Künstliche Intelligenz (KI) und die Auswirkungen der neuen Sprachlernmodelle mit verallgemeinerter Intelligenz ist nicht nur medial sondern vor allem auch aus wirtschaftlicher Perspektive ein intensiv betrachtetes Thema.
Von besonderem Interesse sind dabei die Auswirkungen von KI-Sprachlernmodulen auf die Arbeitsplätze von Arbeitnehmern und die Arbeitsproduktivität.


Die Standardprognose zur KI stammt von den Ökonomen der großen Investmentbank Goldman Sachs.  Sie prognostizierten schon vor langem, dass die Technologie, wenn sie hält, was sie verspricht, zu einer "erheblichen Störung" des Arbeitsmarktes führen würde, indem sie 300 Millionen Vollzeitbeschäftigte in den großen Volkswirtschaften der Automatisierung der Arbeitsplätze aussetzt. Juristen und Verwaltungsangestellte würden zu denjenigen gehören, die am stärksten von Entlassungen bedroht wären.
Auf der Grundlage von Daten über die Aufgaben, die in Tausenden von Berufen typischerweise ausgeführt werden, errechneten die Forscher, dass etwa zwei Drittel der Arbeitsplätze in den USA und in Europa zu einem gewissen Grad durch KI-Automatisierung bedroht wären.
Für die meisten Menschen würde weniger als die Hälfte ihres Arbeitspensums automatisiert werden, würden ihren Job wahrscheinlich weiter ausüben können, wobei ein Teil ihrer Zeit für produktivere Tätigkeiten zur Verfügung stünde.
In den USA würde dies nach den Berechnungen 63 % der Beschäftigten betreffen. Weitere 30 %, die in körperlichen Tätigkeiten oder im Freien arbeiten, wären davon nicht betroffen, obwohl ihre Arbeit für andere Formen der Automatisierung anfällig sein könnte.

 

Pro und Contra:  KI-ausgelöste Produktivitäts-Steigerung

Die Ökonomen von Goldman Sachs waren sehr optimistisch und euphorisch in Bezug auf die Produktivitätssteigerungen, die durch KI erzielt werden könnten und
die kapitalistischen Volkswirtschaften möglicherweise aus der relativen Stagnation der letzten 15-20 Jahre - der langen Depression - herausführen könnten. 
Die Annahme lautete, dass "generative" KI-Systeme wie beispielsweise ChatGPT einen Produktivitätsboom auslösen könnten, der das jährliche globale BIP innerhalb eines Jahrzehnts um 7 % steigern würde.  Wenn die Unternehmensinvestitionen in KI weiterhin ähnlich schnell wachsen wie die Software-Investitionen in den 1990er Jahren, könnten allein die KI-Investitionen in den USA bis 2030 1 % des US-BIP erreichen.

Der US-amerikanische Technologie-Ökonom Daren Acemoglu hingegen war damals skeptisch.  Er argumentierte, dass nicht alle Automatisierungstechnologien die Arbeitsproduktivität tatsächlich erhöhen. Das läge daran, dass die Unternehmen die Automatisierung hauptsächlich in Bereichen einführen, die zwar die Rentabilität steigern, wie Marketing, Buchhaltung oder Technologie für fossile Brennstoffe, aber nicht die Produktivität der Wirtschaft als Ganzes erhöhen oder soziale Bedürfnisse erfüllen.
In einem aktuellen Papier schüttet Acemoglu nun eine gehörige Portion kaltes Wasser auf den Optimismus, der von Unternehmen wie GS verbreitet wird. 

Im Gegensatz zu GS ist nach Aussage des Technologie-Ökonomen damit zu rechnen, dass die Produktivitätseffekte von KI-Fortschritten in den nächsten 10 Jahren "bescheiden sein werden".  Der höchste von ihm prognostizierte Gewinn wäre ein Anstieg der totalen Faktorproduktivität (TFP) um insgesamt 0,66 %, was dem gängigen Maß für die Auswirkungen von Innovationen entspricht, oder ein winziger Anstieg des jährlichen TFP-Wachstums um 0,064 %.

Er könnte sogar noch geringer ausfallen, da die KI einige schwierigere Aufgaben, die Menschen erledigen, nicht bewältigen kann.  Dann könnte der Anstieg nur 0,53 % betragen.  Selbst wenn die Einführung von KI die Gesamtinvestitionen erhöhen würde, würde der Anstieg des BIP in den USA insgesamt nur 0,93-1,56 % betragen, je nach Umfang des Investitionsbooms.

Darüber hinaus rechnet Acemoglu damit, dass die KI die Kluft zwischen Kapital- und Arbeitseinkommen vergrößern wird: "Frauen mit niedrigem Bildungsstand könnten Lohneinbußen erleiden, die Ungleichheit zwischen den Gruppen könnte insgesamt leicht zunehmen und die Kluft zwischen Kapital- und Arbeitseinkommen wird sich wahrscheinlich weiter vergrößern".
Tatsächlich kann die KI dem menschlichen Wohlergehen sogar schaden, indem sie irreführende soziale Medien, digitale Werbung und die Ausgaben für IT-Verteidigungsmaßnahmen ausweitet.
 KI-Investitionen könnten also das BIP erhöhen, aber das menschliche Wohlergehen um bis zu 0,72 % des BIP verringern.

Und es gibt noch weitere Gefahren für die Arbeit.  Owen David weist darauf hin, dass KI bereits eingesetzt wird, um Arbeitnehmer am Arbeitsplatz zu überwachen, Bewerber zu rekrutieren und zu prüfen, das Lohnniveau festzulegen, die Aufgaben der Arbeitnehmer zu bestimmen, ihre Leistungen zu bewerten, Schichten zu planen usw. "In dem Maße, in dem KI die Aufgaben des Managements übernimmt und die Managementfähigkeiten erweitert, kann sie die Macht auf die Arbeitgeber verlagern.
Vergleiche hierzu
Es erinnert an die Beobachtungen von Harry Braverman in seinem berühmten Buch von 1974 über die Degradierung der Arbeit und die Zerstörung von Fähigkeiten durch die Automatisierung. Der Technologie-Ökonom Daren Acemoglu räumt ein, dass die generative KI Vorteile bietet, "aber diese Vorteile werden schwer zu erreichen sein, wenn es nicht zu einer grundlegenden Neuausrichtung der Branche kommt, einschließlich einer grundlegenden Änderung der Architektur der gängigsten generativen KI-Modelle."  Insbesondere sagt Acemoglu, dass "es eine offene Frage bleibt, ob wir Modelle brauchen, die unmenschliche Unterhaltungen führen und Shakespeare-Sonette schreiben, wenn wir wirklich verlässliche Informationen brauchen, die für Pädagogen, Mediziner, Elektriker, Klempner und andere Handwerker nützlich sind."

Da es die Manager und nicht die Arbeitnehmer als Ganzes sind, die KI einführen, um menschliche Arbeitskraft zu ersetzen, verdrängen sie bereits jetzt qualifizierte Arbeitnehmer von Tätigkeiten, die sie gut ausüben, ohne notwendigerweise die Effizienz und das Wohlbefinden aller zu verbessern.  Wie ein Kommentator es ausdrückte: "Ich möchte, dass KI meine Wäsche und mein Geschirr wäscht, damit ich Kunst machen und schreiben kann, und nicht, dass KI meine Kunst und mein Schreiben macht, damit ich meine Wäsche und mein Geschirr waschen kann."  Manager führen KI ein, um "Managementprobleme zu vereinfachen, auf Kosten der Dinge, von denen viele Leute denken, dass KI nicht dafür eingesetzt werden sollte, wie z. B. kreative Arbeit..... Wenn KI funktionieren soll, muss sie von unten nach oben kommen, oder KI wird für die große Mehrheit der Menschen am Arbeitsplatz nutzlos sein".

Wird die KI die großen Volkswirtschaften retten, indem sie einen großen Produktivitätssprung bewirkt?

Das hängt ganz davon ab, wo und wie KI eingesetzt wird. Eine PwC-Studie hat ergeben, dass das Produktivitätswachstum in den Teilen der Wirtschaft, in denen die KI-Durchdringung am höchsten ist, fast fünfmal so hoch ist wie in weniger exponierten Sektoren.  Barret Kupelian, Chefökonom bei PwC UK, sagte dazu: "Unsere Ergebnisse zeigen, dass KI das Potenzial hat, neue Branchen zu schaffen, den Arbeitsmarkt zu verändern und das Produktivitätswachstum potenziell zu steigern.
Was die wirtschaftlichen Auswirkungen angeht, so sehen wir erst die Spitze des Eisbergs - derzeit deuten unsere Ergebnisse darauf hin, dass sich der Einsatz von KI auf einige wenige Wirtschaftszweige konzentriert, aber sobald sich die Technologie verbessert und in anderen Wirtschaftszweigen verbreitet, könnte das künftige Potenzial transformativ sein."

Die Ökonomen der OECD sind sich nicht sicher, ob das richtig ist.  In einem Papier stellen sie das Problem: "Wie lange wird die Anwendung von KI in den Wirtschaftssektoren dauern? 
Der Einsatz von KI ist immer noch sehr gering, weniger als 5 % der Unternehmen in den USA geben an, diese Technologie zu nutzen (Census Bureau 2024). Vergleicht man dies mit dem Weg der Einführung früherer Allzwecktechnologien (z. B. Computer und Elektrizität), die bis zu 20 Jahre brauchten, um sich vollständig zu verbreiten, so hat KI noch einen langen Weg vor sich, bevor sie die hohen Einführungsraten erreicht, die notwendig sind, um makroökonomische Vorteile zu erkennen."

"Die Ergebnisse auf der Mikro- oder Branchenebene erfassen hauptsächlich die Auswirkungen auf frühe Anwender und sehr spezifische Aufgaben und deuten wahrscheinlich auf kurzfristige Effekte hin. Die langfristigen Auswirkungen der KI auf das Produktivitätswachstum auf Makroebene werden vom Umfang ihrer Nutzung und der erfolgreichen Integration in Geschäftsprozesse abhängen." 

Die OECD-Ökonomen weisen darauf hin, dass es 20 Jahre gedauert hat, bis bahnbrechende Technologien wie Elektrizität oder PCs so weit "verbreitet" waren, dass sie etwas bewirken konnten.  Für die KI würde das die 2040er Jahre bedeuten.

Darüber hinaus könnte die KI, indem sie Arbeitskräfte in produktiveren, wissensintensiven Sektoren ersetzt, "einen möglichen Rückgang der Beschäftigungsanteile dieser Sektoren (bewirken), der sich negativ auf das gesamte Produktivitätswachstum auswirken würde".

In Anlehnung an die Argumente von Acemoglu weisen die OECD-Ökonomen darauf hin, dass "die KI erhebliche Gefahren für den Wettbewerb und die Ungleichheit auf dem Markt birgt, die ihren potenziellen Nutzen entweder direkt oder indirekt schmälern könnten, indem sie präventive politische Maßnahmen zur Begrenzung ihrer Entwicklung und Einführung veranlassen".

Und dann sind da noch die Kosten für Investitionen.  Allein der Zugang zur physischen Infrastruktur, die für KI in großem Maßstab benötigt wird, kann eine Herausforderung sein. Die Art von Computersystemen, die benötigt wird, um eine KI für die Krebsforschung zu betreiben, erfordert in der Regel zwischen zwei- und dreitausend der neuesten Computerchips. Allein die Kosten für diese Computerhardware könnten sich leicht auf über 60 Mio. $ belaufen, selbst wenn man die Kosten für andere wichtige Dinge wie Datenspeicherung und Vernetzung noch nicht berücksichtigt. Eine große Bank, ein Pharmakonzern oder ein Hersteller hat vielleicht die Mittel, um die Technologie zu kaufen, die erforderlich ist, um von der neuesten KI zu profitieren, aber was ist mit einem kleineren Unternehmen?

Im Gegensatz zur herkömmlichen Auffassung und im Einklang mit der marxistischen Theorie wird die Einführung von KI-Investitionen also nicht zu einer Verbilligung des Anlagevermögens (des konstanten Kapitals im marxistischen Sinne) und damit zu einem Rückgang des Verhältnisses von Anlagekosten zu Arbeitskosten führen, sondern zum Gegenteil (d. h. zu einer steigenden organischen Zusammensetzung des Kapitals).
Und das bedeutet einen weiteren Abwärtsdruck auf die durchschnittliche Rentabilität in den großen Volkswirtschaften.

Hinzu kommen noch die Auswirkungen auf die globale Erwärmung und den Energieverbrauch:
Großsprachige Modelle wie ChatGPT gehören zu den Technologien, die am meisten Energie verbrauchen.  Untersuchungen haben ergeben, dass etwa 700.000 Liter Wasser für die Kühlung der Maschinen verwendet wurden, die ChatGPT-3 in den Datenzentren von Microsoft trainierten.
Das Training von KI-Modellen verbraucht 6.000 mal mehr Energie als eine europäische Stadt. 
Darüber hinaus werden Mineralien wie Lithium und Kobalt zwar meist mit Batterien im Automobilsektor in Verbindung gebracht, sie sind aber auch für die in Rechenzentren verwendeten Batterien von entscheidender Bedeutung.
Bei der Gewinnung wird oft viel Wasser verbraucht, was zu Umweltverschmutzung führen kann und die Wassersicherheit untergräbt.

Das Beratungsunternehmen Grid Strategies prognostiziert für die nächsten fünf Jahre einen Anstieg der Stromnachfrage in den USA um 4,7 Prozent und damit fast eine Verdopplung der Prognose aus dem Vorjahr.
Eine Studie des Electric Power Research Institute ergab, dass Rechenzentren bis 2030 9 Prozent des US-Strombedarfs ausmachen werden, mehr als das Doppelte des heutigen Niveaus.

Schon jetzt führt diese Aussicht zu einer Verlangsamung der Pläne zur Stilllegung von Kohlekraftwerken, da die Stromnachfrage durch KI stark ansteigt.

Vielleicht können diese Investitions- und Energiekosten durch neue KI-Entwicklungen gesenkt werden.  Das Schweizer Technologieunternehmen Final Spark hat die Neuroplattform ins Leben gerufen, die weltweit erste Bioprozessplattform, auf der menschliche Hirnorganoide (im Labor gezüchtete, miniaturisierte Versionen von Organen) anstelle von Siliziumchips Rechenaufgaben übernehmen. Die erste derartige Anlage beherbergt die Rechenleistung von 16 Hirnorganoiden, die nach Angaben des Unternehmens eine Million Mal weniger Strom verbrauchen als ihre Silizium-Gegenstücke. 
Diese Entwicklung ist in gewisser Weise beängstigend: menschliche Gehirne!  Aber zum Glück ist sie noch weit von der Umsetzung entfernt.  Im Gegensatz zu Siliziumchips, die Jahre, wenn nicht Jahrzehnte halten können, halten die "Organoide" nur 100 Tage, bevor sie "sterben".

Im Gegensatz zu den GS-Ökonomen sind diejenigen, die an der Spitze der KI-Entwicklung stehen, weit weniger zuversichtlich, was die Auswirkungen angeht. 
Demis Hassabis, Leiter der KI-Forschungsabteilung von Google, sagt dazu:

"Das größte Versprechen der KI ist genau das - ein Versprechen. Zwei grundlegende Probleme bleiben ungelöst. Das eine besteht darin, KI-Modelle zu entwickeln, die auf der Grundlage historischer Daten trainiert werden, jede neue Situation verstehen und angemessen darauf reagieren. "KI muss in der Lage sein, "unsere komplexe und dynamische Welt zu verstehen und darauf zu reagieren, so wie wir es tun".

Aber kann KI das leisten?  In meinem letzten Beitrag über KI habe ich argumentiert, dass KI die menschliche Intelligenz nicht wirklich ersetzen kann.  Und Yann LeCun, leitender KI-Wissenschaftler bei Meta, dem Social-Media-Riesen, zu dem Facebook und Instagram gehören, stimmt dem zu. 
Er sagte, dass LLMs "ein sehr begrenztes Verständnis von Logik haben ... die physikalische Welt nicht verstehen, kein dauerhaftes Gedächtnis haben, in keiner vernünftigen Definition des Begriffs logisch denken können und nicht planen können, hierarchisch planen".

LLMs (Large Language Models bilden die algorithmische Grundlage für Generative-AI-Tools wie ChatGP)  waren bisher Modelle, die nur lernen, wenn menschliche Ingenieure eingreifen, um sie auf diese Informationen zu trainieren, anstatt dass die KI wie Menschen organisch zu einer Schlussfolgerung kommt.
"Für die meisten Menschen erscheint es sicherlich als logisches Denken - aber in den meisten Fällen handelt es sich um die Nutzung von angesammeltem Wissen aus einer Vielzahl von Trainingsdaten." 
Aron Culotta, außerordentlicher Professor für Informatik an der Tulane University, drückt es anders aus.  "Der gesunde Menschenverstand war der KI lange Zeit ein Dorn im Auge", und es sei schwierig, Modellen Kausalität beizubringen, was sie "anfällig für unerwartete Fehler" mache.

Noam Chomsky brachte die Grenzen der KI im Vergleich zur menschlichen Intelligenz auf den Punkt:

 "Der menschliche Verstand ist nicht wie ChatGPT und Konsorten, eine schwerfällige statistische Maschine für den Musterabgleich, die Hunderte von Terabyte an Daten verschlingt und die wahrscheinlichste Gesprächsantwort oder die wahrscheinlichste Antwort auf eine wissenschaftliche Frage extrapoliert.  Im Gegenteil, der menschliche Verstand ist ein überraschend effizientes und sogar elegantes System, das mit kleinen Informationsmengen arbeitet; es versucht nicht, grobe Korrelationen zwischen Datenpunkten abzuleiten, sondern Erklärungen zu schaffen.  Wir sollten aufhören, sie künstliche Intelligenz zu nennen, und sie als das bezeichnen, was sie ist: 'Plagiatssoftware', denn sie schafft nichts, sondern kopiert bestehende Werke, von Künstlern, und verändert sie so weit, dass sie den Urheberrechtsgesetzen entgeht."

Das bringt mich zu dem, was ich das Altman-Syndrom nennen würde.  KI im Kapitalismus ist keine Innovation, die darauf abzielt, das menschliche Wissen zu erweitern und die Menschheit von der Arbeit zu befreien.  Für kapitalistische Innovatoren wie Sam Altman ist sie eine Innovation zur Erzielung von Profiten.  Sam Altman, der Gründer von OpenAI, wurde letztes Jahr von der Kontrolle über sein Unternehmen entbunden, weil andere Vorstandsmitglieder der Meinung waren, er wolle OpenAI in eine riesige, vom Großkapital unterstützte Geldmacherei verwandeln (Microsoft ist der derzeitige Geldgeber), während der Rest des Vorstands OpenAI weiterhin als ein gemeinnütziges Unternehmen ansah, das die Vorteile der KI allen zugänglich machen wollte, mit angemessenen Garantien für Datenschutz, Überwachung und Kontrolle.  Altman hatte einen "gewinnorientierten" Geschäftszweig entwickelt, der es dem Unternehmen ermöglichte, Investitionen von außen anzuziehen und seine Dienste zu vermarkten.  Altman hatte bald wieder die Kontrolle, als Microsoft und andere Investoren den Stab über den Rest des Vorstands schwangen.
 OpenAI ist nicht mehr offen.

Maschinen können nicht über potenzielle und qualitative Veränderungen nachdenken.  Neues Wissen entsteht durch solche Veränderungen (Menschen), nicht durch die Erweiterung von bestehendem Wissen (Maschinen). 
Nur menschliche Intelligenz ist sozial und kann das Potenzial für Veränderungen erkennen, insbesondere für soziale Veränderungen, die zu einem besseren Leben für Mensch und Natur führen. Anstatt KI zu entwickeln, um Profite zu machen und Arbeitsplätze und den Lebensunterhalt von Menschen abzubauen, könnte KI unter gemeinsamer Verantwortung und Planung die menschliche Arbeitszeit für alle reduzieren und Menschen von der Arbeit befreien, damit sie sich auf kreative Arbeit konzentrieren können, die nur menschliche Intelligenz leisten kann.