Die OpenAI Foundation hat am 27. Mai ein 250-Millionen-Dollar-Programm angekündigt, das sich einer Frage widmet, die das Unternehmen selbst mitverursacht: Was passiert mit Arbeitnehmern, Löhnen und Wohlstand, wenn KI die Wirtschaft schneller verändert, als Institutionen sich anpassen können?
Das Messproblem
Die erste Erkenntnis des Papers ist ernüchternd: Die Systeme, mit denen Gesellschaften wirtschaftlichen Wandel messen, stammen aus einer anderen Ära. Wenn KI Wert als digitale Güter statt als Löhne generiert, erfassen Einkommensstatistiken den Effekt nicht. Wenn der Lohnanteil am BIP sinkt, wird das BIP selbst zum schlechteren Wohlfahrtsmaß. Die Foundation will deshalb in unabhängige Messinfrastruktur investieren - BLS-ähnliche Kapazitäten weltweit, die nicht nur Beschäftigung und Löhne erfassen, sondern was Menschen tatsächlich tun und worauf sie Zugang haben.
Die zentrale Frage, die das Programm stellt: Wo landet der KI-generierte Wert? Bei Arbeitnehmern über Löhne? Bei Firmen über Margen? Bei Konsumenten über niedrigere Preise? Bei Regierungen über Steuern? Oder bei Kapitaleignern über Renten? Die Antwort bestimmt, welche Politikinstrumente greifen - und welche ins Leere laufen.
Übergangsunterstützung jenseits von Umschulung
Die Foundation ist dabei bemerkenswert ehrlich: Traditionelle Umschulungsprogramme haben "mixed evidence" - gemischte Erfolgsbelege. Statt ausschließlich auf Retraining zu setzen, soll das Programm ein breiteres Spektrum abdecken: erweiterte Arbeitslosenversicherung, Lohnausfallversicherung, Hilfe bei der Übersetzung vorhandener Erfahrung in neue Rollen, und Wege in wachsende Sektoren.
Zwei Aspekte fallen auf. Erstens: Die Foundation will KI selbst als Werkzeug einsetzen, um staatliche Kapazitäten zu stärken - KI für Verwaltungseffizienz, Gesundheitszugang und Rechtsberatung in Ländern, in denen diese Dienste knapp oder nicht existent sind. Zweitens: Es geht ausdrücklich nicht nur um Wiederbeschäftigung, sondern um Mitsprache. Arbeitnehmer sollen Einfluss auf KI-Deployment-Entscheidungen haben, Bürger echte Stimme in den Institutionen, die den wirtschaftlichen Wandel gestalten.
Langfristige Sicherung: Von der Umverteilung zur Systemarchitektur
Die dritte Säule ist die ambitionierteste. Für Szenarien, in denen Automatisierung beschleunigt und wirtschaftliche Gewinne sich dramatisch konzentrieren, reichen Übergangsmaßnahmen nicht. Die Foundation will deshalb konkrete institutionelle Optionen entwickeln und testen.
Auf der Finanzierungsseite nennt das Programm: Steuerverschiebung von Arbeit zu Kapital und ökonomischen Renten, Windfall-Mechanismen für Überrenditen, und öffentliche Vermögensfonds nach dem Vorbild von Norwegens Government Pension Fund und Alaskas Permanent Fund. Bemerkenswert: Die Foundation schlägt adaptive Steuermechanismen vor - Steuersätze und Verteilungsformeln, die automatisch auf beobachtbare Indikatoren reagieren: konzentrierte Gewinne, sinkender Lohnanteil, Verdrängung, außerordentliche Renditen.
Auf der Verteilungsseite: Einkommen, Kapitalbeteiligung, öffentliche Güter, essentielle Dienste, Beschäftigungsprogramme, Zugang zu Compute-Ressourcen und neue Formen der Daten-Governance. Die Foundation plant zudem Multi-Agenten-Wirtschaftssimulationen, die mit KI modellieren, wie sich Volkswirtschaften bei steigenden Modell-Fähigkeiten entwickeln könnten.
Einordnung
Das Programm ist aus mehreren Gründen bemerkenswert. Die OpenAI Foundation - formell eigenständig von OpenAIs For-Profit-Arm - gibt damit zu, dass KI-getriebene Wirtschaftsveränderungen zu groß sind, um sie Marktmechanismen zu überlassen. Die konkreten Vorschläge - Pigouvian-ähnliche Steuern auf Kapitalrenten, Windfall-Mechanismen, Staatsfonds - lesen sich wie die Policy-Empfehlungen aus dem "AI Layoff Trap"-Paper, das wir diese Woche besprochen haben. Das Wharton-Paper identifiziert das Problem formal (Demand Externality, Prisoner's Dilemma), die Foundation liefert das Geld für Lösungsansätze.
Die Ironie ist offensichtlich: Das Unternehmen, das mehr als jedes andere zur Automatisierung beiträgt, finanziert die Forschung darüber, wie die Folgen der Automatisierung abgefedert werden können. Ob das aufrichtige Vorsorge oder strategische Positionierung ist, wird sich daran messen lassen, wie unabhängig die geförderte Forschung tatsächlich ist - und ob ihre Ergebnisse Einfluss auf OpenAIs eigene Geschäftsentscheidungen haben.
🎯 Was das für die Praxis bedeutet
1. Adaptive Steuermechanismen als Konzept: Die Idee, Steuersätze an beobachtbare KI-Auswirkungsindikatoren zu koppeln, ist neu und politisch relevant. Für europäische Wirtschaftspolitik im Kontext des AI Acts ein Ansatz, der über symbolische Regulierung hinausgeht.
2. Messinfrastruktur fehlt: Die Foundation bestätigt, was Ökonomen seit Jahren kritisieren - die Werkzeuge, mit denen wir wirtschaftlichen Wandel messen, sind für das KI-Zeitalter nicht ausgelegt. Wer wirtschaftspolitische Entscheidungen trifft, navigiert blind.
3. Compute als Verteilungsgut: Dass die Foundation Zugang zu Compute-Ressourcen explizit als Verteilungsinstrument nennt, markiert einen Paradigmenwechsel: Rechenleistung wird neben Einkommen und Bildung zu einer ökonomischen Grundressource.
