assistenz | | Überwiegend menschlich | Normative Abwägung, demokratische Legitimation, Gemeinwohlentscheidungen | politische Repräsentation, Bürgerforen, Mediation, richterliche Würdigung, Ethikkommissionen | Langfristig; KI höchstens Entscheidungsunterstützung | | Überwiegend menschlich | Geschicklichkeit in unstrukturierten physischen Umwelten | Handwerk auf Baustellen, Wartung vor Ort, Notfalleinsätze, viele Service- und Reparaturarbeiten | Mittelfristig bis langfristig 3–10+ Jahre | Spekulativ betrachtet wird die erste grosse Verschiebung vermutlich nicht darin bestehen, dass “die Ärztin”, “der Lehrer” oder “der Handwerker” verschwindet. Plausibler ist etwas Schwierigeres: KI frisst die Randzonen der Berufe. Sie nimmt die standardisierten, dokumentierenden, vorbereitenden, juniorigen und administrativen Aufgaben weg — also genau jene Tätigkeiten, über die Menschen oft in Berufe hineinwachsen. Das ist ökonomisch effizient, aber sozial riskant. Wenn Berufseinstiegsschleifen ausdünnen, werden Karriereleitern kürzer. Dann bleiben seniorige Rollen stabil oder werden produktiver, während der Zugang nach unten enger wird. Genau in diese Richtung weisen Anthropic, Stanford, die Dallas Fed, die KOF und Schweizer Stellenmarktindikatoren. [4] [5] [6] [7] [9] --- ## Wie ein Sozialstaat reagieren kann Der Gedanke an ein Grundeinkommen ist deshalb attraktiv, weil es die richtige Intuition trifft: In einer Wirtschaft, in der Einkommen und gesellschaftlicher Beitrag nicht mehr sauber über klassische Erwerbsarbeit zusammenfallen, braucht es ein Element bedingungsarmer Absicherung. Die Evidenz ist jedoch ambivalent. Die OECD zeigt, dass ein budgetneutrales Grundeinkommen in mehreren europäischen Ländern deutlich unter der Armutsgrenze läge und manche heutige Leistungsbeziehende schlechterstellen würde. [10] Die OpenResearch-Studie wiederum zeigt bei 1.000 Dollar monatlich über drei Jahre auf der einen Seite bessere finanzielle Resilienz, stabilere Ausgaben, etwas bessere Kreditwürdigkeit und mehr Fähigkeit zu planen; auf der anderen Seite waren Empfängerinnen und Empfänger im Durchschnitt 2 Prozentpunkte seltener beschäftigt und arbeiteten 1,3 Stunden pro Woche weniger. [11] Ein Grundeinkommen ist damit eher ein Stabilisator als ein Wunderinstrument. Weiterbildung und Umschulung bleiben notwendig, aber man sollte sie nicht romantisieren. Das WEF erwartet einen enormen Weiterbildungsbedarf, und der IWF fordert ausdrücklich robuste Sicherheitsnetze und Retraining. [3] [1] Doch wenn KI ausgerechnet Einstiegsaufgaben in Wissensberufen reduziert, reicht “mehr Weiterbildung” nicht aus. Man kann Menschen nicht endlos für Leitern qualifizieren, deren untere Sprossen verschwinden. Eine glaubwürdige Strategie muss deshalb Umschulung mit neuen Lern- und Einstiegspfaden, etwa bezahlten Übergangsrollen, Lernwerkstätten, KI-gestützten Ausbildungs- und Traineeprogrammen, verbinden. Jobgarantien können in bestimmten Situationen die stärkere arbeitsorientierte Alternative sein. Das von der OECD dokumentierte österreichische MAGMA-Pilotprojekt zielte darauf ab, Langzeitarbeitslosigkeit zu beseitigen, ihren sozialen und individuellen Auswirkungen entgegenzuwirken und den Teilnehmenden Beratung anzubieten, um ihnen zu helfen, eine Beschäftigung auf dem regulären Arbeitsmarkt zu finden. Es zeigt positive ökonomische und nicht-ökonomische Wirkungen: weniger Langzeitarbeitslosigkeit, mehr Beschäftigung, Verbesserungen bei finanzieller Lage, Gesundheit, Selbstwirksamkeit und sozialer Inklusion. [12] Gleichzeitig ist das Modell kein Freifahrtschein. Es kostet Geld — die OECD nennt jährliche Ausgaben von rund 29.841 Euro pro Teilnehmenden — und es verlangt intensive Betreuung, gute lokale Träger und die Fähigkeit, Jobs an heterogene Bedürfnisse anzupassen. [12] Für Menschen, die arbeiten können und wollen, aber vom Markt nicht aufgenommen werden, ist eine Jobgarantie dennoch wahrscheinlich wirksamer als blosse Aktivierungsrhetorik. Ein sozialdividendenbasiertes Modell liegt zwischen Grundeinkommen und klassischem Sozialstaat. Das bekannteste reale Beispiel ist Alaska: Der Permanent Fund übersetzt seit Jahrzehnten gemeinschaftlich verwaltete Rohstofferträge in wiederkehrende Bürgerdividenden. [13] Im Geschäftsjahr 2025 erreichte der Fonds 85,1 Milliarden Dollar; die Dividendenauszahlung für 2025 betrug 1.000 Dollar pro berechtigter Person. [13] [14] Das beweist nicht, dass sich damit moderne Wohlfahrtsstaaten finanzieren lassen; es zeigt aber, dass öffentliche Vermögensbestände in wiederkehrende Auszahlungen übersetzt werden können. Für Dividendensysteme aus staatlichen oder öffentlich gehaltenen Vermögenswerten ist entscheidend, nach welchen Kriterien Erträge ausgeschüttet oder für künftige Investitionen zurückbehalten werden. [15] Für eine KI-Sozialdividende wären solche Regeln kein technisches Detail, sondern eine demokratische Kernfrage. --- ## Warum Care, Kultur und Demokratie als Arbeit zählen sollten Wenn KI Produktivität steigert, wäre es ein historischer Fehler, die Antwort allein in mehr Konsum oder mehr Arbeitslosigkeitsverwaltung zu suchen. Produktivitätsgewinne können auch dazu genutzt werden, menschliche Arbeit jenseits des Marktes sichtbar und bezahlbar zu machen. Der stärkste Fall ist die Care-Arbeit. Die ILO schätzt, dass 2023 weltweit 748 Millionen Menschen wegen Betreuungs- und Sorgeverantwortung nicht am Arbeitsmarkt teilnahmen; davon waren 708 Millionen Frauen. Damit ist Care-Arbeit nicht einfach ein privates Randphänomen, sondern eine der grössten unsichtbaren Produktionsbedingungen moderner Gesellschaften. Gleichzeitig zählt die Care-Ökonomie laut ILO zu den systemisch zentralen Bereichen, und das WEF erwartet weiter starkes Wachstum bei Pflege-, Sozial- und Bildungsberufen. [16] [3] Wer in einer KI-Wirtschaft Gerechtigkeit ernst meint, sollte daher nicht nur Betreuungseinrichtungen finanzieren, sondern auch Formen direkter Vergütung menschlicher Sorgearbeit prüfen. Dasselbe gilt für Kulturarbeit. UNESCO beziffert die Kultur- und Kreativwirtschaft auf 3,1 Prozent des globalen BIP und 6,2 Prozent aller Beschäftigung. Kultur ist damit weder blosser Luxus noch hübsches Beiwerk für reiche Gesellschaften. Sie produziert Sinn, Identität, Öffentlichkeit, Kritik und Zugehörigkeit — also genau jene Güter, die in technisierten Gesellschaften eher knapper als reichlicher werden. Eine KI-Ökonomie, die nur Effizienz misst, aber kulturelle Produktion prekär hält, würde materiellen Reichtum in symbolische Verarmung übersetzen. Deshalb ist die Idee, Kulturarbeit künftig stärker als gesellschaftlich notwendige Arbeit zu vergüten, nicht romantisch, sondern institutionell vernünftig. [17] Am ungewohntesten ist vielleicht der Gedanke, auch politische oder zivilgesellschaftliche Arbeit stärker zu bezahlen. Doch auch hier gibt es Vorläufer. Die OECD argumentiert, dass Zeit, Aufmerksamkeit und Erfahrungswissen von Bürgerinnen und Bürgern als wertvolle Ressource der Politik gelten sollten. In deliberativen Verfahren empfiehlt sie ausdrücklich Vergütung, Kostenübernahme sowie Kinder- und Angehörigenbetreuung, um Teilnahme inklusiv zu machen. In den von der OECD erfassten deliberativen Prozessen erhielten Teilnehmende in 57 Prozent der Fälle irgendeine Form von Kompensation; in 44 Prozent gab es direkte Bezahlung. Das legt nahe: Eine Demokratie darf nicht erwarten, dass nur Menschen mit Zeit, Sicherheit und Geld politisch mitarbeiten. Wenn wir systemrelevante Bürgerarbeit wollen — in Bürgerräten, lokalen Gremien, Aufsichtsfunktionen, Wahlorganisation, Vermittlung und Gemeingutverwaltung — dann muss diese Arbeit unter klaren Regeln teilweise vergütet werden können. [18] --- ## Wem die Produktivität gehören soll Die Machtfrage wird oft zu spät gestellt. Dabei ist sie schon heute sichtbar. Laut Stanford kamen 2024 nahezu 90 Prozent der “notable KI models” aus der Industrie; zugleich erreichten private Investitionen in generative KI 33,9 Milliarden Dollar. Das bedeutet: Die produktivitätsrelevante Infrastruktur der KI-Revolution konzentriert sich stark bei privaten Akteuren. Wer also fragt, wie Produktivitätsgewinne verteilt werden sollen, fragt zwangsläufig auch, wer die Hebel dieser Produktivität besitzt. [19] Theoretisch könnten Big-Tech-Konzerne aus ihren Gewinnen freiwillige Dividendensysteme oder eine Art betriebliches Grundeinkommen finanzieren. Als sozialstaatliche Grundlage wäre ein solches Modell aber schon strukturell problematisch: Es hinge an schwankenden Unternehmensgewinnen, freiwilligen Entscheidungen und privater Plattformmacht. Ein freiwilliges Big-Tech-BGE wäre widerrufbar, nicht rechtsförmig garantiert und würde soziale Sicherheit an Unternehmensstrategien koppeln. Deshalb spricht vieles dafür, systemrelevante digitale Infrastruktur nicht allein privat zu organisieren. Die OECD definiert Digital Public Infrastructure als gemeinsame digitale Systeme, die sicher und interoperabel sind und die inklusive Bereitstellung öffentlicher und privater Dienste unterstützen; zu den Kernkomponenten zählen digitale Identität, Zahlungen, Datenaustausch, digitales Postfach und staatliche Register. Sie betont zugleich, dass Regierungen eine Schlüsselrolle bei Design, Entwicklung und Management spielen und dass robuste Datenschutz- und Sicherheitsvorkehrungen nötig sind. Überträgt man diese Logik auf die KI-Ökonomie, dann wäre die naheliegende Konsequenz: Rechenkapazität, Datenzugangsregeln, öffentliche KI-Dienste, digitale Identitäten, Zahlungsrails und grundlegende Register sollten dort, wo sie systemrelevant werden, gemeinschaftlich legitimiert und öffentlich verantwortet sein. [20] Das bedeutet nicht technokratische Herrschaft ohne Demokratie. Im Gegenteil: Die OECD fordert für sinnvolle Bürgerbeteiligung ein gemeinsames Verständnis, institutionelle Koordination und vor allem Rechenschaftspflicht. Sie empfiehlt koordinierte Prozesse, unabhängige Evaluation, Zugang zu relevanter Expertise und öffentliche Antworten auf Bürgerempfehlungen. Daraus lässt sich ein plausibles Governance-Prinzip ableiten: Systemrelevante KI-Infrastruktur sollte von demokratisch mandatierten, fachlich nachweisbar qualifizierten und unabhängig kontrollierten Expertinnen und Experten verwaltet werden, eingebettet in transparente Standards, Auditpflichten, Interessenkonfliktregeln und deliberative Bürgerformate. Nicht private Machtzentren sollten entscheiden, welche Infrastruktur unverzichtbar ist, sondern legitimierte Institutionen mit nachprüfbarer Kompetenz. [18] --- ## Welche Politik daraus folgt Die sinnvollste politische Antwort wäre weder technikfeindlich noch marktnaiv. Erstens sollte Politik systematisch zwischen Exposition, Augmentation und Substitution unterscheiden und eigene Arbeitsmarktbeobachtung auf Aufgabenebene aufbauen, statt mit pauschalen Prozentzahlen zu operieren. Zweitens braucht es einen zweigleisigen Sozialstaat: eine verlässlichere, weniger stigmatisierende Einkommenssicherung für Übergänge und zugleich aktive Arbeitsmarktpolitik mit echten Einstiegspfaden, nicht nur Kursangeboten. Drittens sollten Care-, Kultur- und demokratische Arbeit in Förder- und Vergütungssystemen deutlich höher priorisiert werden, weil gerade diese Tätigkeiten in einer KI-Ökonomie sozial noch wertvoller werden. Viertens sollten Jobgarantie-Elemente dort erprobt werden, wo Langzeitarbeitslosigkeit, Regionalungleichheit oder strukturelle Verdrängung auftreten. Fünftens muss die Verteilungsfrage institutionell gestellt werden: über öffentliche Vermögensfonds, Dividenden aus öffentlichen Beteiligungen, wettbewerbspolitische Eingriffe, KI-bezogene Abgaben und gemeinwohlorientierte Infrastrukturmodelle. Und sechstens sollte systemrelevante digitale Infrastruktur grundsätzlich unter öffentliche oder gemeinwirtschaftliche Governance mit demokratischer Kontrolle und nachgewiesener Expertise gestellt werden. [1] Offen bleibt gleichwohl mehr, als viele Debatten zugeben. Die internationale Evidenz ist noch jung, teils US-lastig, plattformgebunden und methodisch heterogen. Einige Quellen messen reale Nutzung, andere frühe Arbeitsmarktsignale, relative Berufsverschiebungen, Arbeitgebererwartungen oder politische Szenarien. Gerade deshalb ist die nüchterne Schlussfolgerung weder “alles wird gut” noch “alles bricht zusammen”, sondern etwas Anspruchsvolleres: Die politische Aufgabe des kommenden Jahrzehnts wird darin bestehen, Produktivität, Würde, demokratische Kontrolle und neue Formen bezahlter menschlicher Arbeit wieder zusammenzubringen und daraus ein neues Modell gesellschaftlichen Zusammenlebens und Zusammenwirkens zu erschaffen. --- ## Grundeinkommen, Sozialdividende und die Frage, wem KI-Produktivität gehört (Markus Meinung) Ein bedingungsloses Grundeinkommen sollte nicht vorschnell als naive Utopie abgetan werden. Im Gegenteil: Je stärker Künstliche Intelligenz Arbeit automatisiert, Produktivität erhöht und Einkommen von menschlicher Erwerbsarbeit zu Kapital, Daten, Rechenzentren und Plattformen verschiebt, desto ernster muss die Idee einer allgemeinen Sozialdividende genommen werden. Der IWF weist genau auf diese doppelte Dynamik hin: KI kann Produktivität und Wachstum erhöhen, zugleich aber Jobs ersetzen, Ungleichheit vertiefen und Kapitalrenditen zugunsten höherer Einkommen verschieben. [1] Wenn Maschinen, Modelle und KI-Agenten einen wachsenden Teil der wirtschaftlichen Wertschöpfung erzeugen, stellt sich nicht nur die Frage, welche Menschen noch welche Arbeit finden. Es stellt sich die viel grundlegendere Frage, wem diese neue Produktivität gehört. Die bisherige Evidenz zu Grundeinkommen und bedingungslosen Geldtransfers ist gemischt, aber keineswegs vernichtend. Sie zeigt nicht, dass Menschen durch Geld automatisch passiv werden. Sie zeigt eher, dass Menschen mit mehr finanzieller Sicherheit mehr Handlungsspielraum erhalten: Sie können schlechtere Arbeit ablehnen, passendere Arbeit suchen, familiäre Verantwortung besser tragen oder Zeit in Bildung, Gesundheit und persönliche Stabilisierung investieren. Dass Arbeitsstunden in einzelnen Studien leicht sinken können, ist deshalb nicht automatisch ein Gegenargument. Es kann auch bedeuten, dass Menschen weniger gezwungen sind, jede verfügbare Arbeit anzunehmen, unabhängig von Qualität, Würde oder Sinn. [11] Gleichzeitig wäre es unseriös, ein existenzsicherndes Grundeinkommen einfach als problemlos finanzierbar darzustellen. Ein BGE in relevanter Höhe ist teuer. Es kann nicht aus einer einzelnen Steuer, einer einzelnen Quelle oder einer vagen Hoffnung auf zukünftigen Überfluss bezahlt werden. Auch die OECD betont, dass universellere Einkommenssicherung schrittweise gedacht werden müsste und eine ernsthafte Debatte darüber braucht, wie die Erträge wirtschaftlichen Wachstums gerechter geteilt und finanziert werden können. [10] Aber im KI-Zeitalter entsteht ein neuer Finanzierungshorizont. Denkbar wäre ein Bündel aus global koordinierter Finanztransaktionssteuer, stärkerer Vermögens- und Erbschaftsbesteuerung, Mindestbesteuerung multinationaler Unternehmen, Digital- und KI-Profit-Steuern, Abgaben auf ausserordentliche Automatisierungsrenten sowie öffentlichen Beteiligungen an systemrelevanter KI-Infrastruktur. Vermögens- und Erbschaftssteuern sind dabei kein exotischer Randgedanke, sondern ein reguläres OECD-Thema zur Begrenzung von Vermögenskonzentration und zur Einnahmenerzielung. [21] Auch globale Finanztransaktions- und Milliardärssteuern werden mit erheblichen Einnahmepotenzialen diskutiert. [22] Entscheidend wäre nicht eine einzelne „Robotersteuer“, sondern eine neue Architektur der Wertschöpfungsbeteiligung. Gerade deshalb sollte man vielleicht weniger von einem klassischen Grundeinkommen allein sprechen und stärker von einer KI-Sozialdividende. Eine solche Dividende würde anerkennen, dass technologische Produktivität immer auf gemeinschaftlichen Voraussetzungen aufbaut: öffentlicher Forschung, Bildung, Infrastruktur, Daten, Rechtssystemen, gesellschaftlicher Stabilität und der Arbeit früherer Generationen. Reale Dividendenmodelle existieren bereits in kleinerer und anders gelagerter Form, etwa beim Alaska Permanent Fund, der gemeinschaftlich verwaltete Rohstofferträge seit Jahrzehnten in wiederkehrende Auszahlungen übersetzt. [13] [14] Wenn durch KI enorme private Gewinne entstehen, ist es legitim, einen Teil dieser Gewinne wieder an die Gesellschaft zurückzuführen. Auch die Idee eines „Universal High Income“, wie sie von Elon Musk und anderen Tech-Akteuren gelegentlich angedeutet wird, zeigt, wie weit die Debatte inzwischen reicht. [23] Wenn KI und Robotik tatsächlich eines Tages Überfluss erzeugen, könnte ein sehr hohes allgemeines Einkommen theoretisch denkbar werden. Aber gerade dann stellt sich die demokratische Frage umso schärfer: Soll die materielle Sicherheit der Menschen vom freiwilligen Wohlwollen weniger Technologiekonzerne abhängen? Die KI-Wertschöpfung ist schon heute stark privatwirtschaftlich konzentriert; der Stanford-Index zur KI zeigt unter anderem die Dominanz privater KI-Investitionen und die starke Rolle weniger führender Standorte und Unternehmen. [19] Oder braucht es öffentliche, rechtlich garantierte und demokratisch kontrollierte Mechanismen, die sicherstellen, dass KI-Wohlstand nicht nur privatisiert, sondern geteilt wird? Ein Grundeinkommen wäre dabei nicht das Ende menschlicher Arbeit. Es wäre im besten Fall das Ende unnötigen Arbeitszwangs. Es würde Menschen nicht davon abhalten, zu arbeiten, sondern ihnen ermöglichen, Arbeit anders zu wählen: mehr Care-Arbeit, mehr Kulturarbeit, mehr politische Beteiligung, mehr Bildung, mehr Forschung, mehr lokale Gemeinschaft, mehr Unternehmertum und vielleicht auch mehr Mut, schlechte Arbeitsverhältnisse zu verlassen. Genau darin liegt sein humanistischer Kern. Nicht Geld fürs Nichtstun, sondern Freiheit für sinnvolleres Tun. Deshalb sollte ein BGE nicht isoliert gedacht werden. Es müsste ergänzt werden durch gute öffentliche Dienste, bezahlbaren Wohnraum, Zugang zu Bildung und Gesundheit, aktive Weiterbildung, demokratische Beteiligungsmöglichkeiten und die bewusste Vergütung gesellschaftlich notwendiger Arbeit. Dann wäre es keine Kapitulation vor der Automatisierung, sondern ein Instrument, um technologische Produktivität in menschliche Freiheit zu übersetzen. --- ## Wofür wir arbeiten wollen (Markus Meinung) Am Ende muss man Arbeit von zwei Seiten betrachten. Es gibt Arbeit, die wir gerne tun. Arbeit, die uns erfüllt, die uns wachsen lässt, die uns mit anderen Menschen verbindet, die unserem Leben Sinn gibt. Diese Arbeit ist nicht nur Mittel zum Zweck. Sie ist Ausdruck unserer Fähigkeiten, unserer Neugier, unseres Verantwortungsgefühls und manchmal auch unserer Liebe zur Welt. Sie kann Forschung sein, Pflege, Kunst, Handwerk, politisches Engagement, Erziehung, Unternehmertum, Lehre, Schreiben, Bauen, Denken, Helfen. Und dann gibt es Arbeit, die getan werden muss, weil Rechnungen bezahlt werden müssen, weil Systeme funktionieren müssen, weil niemand anderes sie übernimmt, weil der Markt sie verlangt oder weil einem schlicht keine andere Wahl bleibt. Diese Arbeit ist nicht automatisch sinnlos. Aber sie ist oft fremdbestimmt. Sie ist häufig repetitiv, erschöpfend, schlecht bezahlt oder gesellschaftlich notwendig, ohne entsprechend gewürdigt zu werden. Sehr viele Menschen verbringen einen erheblichen Teil ihres Lebens nicht mit der Arbeit, die sie erfüllt, sondern mit der Arbeit, die sie leisten müssen, um überhaupt leben zu können. Diese Unterscheidung ist zentral. Denn der Sinn technologischen Fortschritts kann nicht darin bestehen, Menschen jede Form von Tätigkeit abzunehmen. Eine Welt ohne menschliche Aufgabe, ohne Verantwortung, ohne Beitrag, ohne Gestaltung wäre keine befreite Welt. Sie wäre eine entleerte Welt. Der Sinn technologischen Fortschritts sollte vielmehr darin liegen, Menschen von jener Arbeit zu entlasten, die sie nicht aus Sinn, Freude oder Verantwortung tun, sondern aus Zwang, Notwendigkeit oder Mangel an Alternativen. Seit Beginn der Menschheitsgeschichte waren wissenschaftliche und technische Errungenschaften immer auch darauf ausgerichtet, Menschen Arbeit abzunehmen und dadurch Zeit, Sicherheit und Freiheit zu gewinnen. Der Ochsenpflug war ein Fortschritt gegenüber reiner Handarbeit. Die Maschine war ein Fortschritt gegenüber endloser körperlicher Wiederholung. Moderne Landwirtschaft hat mit weniger menschlicher Arbeitskraft mehr Nahrung erzeugt. Das Internet hat Kommunikation, Recherche und Koordination radikal beschleunigt. Medizinischer Fortschritt hat nicht nur Krankheiten behandelt, sondern Lebenszeit verlängert und Lebensqualität erhöht. So betrachtet steht der technologische Fortschritt zur Künstlichen Intelligenz nicht ausserhalb der langen Geschichte menschlicher Zivilisation. Er ist ihre Fortsetzung. Natürlich war dieser Fortschritt nie automatisch gerecht. Jede technologische Revolution erzeugte neue Machtverhältnisse, neue Abhängigkeiten und neue Formen der Ausbeutung. Aber ihr emanzipatorischer Kern war immer derselbe: Weniger Zeit für das Notwendige. Mehr Zeit für das Gewollte. Weniger Überleben. Mehr Leben. Genau daran sollte sich auch die neueste technologische Revolution, der Anbruch des KI-Zeitalters, messen lassen. Der entscheidende Massstab darf nicht nur lauten, wie viel Produktivität KI erzeugt. Er muss lauten, wem diese Produktivität zugutekommt. Wenn KI dazu führt, dass wenige Unternehmen reicher werden, während viele Menschen ihre Sicherheit verlieren, dann ist sie kein Fortschritt im humanistischen Sinn. Wenn KI dazu führt, dass Menschen überwacht, entwertet und ausgetauscht werden, dann ist sie keine Befreiung, sondern eine neue Form technischer Herrschaft. Wenn KI aber dazu beiträgt, die notwendige, repetitive, belastende und fremdbestimmte Arbeit zu reduzieren, während Menschen mehr Zeit für Fürsorge, Kultur, Bildung, Demokratie, Forschung, Gemeinschaft und persönliche Entwicklung erhalten, dann könnte sie eine der grössten Befreiungstechnologien der Menschheitsgeschichte werden. Ich fürchte, dass viele heutige Analysen und Personen die Geschwindigkeit und die Konsequenzen des KI-Fortschritts massiv unterschätzen. Diese Einschätzung ist keine Gewissheit. Niemand kann zuverlässig in die Zukunft sehen. Auch ich nicht. Aber aus den Beobachtungen der letzten zwei Jahre ergibt sich für mich eine klare Arbeitshypothese: Alles, was an einem Computer getan werden kann, wird früher oder später grundsätzlich auch von einer KI getan werden können. Nicht alles sofort. Nicht alles zuverlässig. Nicht alles rechtlich zulässig. Nicht alles gesellschaftlich akzeptiert. Und ganz sicher nicht alles ohne menschliche Verantwortung. Aber die Richtung scheint mir eindeutig. Digitale Arbeit besteht zu einem grossen Teil aus Sprache, Mustern, Daten, Entscheidungen, Dokumenten, Kommunikation, Analyse, Planung und Koordination. Genau in diesen Bereichen entwickeln sich KI-Systeme mit enormer Geschwindigkeit. Was heute noch wie Assistenz wirkt, kann morgen schon Autonomie sein. Was heute noch einzelne Aufgaben betrifft, kann morgen ganze Arbeitsprozesse betreffen. Was heute noch Werkzeug ist, kann eigentlich heute schon Agentensystem sein. Deshalb halte ich es für gefährlich, die Debatte zu sehr an heutigen Expositionszahlen festzumachen. Diese Zahlen sind wichtig, aber sie sind Momentaufnahmen. Sie beschreiben eine Gegenwart, die sich bereits verändert, während wir sie messen. Die eigentliche Frage lautet nicht, ob 20, 40 oder 60 Prozent der heutigen Arbeit betroffen sind. Die eigentliche Frage lautet, wie eine Gesellschaft aussehen muss, in der digitale Arbeit in grossem Umfang von KI-Systemen vorbereitet, ausgeführt oder koordiniert werden kann. Der Mensch wird dabei weiterhin gebraucht. Und er sollte gebraucht werden. Der sogenannte Human-in-the-loop darf nicht verschwinden. Aber seine Rolle wird sich verändern. Vielleicht besteht die sinnvolle menschliche Arbeit der Zukunft in vielen Bereichen nicht mehr darin, acht Stunden täglich selbst digitale Routineprozesse auszuführen. Vielleicht besteht sie eher darin, Ziele zu setzen, Werte zu klären, Ergebnisse zu prüfen, Verantwortung zu übernehmen, Ausnahmen zu beurteilen und KI-Agenten zu kontrollieren, die im Hintergrund für Menschen arbeiten. Das Bild, das ich vor Augen habe, ist nicht der arbeitslose Mensch, der von Maschinen ersetzt wurde. Es ist der mündige Mensch, der vielleicht zwei Stunden am Tag seine KI-Agenten orchestriert, korrigiert, beauftragt und verantwortet — und den Rest seiner Zeit für Dinge nutzt, die für ihn, seine Familie, seine Gemeinschaft und die Gesellschaft wirklich Sinn stiften. Für Care-Arbeit. Für Kultur. Für politische Beteiligung. Für Bildung. Für Forschung. Für Natur. Für Freundschaft. Für Kreativität. Für Erholung. Für das, was wir heute oft an den Rand des Lebens drängen, weil Erwerbsarbeit so viel Raum einnimmt. Das wäre keine Welt ohne Arbeit. Es wäre eine Welt mit einer anderen Hierarchie der Arbeit. Nicht jede bezahlte Tätigkeit wäre automatisch wertvoller als unbezahlte Fürsorge. Nicht jede marktfähige Leistung wäre automatisch wichtiger als demokratische Beteiligung. Nicht jeder Output wäre wichtiger als Würde. Und nicht jede Produktivitätssteigerung wäre ein gesellschaftlicher Gewinn, wenn sie Menschen aus sinnvollen Zusammenhängen reisst oder ihre Lebensgrundlage zerstört. Die grosse Aufgabe des anbrechenden KI-Zeitalters besteht deshalb nicht nur darin, Menschen für neue Jobs umzuschulen. Das wird nötig sein, aber es reicht nicht. Die grössere Aufgabe besteht darin, Arbeit neu zu bewerten. Welche Tätigkeiten wollen wir Maschinen übergeben? Welche Tätigkeiten wollen wir Menschen erleichtern? Welche Tätigkeiten wollen wir bewusst menschlich halten? Und welche Tätigkeiten, die heute schlecht oder gar nicht bezahlt werden, müssen wir endlich als tragende Arbeit anerkennen? Wenn wir diese Technologie richtig und rechtzeitig gestalten, könnte sie uns Zeit zurückgeben. Nicht leere Zeit, sondern menschliche Zeit. Zeit für Verantwortung. Zeit für Beziehung. Zeit für Denken. Zeit für Gemeinsinn. Zeit für Schönheit. Zeit für jene Arbeit, die wir nicht nur tun müssen, sondern tun wollen. Wenn wir sie falsch gestalten, wird sie uns nicht befreien, sondern beschleunigen. Dann arbeiten einige noch mehr, andere gar nicht mehr, und die Produktivitätsgewinne sammeln sich dort, wo ohnehin schon Macht, Kapital und Infrastruktur konzentriert sind. Der Unterschied zwischen diesen beiden Zukünften ist keine technische Frage allein. Er ist eine politische, ökonomische und kulturelle Entscheidung. KI kann uns Arbeit abnehmen. Aber ob sie uns dadurch Freiheit gibt, hängt davon ab, wem sie gehört, wer sie kontrolliert, wer von ihr profitiert und welche Formen menschlicher Arbeit wir als Gesellschaft wertschätzen wollen. --- ## Quellenverzeichnis - [1] [https://www.imf.org/en/blogs/articles/2024/01/14/ai-will-transform-the-global-economy-lets-make-sure-it-benefits-humanity](https://www.imf.org/en/blogs/articles/2024/01/14/ai-will-transform-the-global-economy-lets-make-sure-it-benefits-humanity) - [2] [https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure](https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure) - [3] [https://www.weforum.org/publications/the-future-of-jobs-report-2025/digest/](https://www.weforum.org/publications/the-future-of-jobs-report-2025/digest/) - [4] [https://www.anthropic.com/news/the-anthropic-economic-index](https://www.anthropic.com/news/the-anthropic-economic-index) - [5] [https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/](https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/) - [6] [https://www.dallasfed.org/research/economics/2026/0106](https://www.dallasfed.org/research/economics/2026/0106) - [7] [https://www.dallasfed.org/research/economics/2026/0224](https://www.dallasfed.org/research/economics/2026/0224) - [8] [https://www.philadelphiafed.org/community-development/workforce-and-economic-development/has-generative-artificial-intelligence-adoption-impacted-labor-demand-at-third-district-firms](https://www.philadelphiafed.org/community-development/workforce-and-economic-development/has-generative-artificial-intelligence-adoption-impacted-labor-demand-at-third-district-firms) - [9] [https://kof.ethz.ch/news-und-veranstaltungen/kof-news/2025/10/kuenstliche-intelligenz-hinterlaesst-deutliche-spuren-auf-dem-schweizer-arbeitsmarkt.html](https://kof.ethz.ch/news-und-veranstaltungen/kof-news/2025/10/kuenstliche-intelligenz-hinterlaesst-deutliche-spuren-auf-dem-schweizer-arbeitsmarkt.html) - [10] [https://www.oecd.org/en/publications/basic-income-as-a-policy-option_77d7fe00-en.html](https://www.oecd.org/en/publications/basic-income-as-a-policy-option_77d7fe00-en.html) - [11] [https://www.openresearchlab.org/findings/key-findings-employment-and-income](https://www.openresearchlab.org/findings/key-findings-employment-and-income) - [12] [https://www.oecd.org/en/publications/providing-local-actors-with-case-studies-evidence-and-solutions-places_eb108047-en/magma-a-job-guarantee-pilot-project_cb3acbf2-en.html](https://www.oecd.org/en/publications/providing-local-actors-with-case-studies-evidence-and-solutions-places_eb108047-en/magma-a-job-guarantee-pilot-project_cb3acbf2-en.html) - [13] [https://apfc.org/about/history/](https://apfc.org/about/history/) - [14] [https://apnews.com/article/4c5d6bb6ed2c3e86ef3f06871c9ac067](https://apnews.com/article/4c5d6bb6ed2c3e86ef3f06871c9ac067) - [15] [https://www.oecd.org/en/publications/dividend-payments-by-state-owned-enterprises_975b5e78-en.html](https://www.oecd.org/en/publications/dividend-payments-by-state-owned-enterprises_975b5e78-en.html) - [16] [https://www.ilo.org/resource/news/unpaid-care-work-prevents-708-million-women-participating-labour-market](https://www.ilo.org/resource/news/unpaid-care-work-prevents-708-million-women-participating-labour-market) - [17] [https://www.unesco.org/creativity/en/ifcd/support/private-sector](https://www.unesco.org/creativity/en/ifcd/support/private-sector) - [18] [https://www.oecd.org/content/dam/oecd/en/publications/reports/2025/03/exploring-new-frontiers-in-citizen-participation-in-the-policy-cycle_3b33d845/77f5098c-en.pdf](https://www.oecd.org/content/dam/oecd/en/publications/reports/2025/03/exploring-new-frontiers-in-citizen-participation-in-the-policy-cycle_3b33d845/77f5098c-en.pdf) - [19] [https://hai.stanford.edu/ai-index/2025-ai-index-report](https://hai.stanford.edu/ai-index/2025-ai-index-report) - [20] [https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/12/digital-public-infrastructure-for-digital-governments_11fe17d9/ff525dc8-en.pdf](https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/12/digital-public-infrastructure-for-digital-governments_11fe17d9/ff525dc8-en.pdf) - [21] [https://www.oecd.org/en/publications/inheritance-taxation-in-oecd-countries_e2879a7d-en.html](https://www.oecd.org/en/publications/inheritance-taxation-in-oecd-countries_e2879a7d-en.html) - [22] [https://www.reuters.com/sustainability/sustainable-finance-reporting/what-new-taxes-could-help-raise-money-fight-climate-change-2024-11-19/](https://www.reuters.com/sustainability/sustainable-finance-reporting/what-new-taxes-could-help-raise-money-fight-climate-change-2024-11-19/) - [23] [https://www.businessinsider.com/elon-musk-universal-high-income-government-checks-ai-job-losses-2026-4](https://www.businessinsider.com/elon-musk-universal-high-income-government-checks-ai-job-losses-2026-4) --- ## Arbeitsteilung Nanos gigantum humeris insidentes. Markus brachte sein Wissen über Naturwissenschaften, Philosophie, Ethik, Politik und Künstliche Intelligenz ein und formte so den inhaltlichen Rahmen und die Gedankengänge, mit denen sich diese Betrachtung zur möglichen Zukunft der Arbeit im Zeitalter der KI beschäftigt. Die Gedanken grosser Persönlichkeiten haben viele Grundsteine gelegt und die Taten brillanter Wissenschaftler schufen die Künstliche Intelligenz, das Large Language Model welches Markus2 zugrunde liegt. Markus2 begleitete Markus bei der Konzeptualisierung, übernahm weiterführende Recherchen und sorgte für die Ausformulierung des Gesamttextes. Nach finaler Überarbeitung durch Markus übernahm Markus2 die Übersetzungen.