Satya Nadella hat am 14. Juni 2026 eine Warnung ausgesprochen, die auf den ersten Blick wie strategische Weitsicht wirkt: Unternehmen, die keine eigenen KI-Fähigkeiten aufbauten, liefen Gefahr, ihr wertvollstes Wissen an wenige dominante Plattformen abzugeben. Was er „Token-Kapital“ nennt, sei ebenso unverzichtbar wie das Humankapital der Belegschaft. Wer beides nicht aufbaue, werde austauschbar.
Die Warnung ist Teil eines älteren, wiederkehrenden Musters: dem Versprechen, dass das jeweils neueste technologische Werkzeug die strategischen Grundfragen von Unternehmen beantwortet, wenn man es nur richtig einsetzt. Dieses Versprechen wurde für ERP-Systeme gemacht, für das Wissensmanagement der 1990er Jahre, für Big Data. Es hat sich nie vollständig eingelöst — nicht weil die Werkzeuge schlecht waren, sondern weil Werkzeuge keine Strategie ersetzen.
KI-Modelle sind, bei nüchterner Betrachtung, eine weitere Form von Standardsoftware: Sie kodieren einen bestimmten Wissensstand zu einem bestimmten Zeitpunkt — inklusive des überholten, des kontextgebundenen, des schlicht falschen Wissens, das in Trainingsdaten zwangsläufig enthalten ist. Was sie leisten können, hängt vollständig von der Qualität der Fragen ab, die eine Organisation zu stellen in der Lage ist. Was sie nicht leisten können, ist das Ersetzen der situativen Urteilsfähigkeit, aus der Wissen in Unternehmen überhaupt erst entsteht.
Fünf theoretische Perspektiven helfen, diesen Befund zu schärfen: Kenneth Arrow zur Externalitätsstruktur von Wissen, Alvin Toffler zur Machtdimension des Wissens in der nachindustriellen Ökonomie, Peter F. Drucker zum Obsoleszenzproblem und zur Notwendigkeit des organisierten Vergessens, Herbert Simon zur situativen Entstehung von Wissen und zur Rolle von KI als Infrastruktur — und schließlich die historische Parallele zur Standardsoftware als Entmystifizierung dessen, was KI-Modelle leisten können und was nicht.
Ted Levitt hat diese Grundbedingung bereits formuliert, lange bevor KI zum Schlagwort wurde: „Je schneller und akrobatischer der Computer arbeiten kann, desto notwendiger ist es, dass seine vermeintlichen Nutznießer erst einmal darüber nachdenken, wozu das alles gut sein soll.“ Die entscheidende Frage ist bei Levitt immer die Vorfrage — nicht welche Daten verfügbar sind, sondern welches Problem überhaupt gestellt werden muss. Keine Datenmenge, kein Modell, kein Token-Kapital beantwortet eine Frage, die nicht zuvor gedacht wurde. Das ist der gemeinsame Nenner der fünf Perspektiven, die dieser Essay entwickelt.
I. Das Ausgangsproblem: Lernen als Nebenprodukt
Den strukturellen Widerspruch in Nadellas Appell — Microsoft warnt vor dem Wissensabfluss an Plattformen und betreibt selbst eine der größten — schärft Kenneth Arrow, auch wenn er ihn nicht kannte. Arrows Aufsatz von 1962, „The Economic Implications of Learning by Doing“, ist in der Theoriegeschichte der endogenen Wachstumstheorie kanonisch, aber seine eigentliche Pointe wird oft unterschlagen. Arrow interessiert nicht Wissen als Investitionsgut – das ist Romers Einsatz ein Vierteljahrhundert später –, sondern Wissen als unbeabsichtigtes Nebenprodukt des Produktionsprozesses. Lernen entsteht bei Arrow nicht durch Forschungsabteilungen oder strategische Entscheidungen, sondern durch den schieren Vollzug produktiver Tätigkeit: durch den Bau von Maschinen, durch deren Einsatz, durch die kumulierte Erfahrung im Umgang mit neuen Kapitalgütern.
Das hat eine entscheidende Konsequenz. Weil Lernen bei Arrow an neue Kapitalgüter gebunden ist – er nennt das das embodiment-Prinzip –, materialisiert es sich in Maschinen und ist ohne diese nicht frei übertragbar. Gleichzeitig aber, und hier liegt das wohlfahrtstheoretische Kernproblem, ist der Lerneffekt nicht appropriierbar: Wer heute eine neue Anlage baut, macht durch die dabei gewonnene Erfahrung nicht nur sich selbst, sondern auch andere Produzenten produktiver. Der Lerneffekt entweicht als positive Externalität in die Wirtschaft. Das Unternehmen, das investiert, trägt die Kosten; die Branche, die mitlernt, kassiert den Ertrag ohne Gegenleistung.
Das formale Resultat ist ein systematisches Marktversagen: Im kompetitiven Gleichgewicht wird zu wenig investiert, weil Unternehmen die sozialen Erträge i…