Wenn jede Firma rational handelt und dennoch alle verlieren – das ist keine Paradoxie, sondern die strukturelle Logik KI-getriebener Automatisierung in Wettbewerbsmärkten. Ein neues Wettbewerbsmodell zeigt: Der „AI Layoff Trap“ ist kein Marktversagen durch Irrationalität, sondern durch eine systemisch falsch verteilte Externalität. Und die üblichen Gegenmittel greifen nicht dort, wo das Problem sitzt.
Es gibt eine klassische Versuchung in der ökonomischen Theoriebildung: Marktversagen dort zu vermuten, wo irrationale Akteure, unvollständige Information oder mangelnder Wettbewerb vorliegen. Das Interessante an einem neuen Wettbewerbsmodell zur KI-getriebenen Automatisierung ist, dass es diese Versuchung verweigert. Die Firmen handeln vollkommen rational und vorausschauend, der Markt ist kompetitiv, die Information vollständig – und dennoch entsteht systematisch ein Ergebnis, das sowohl Beschäftigte als auch Kapitaleigner schlechter stellt als nötig. Die Diagnose lautet: strukturelles Automations-Übermaß, verursacht durch eine Nachfrage-Externalität, die im Wettbewerb zwingend nicht internalisiert wird.
Die Grundmechanik ist schnell beschrieben. Firmen automatisieren Arbeitsaufgaben mit KI, senken ihre Kosten und steigern ihre Gewinne. Die entlassenen Arbeiter verlieren Einkommen, konsumieren weniger – und damit sinkt die aggregierte Nachfrage, von der alle Firmen gemeinsam abhängen. Jede einzelne Firma zieht den vollen Nutzen aus der Automatisierung, trägt aber nur einen marginalen Bruchteil des durch Entlassungen verursachten Nachfrageschadens. Der Rest verteilt sich als negatives Externalitätsbündel auf sämtliche Wettbewerber. In der Terminologie der Spieltheorie ist dies ein klassisches Gefangenendilemma: Vollständige Automatisierung ist für jede Firma die dominante Strategie, obwohl kollektive Zurückhaltung alle besser stellen würde.
Was das Modell dabei über bloße Umverteilung hinaus behauptet, ist analytisch der entscheidende Schritt: Über-Automatisierung ist kein Nullsummenspiel zwischen Arbeit und Kapital. Auch die Gewinne aller Firmen zusammen liegen im Nash-Gleichgewicht unterhalb des kooperativen Niveaus. Selbst ein sozialer Planer, der Arbeitnehmerinteressen vollständig ignoriert und ausschließlich Unternehmensgewinne maximiert, würde weniger automatisieren als der kompetitive Markt es erzwingt. Der Schaden liegt also nicht in der Interessendivergenz zwischen den sozialen Gruppen, sondern in der Koordinationsstruktur des Wettbewerbs selbst.
Hier zeigt sich eine Parallele, die weit über den KI-Kontext hinausweist: Das Modell beschreibt im Kern eine Tragödie der Allmende – nur dass das gemeinsam genutzte und überausgebeutete Gut nicht ein natürlicher Ressourcenbestand, sondern die aggregierte Konsumnachfrage ist. Jede Entlassung erodiert ein kollektives Gut, das keine Firma allein herstellt und das keine Firma allein schützen kann.
Besonders instruktiv ist die Behandlung technologischer Verbesserungen. Man könnte erwarten, dass eine produktivere KI – also eine, die pro automatisierter Aufgabe mehr Output erzeugt – die Situation entschärft, weil die Gewinne steigen und mehr Spielraum für Lohnkompensation entsteht. Das Modell zeigt das Gegenteil: Höhere KI-Produktivität verschärft die Verzerrung. Jede Firma sieht zusätzliche Marktanteilsgewinne aus früher und umfassenderer Automatisierung – doch im Gleichgewicht heben sich diese Wettbewerbsvorteile gegenseitig auf, während der Nachfrageschaden kumuliert. Es ist ein Red-Queen-Effekt: Alle rennen schneller, um am selben Ort zu bleiben, aber der Boden unter ihnen gibt nach.
Ein weiterer Teil des Modells verdient gesonderte Aufmerksamkeit: die Prüfung der gängigen Politikinstrumente. Diese Prüfung ist methodisch konsequent, weil die Autoren stets fragen, ob ein Instrument am richtigen Punkt ansetzt – nämlich am marginalen Automationsanreiz der einzelnen Firma. Das Ergebnis ist ernüchternd. Ein universelles Grundeinkommen erhöht das aggregierte Nachfrageniveau, verändert aber nicht den Kalkül am Rand: Firmen automatisieren im Gleichgewicht gleich viel wie ohne UBI. Eine Kapitalertragsteuer skaliert Gewinne proportional herunter, greift aber ebenfalls nicht in die Pro-Aufgabe-Entscheidung ein. Arbeitnehmerbeteiligung und Profit-Sharing recyceln einen Teil der Gewinne in Nachfrage, können die Externalität aber bei realistischen Konsumquoten nicht vollständig neutralisieren – und entstehen ohne regulatorischen Zwang im Wettbewerb gar nicht erst. Umschulung und Re-Integration kommen dem Problem am nächsten, scheitern aber, wenn die Wiedereingliederungsquote nicht nahezu vollständig ist.
Das einzige Instrument, das die Externalität strukturell korrigiert, ist eine Pigou’sche Automationssteuer: ein Aufschlag pro automatisierter Aufgabe, der dem nicht internalisierten Nachfrageverlust entspricht. Im symmetrischen Fall lässt sich dieser Steuersatz aus beobachtbaren sektoral verfügbaren Größen kalibrieren – konkret aus dem entgangenen konsumierten Einkommensanteil der entlassenen Arbeiter. Die Steuereinnahmen können wiederum für Umschulung und Re-Integration eingesetzt werden; steigt die Wiedereingliederungsquote, sinkt der Nachfrageverlust pro Entlassung, und der optimale Steuersatz kann schrittweise zurückgenommen werden. Die Intervention trägt damit eine gewisse Selbstauflösungslogik in sich.
Was folgt daraus für die breitere Debatte? Zunächst eine konzeptuelle Klärung, die in der öffentlichen Diskussion oft fehlt: Die Schäden von KI-getriebener Massenautomatisierung sind nicht primär ein Verteilungsproblem, das durch Umverteilung gelöst werden kann. Sie sind ein Koordinationsproblem, das aus der Struktur kompetitiver Märkte selbst entsteht – und das durch rein distributive Maßnahmen unangetastet bleibt. Wer das Instrument der Wahl aus der Logik des Problems ableitet statt aus politischer Präferenz, kommt an der Automationssteuer kaum vorbei.
Gleichwohl ist Vorsicht geboten, bevor man das Modell als politische Blaupause liest. Es operiert mit hochstilisierten Annahmen: symmetrische Firmen, homogene Aufgaben, klare Zurechnung von Entlassungen zu Automationsentscheidungen. In der Realität sind Automationspfade sektoral heterogen, Entlassungskausalitäten häufig streitig, und die politische Ökonomie einer Automationssteuer – wer definiert die Bemessungsgrundlage, wer kontrolliert die Kalibrierung? – ist erheblich. Dennoch liefert das Modell etwas, das in der laufenden Debatte selten ist: eine präzise Benennung des Mechanismus, aus dem das Versagen entsteht, und ein daraus deduziertes Instrument, das genau dort ansetzt.
Ralf Keuper