Der Markt war immer eine Koordinationsmaschine ohne ein einziges Zentrum. Millionen individueller Entscheidungen, Preise, Erwartungen, Ängste und Wünsche erzeugen eine Ordnung, die niemals vollständig von irgendjemandem entworfen wird. Genau das interessiert Ökonomen seit Langem: ein System, das gewaltige Mengen verstreuter Informationen ohne absolute zentrale Befehlsgewalt organisieren kann.

Künstliche Intelligenz ersetzt diese Logik nicht. Sie verändert die Art der beteiligten Akteure. Bislang wurden Absicht und Analyse auch dann weitgehend von Menschen bestimmt, wenn Software eine Transaktion ausführte. Morgen werden immer mehr Wirtschaftsagenten wesentlich autonomer beobachten, vergleichen, verhandeln und reagieren können. Der Markt wird deshalb im beinahe wörtlichen Sinne zu einem System vieler Agenten werden.

Hier verändert sich die Geometrie des Wettbewerbs.

Ein menschlicher Verbraucher kann nicht unablässig Tausende Angebote vergleichen. Ein Agent kann es. Ein von Menschen geführtes Unternehmen kann seine Preise nicht jede Sekunde mit jedem Kunden neu aushandeln. Ein System kann es. Eine Bank kann die Risiken sämtlicher Gegenparteien nicht jede Minute von Hand neu berechnen. Modelle können das beinahe ununterbrochen tun.

Die erste Folge ist deshalb eine massive Verringerung der Such- und Transaktionskosten. Das ist potenziell sehr positiv. Ein transparenterer Markt, auf dem jeder Käufer Preise und Bedingungen schnell vergleichen kann, kann wettbewerbsintensiver werden. Die Gewinne aus der Undurchsichtigkeit schrumpfen. Genau das habe ich mit Artprice erlebt. Undurchsichtigkeit ist niemals neutral.

Wer die Information besitzt, kann allein deshalb Wert abschöpfen, weil andere nicht Bescheid wissen. Informationen zugänglich zu machen, verändert das Kräfteverhältnis.

Der persönliche Wirtschaftsagent könnte diese Logik verallgemeinern. Der Verbraucher betrachtet nicht mehr fünf Angebote. Sein Agent betrachtet fünftausend. Der Händler kann nicht mehr im selben Maße auf Trägheit oder die Schwierigkeit des Vergleichs bauen. Das kann erheblichen Druck auf Preise und Qualität ausüben. Doch wie immer kann die Folge zweiter Ordnung ganz anders ausfallen. Wenn auch die Verkäufer über Agenten verfügen, die Wettbewerber in Echtzeit beobachten, Preise anpassen und das Verhalten der Käufer lernen können, verwandelt sich der Markt in einen algorithmischen Wettbewerb auf beiden Seiten.

Wir können dann extreme Transparenz und zugleich eine neue Undurchsichtigkeit haben: Niemand versteht genau, weshalb sich der angezeigte Preis verändert. Die Preisgestaltung ist personalisiert und dynamisch, bis sie beinahe eine dialogische Form annimmt. Es ist nicht mehr einfach der Preis eines Produkts. Es ist der Preis, der diesem Menschen in diesem Augenblick unter bestimmten Bedingungen angeboten wird. In manchen Formen existiert das bereits. KI kann es viel feiner abstufen.

Diese Personalisierung wirft eine wichtige ökonomische und moralische Frage auf: Sollten zwei Menschen für dasselbe Gut immer denselben Preis zahlen? Die Ökonomie antwortet, dass es legitime Preisdifferenzierung seit Langem gibt: Studentenrabatte, zeitabhängige Preise, ausgehandelte Tarife. Doch wenn das System deine maximale Zahlungsbereitschaft individuell einschätzt, verändert sich das Verhältnis. Der Verkäufer versucht dann, beinahe die gesamte Konsumentenrente abzuschöpfen. Der Agent weiß möglicherweise, dass du einen dringenden Bedarf hast, dass dein Einkommen hoch ist oder dass du wenig auf den Preis achtest.

Der Verkäufer kann das Angebot deshalb anpassen. Für ihn ist das rational. Doch es kann ein tiefes Gefühl der Ungerechtigkeit erzeugen, wenn die Kriterien undurchsichtig sind. Deshalb wird Preistransparenz wahrscheinlich zu einer wichtigen Frage werden. Es geht nicht zwangsläufig darum, überall einen einheitlichen Preis zu fordern, was wirtschaftlich absurd wäre, sondern darum, bestimmte Mechanismen sichtbar zu machen. Verbraucher sollten vielleicht wissen, dass ein Preis personalisiert ist und auf welchen großen Datenkategorien er beruht. Erneut die Herkunft, diesmal auf den Preis angewandt.

Woher stammt diese Zahl? Wir waren es gewohnt, den Preis als objektive Angabe auf einem Etikett zu betrachten. Auf einem algorithmischen Markt wird er zu einer dynamischen Entscheidung. Er hat daher eine Entstehungsgeschichte.

Welches Modell?

Welche Variablen?

Welcher Wettbewerb wird beobachtet?

Der Preis selbst tritt in die algorithmische Berechnung ein.

Das verändert unser Denken über Wettbewerb. Traditionell beobachten Aufsichtsbehörden Preisniveaus, Marktanteile und Vereinbarungen zwischen Unternehmen. Doch was geschieht, wenn mehrere Preisagenten unabhängig voneinander lernen, dass eine gewisse Preisstabilität rentabler ist? Sie können sich einem Verhalten annähern, das einer Absprache ähnelt, ohne jemals eine ausdrückliche Nachricht ausgetauscht zu haben: „Senkt die Preise nicht.“ Das ist ein außerordentlich interessantes Problem. Das Wettbewerbsrecht wurde um den Nachweis einer Vereinbarung oder abgestimmten Verhaltensweise herum aufgebaut.

Doch anpassungsfähige Algorithmen können eine von selbst entstehende Koordination hervorbringen. Niemand hat den Befehl gegeben. Dennoch ähnelt das Ergebnis einer Vereinbarung. Wir begegnen genau dem Problem der Schwärme: Lokale Regeln können kollektives Verhalten erzeugen, das niemand ausdrücklich beschlossen hat. Die Verantwortungsfrage wird dann gewaltig. Kann ein Unternehmen sanktioniert werden, weil sein Algorithmus ein koordiniertes Verhalten erlernt hat? Wenn das Unternehmen das Risiko vernünftigerweise vorhersehen konnte und es fortbestehen ließ, vielleicht.

War das Ergebnis wirklich unvorhersehbar, wird das Recht stärker differenzieren müssen. Wir dürfen das Erfordernis der Kausalität nicht aufgeben, nur weil das System komplex ist. Doch ebenso wenig dürfen wir zulassen, dass Undurchsichtigkeit zum Zufluchtsort wird. Unternehmen, die bestimmte fortgeschrittene Preissysteme einsetzen, werden wahrscheinlich verpflichtet werden müssen, deren Wirkungen zu überwachen. Wieder die algorithmische Sorgfaltspflicht. Ein Unternehmen kann nicht einfach sagen: Ich habe die Absprache nicht programmiert.

Es muss untersuchen, was sein System tatsächlich hervorbringt. Das knüpft an die Philosophie der vorangegangenen Kapitel an: Wer von einem Agenten profitiert, muss auch eine Aufsichtspflicht übernehmen. Doch Vorsicht vor dem Risiko übermäßiger Regulierung. Müsste jede Preisänderung eines Modells von einem Menschen bestätigt werden, zerstörten wir gerade die Gewinne der Automatisierung. Deshalb müssen wir normale individuelle Handlungen von problematischem systemischem Verhalten unterscheiden. Die Aufsicht könnte Muster im Zeitverlauf analysieren. Hier wird sie selbst künstliche Intelligenz nutzen.

Wir treten in eine Wirtschaft ein, in der Marktagenten von Aufsichtsagenten überwacht werden. Wieder Rekursion. Das erinnert an die Finanzmärkte, an denen automatisierte Überwachung bereits existiert. Doch dieselbe Logik könnte sich auf Handel, Energie und Verkehr ausdehnen. Die Aufsicht wird Fähigkeiten brauchen, die denen der beaufsichtigten Akteure vergleichbar sind. Andernfalls nimmt die kognitive Asymmetrie gewaltige Ausmaße an. Das ist eine allgemeine Regel der Macht: Eine Aufsicht, die die Architektur der regulierten Branche nicht verstehen kann, wird nach und nach von dieser Branche abhängig.

KI verstärkt dieses Problem, weil die technische Komplexität wächst. Deshalb müssen wir in öffentliche Fähigkeiten investieren. Das bedeutet nicht, dass der Staat in jedem Bereich die leistungsfähigsten Modelle des Marktes besitzen muss. Er muss genügend Sachkenntnis und Werkzeuge zur Prüfung besitzen. Genau das habe ich für den algorithmischen Staat vertreten. Regulierung muss ihre eigene Infrastruktur haben.

Doch der algorithmische Markt wirft ein weiteres Problem auf: die Geschwindigkeit. Ein Verstoß oder eine Instabilität kann innerhalb von Sekunden auftreten. Das herkömmliche Verwaltungsverfahren braucht Monate oder Jahre. Rechtliche Zeit und algorithmische Zeit folgen völlig unterschiedlichen Maßstäben. Deshalb müssen zwei Funktionen der Regulierung unterschieden werden: unmittelbare Reaktion und Untersuchung. Die erste verlangt Unterbrechungsmechanismen und automatische Grenzen.

Die zweite kann sich Zeit für die kontradiktorische Prüfung nehmen. Die Finanzmärkte haben diese Schwierigkeit bereits durch Handelsaussetzungen aufgegriffen. Wenn sich das System zu schnell bewegt, wird der Mechanismus vorübergehend angehalten, um Raum für menschliches Urteil zu schaffen. Dieser Gedanke einer Bremsschwelle kehrt immer wieder. Das ist kein Zufall. Zivilisation besteht oft darin, Verzögerungen in Systeme einzubauen, die schneller arbeiten können als unser Urteilsvermögen. Der algorithmische Markt wird Bremsschwellen brauchen.

Doch wo sollten wir sie setzen?

Zu viele Beschränkungen können Liquidität und Effizienz verringern. Zu wenige können Panikdynamiken zulassen. Das ist eine klassische Abwägung. Der Flash-Crash veranschaulicht sie besonders deutlich. Algorithmen reagieren auf Algorithmen, Aufträge breiten sich aus, Preise brechen ein oder schießen hoch, ohne dass sich die Fundamentaldaten im selben Maße verändert hätten. Das Phänomen kann schnell korrigiert werden.

Doch es offenbart einen entscheidenden Punkt: Ein Markt kann einen Zustand hervorbringen, den kein Einzelner beabsichtigt hat. Das ist eine Eigenschaft des Systems. KI verstärkt diese Möglichkeit, weil die Agenten komplexer und zahlreicher werden. Wechselwirkungen können schwer vorhersehbare Rückkopplungsschleifen erzeugen. Ein Modell beobachtet einen Rückgang und verkauft. Andere beobachten diese Verkäufe und schließen, dass das Risiko wächst. Sie verkaufen ebenfalls.

Die Schleife verstärkt sich wie eine Dynamik der Menge, die auf Maschinengeschwindigkeit beschleunigt wurde. Der Markt hat schon immer Paniken erlebt. Der Algorithmus erfindet sie nicht. Er kann sie verdichten. Diese Verschiebung des Zeitmaßstabs ist grundlegend. Eine Bewegung, die Stunden gedauert hätte, kann nun nur noch Sekunden brauchen.

Der Mensch hat keine Zeit mehr einzugreifen. Deshalb muss die Steuerung des Marktes in das Protokoll selbst eingebaut werden. Wir können uns nicht allein auf einen Aufseher verlassen, der einen Bildschirm betrachtet. Automatische Regeln sind nötig. Code wird zur Mikroregulierung. Doch diese Automatisierung der Sicherheit kann selbst unerwartete Wirkungen erzeugen. Mehrere Unterbrechungsmechanismen können gleichzeitig auslösen und Liquidität auf andere Märkte verlagern.

Wieder Komplexität. Vorschriften müssen deshalb so erprobt werden, wie man Systeme erprobt: Simulationen, gegnerische Szenarien, Extremsituationen. Finanzrecht wird zu dynamischer Ingenieurskunst. Das ist interessant, weil es die umfassendere Entwicklung der Institution zeigt. Eine Regel ist nicht mehr bloß ein Text. Sie wird zu einem operativen Parameter.

Eine Schwankungsgrenze.

Eine Verzögerung.

Ein Schwellenwert.

Genau das ist das Zusammenlaufen von Recht und Code. Doch eine wesentliche Unterscheidung muss bewahrt bleiben: Der Parameter lässt sich verändern.

Wer wählt ihn?

Auf welcher Legitimationsgrundlage?

Ein Schwellenwert von 5 oder 10 Prozent kann unterschiedliche wirtschaftliche Wirkungen erzeugen. Diese Wahl erscheint rein technisch, besitzt aber eine politische Dimension. Wir begegnen hier genau demselben Problem wie beim algorithmischen Staat. Technik enthält Werte. Der algorithmische Markt wird deshalb nicht neutraler sein als der menschliche Markt. Er wird lediglich Regeln haben, die manchmal schwerer zu erkennen sind.

Deshalb ist Transparenz über die großen Strukturen wichtig. Die Öffentlichkeit muss nicht jede Codezeile einer Börse kennen.

Doch die Grundsätze müssen verständlich sein:

In welchen Situationen hält der Markt an?

Wer kann eingreifen?

Wie werden Aufträge priorisiert?

Das sind beinahe Verfassungsregeln des Marktes. Der Vergleich ist nicht weit hergeholt. Eine Börse ist eine Institution des Vertrauens. Die Teilnehmer handeln miteinander, weil sie glauben, dass die Regeln stabil sind und gerecht angewandt werden. Wenn die Infrastruktur heimlich bestimmte Akteure bevorzugt, verschwindet das Vertrauen. Deshalb ist historisch schon der Zugang zur Geschwindigkeit selbst zum Streitpunkt geworden. An elektronischen Märkten können einige Mikrosekunden einen Wert darstellen.

Die physische Nähe der Server und die Qualität der Verbindungen schaffen Vorteile. Es ist bereits eine Welt, in der Raum und Zeit zu Waren werden. KI fügt nun kognitive Qualität hinzu. Ein schnellerer Agent, der zugleich Signale besser deutet, kann mehr Gelegenheiten nutzen. Wir treten deshalb in einen Wettbewerb ein, in dem technologisches Kapital einen beinahe augenblicklichen Vorteil erzeugt. Das wirft eine Frage der Fairness des Marktes auf. Sollte jedem genau dieselbe Technologie garantiert werden?

Natürlich nicht. Wettbewerb beruht auch auf Innovation. Doch wir müssen verhindern, dass bestimmte Asymmetrien aus bevorzugtem Zugang zu Regeln oder nicht öffentlichen Daten entstehen. Das ist die klassische Unterscheidung zwischen Wettbewerbsvorteil und Insiderhandel. KI verändert diesen Grundsatz nicht. Sie vergrößert lediglich die Fähigkeit, Informationen auszuwerten. Ein Modell kann Tausende öffentliche Datenpunkte verbinden, um etwas abzuleiten, das niemand gesehen hatte.

Ist das ein legitimer Vorteil? Grundsätzlich ja. Genau darin besteht die Analyse. Doch wenn die Daten Informationen enthalten, die rechtswidrig oder durch Privilegien erlangt wurden, bleibt das Problem bestehen. Das Recht muss deshalb weiterhin die Herkunft der Informationen untersuchen. Wieder dieser Begriff. Woher kommt das Signal?

Die Maschine kann eine brillante Schlussfolgerung hervorbringen. Beruht sie auf unzulässigen Daten, kann das Ergebnis rechtlich belastet sein. Die Schwierigkeit besteht darin, dass KI aus öffentlichen Daten Informationen ableiten kann, die privaten Daten nahekommen. Bei den Schlussfolgerungen über Personen haben wir dieses Problem gesehen. Es existiert auch auf Märkten. Ein Modell kann vielleicht aus Satellitenbildern der Fabriken eines Unternehmens, aus Veränderungen bei Einstellungen oder aus dem Schiffsverkehr abschätzen, dass das Unternehmen ein Problem ankündigen wird. Das ist die Analyse offener Daten.

Sie kann einen beträchtlichen Vorteil verschaffen. Der Markt wird deshalb zu einem Kampf automatisierter wirtschaftlicher Informationsgewinnung werden. Das kann die Effizienz der Preisbildung erhöhen, weil mehr Informationen schnell einfließen. Doch es kann auch jene Akteure stärken, die sich die besten Daten und die größte Rechenleistung leisten können. Öffentliche Information ist nicht gleich zugänglich, wenn manche sie viel besser verarbeiten können. Das ist eine alte Wahrheit. Eine Bibliothek, die allen offensteht, beseitigt nicht den Unterschied zwischen denen, die darin zu suchen wissen, und denen, die es nicht wissen.

Artprice entstand genau aus diesem Verständnis. Wert liegt nicht allein im Zugang zu Dokumenten. Er liegt in der Vereinheitlichung, der Indexierung und der Fähigkeit, Beziehungen aufzudecken. KI verallgemeinert das auf den gesamten Markt. Der Wettbewerb wird sich deshalb auf die Dateninfrastruktur verlagern. Akteure, die hochwertige eigene Datenbestände aufbauen können, werden einen Vorteil haben. Das könnte Markteintrittsbarrieren schaffen.

Ein Start-up kann ein hervorragendes Modell besitzen, aber keine zwanzig Jahre Daten. Ein alteingesessenes Unternehmen kann die Daten besitzen, aber eine langsamere technische Architektur. Wettbewerb verbindet nun Gedächtnis und Rechenleistung. Das ist eine interessante Geometrie. Der Neue besitzt manchmal die Technologie. Der Etablierte besitzt historische Tiefe. Wer beides verbinden kann, ist im Vorteil.

Deshalb wird der Erwerb von Daten strategisch. Wir haben das mit Artprice erlebt. Archive und Sammlungen zu kaufen, bedeutete nicht, Papier anzuhäufen. Es bedeutete, historische Zeit zu erwerben. Manche Reihen lassen sich nicht schnell neu herstellen. Zeit wird zu einem wirtschaftlichen Vermögenswert. KI erhöht seinen Wert, weil sie auswerten kann, was ein Mensch nicht vollständig durchqueren könnte.

Das ist ein Triumph der langen Dauer auf einem Markt, der von Geschwindigkeit besessen ist. Hier liegt ein Paradox, das mich besonders interessiert: Die schnellsten Systeme können die ältesten Archive nutzen. Geschwindigkeit und Tiefe stehen sich nicht entgegen; sie vervielfachen einander. Genau so denke ich. Die radikalste Moderne kann auf dem ältesten Gedächtnis aufbauen. Wir entdecken Alchemie, Archiv und Datenbank wieder.

Der algorithmische Markt ist deshalb nicht bloß ein Markt der Millisekunden. Er ist ein Markt, auf dem Daten aus Jahrhunderten in Millisekunden mobilisiert werden können.

Doch diese Fähigkeit erhöht auch das Risiko einer Überanpassung an die Vergangenheit. Ein Modell kann wunderschöne Regelmäßigkeiten finden, die nicht mehr existieren. Der Markt verändert sich. Die Währungssysteme verändern sich. Die Verhaltensweisen verändern sich.

Eine Beziehung, die zwanzig Jahre lang beobachtet wurde, kann verschwinden, sobald genügend Akteure sie nutzen. Das ist Reflexivität. Sobald eine Strategie bekannt wird, nimmt ihr Vorteil ab. Der Markt reagiert auf das Modell des Marktes. Genau das unterscheidet die Ökonomie tiefgreifend von vielen Naturphänomenen. Das Modell bleibt nicht außerhalb: Es wirkt auf den Markt ein.

KI verstärkt diese Reflexivität. Wenn ein populäres Modell erkennt, dass ein bestimmtes Signal einen Anstieg ankündigt, können Millionen Agenten kaufen, sobald das Signal erscheint, und den Preis noch vor dem erwarteten Ereignis nach oben treiben. Die Vorhersage erfüllt sich, weil man ihr glaubt. Oder sie hebt sich umgekehrt auf, weil alle bereits gehandelt haben. Das System tritt in eine rekursive Schleife ein. Das ist äußerst schwer zu modellieren. Modelle lernen aus einer Welt, die sich als Reaktion auf ihre eigenen Empfehlungen verändert.

Das ist beinahe eine kybernetische Schleife. Deshalb wird der algorithmische Markt wahrscheinlich niemals vollständig vorhersehbar sein, selbst mit sehr leistungsfähiger KI. Rechenleistung beseitigt die Reflexivität nicht; sie kann sie beschleunigen. Das ist eine grundlegende Grenze der Vorstellung eines vollkommen optimierten Marktes. Der Markt ist ein anpassungsfähiges System mit Akteuren, die voneinander lernen. Jede wirksame Strategie zieht Nachahmer an und verändert die Umgebung.

Wieder Mutation. Nur Mutanten überleben. Doch hier ist die Mutation dauerhaft. Ein Agent muss seine Strategien neu justieren, wenn die anderen sich verändern. Das ähnelt der militärischen Koevolution. Die Grenze zwischen Wirtschaftsstrategie und Strategie gegen einen Gegner wird dünner. Natürlich ist der Markt kein Krieg.

Akteure können zusammenarbeiten und gemeinsamen Wert schaffen. Doch sie suchen auch einen relativen Vorteil. Agenten werden deshalb lernen, die Handlungen anderer vorauszusehen. Das kann zu beeindruckender Raffinesse führen.

Der Agent fragt nicht mehr nur:

Was ist der beste Preis?

Er fragt:

Wie wird der andere Agent reagieren, wenn ich diesen Preis anbiete?

Wir treten in rekursive strategische Wechselwirkungen ein. Das ist genau die durch Lernen erweiterte Spieltheorie. Zwei Systeme können Tausende Strategien erproben. Das kann Verhandlungen verbessern. Doch es kann auch Taktiken erzeugen, die für Menschen schwer zu verstehen sind. Ein Agent entdeckt, dass eine bestimmte Folge von Vorschlägen das Ergebnis maximiert. Warum?

Vielleicht kann es niemand einfach erklären. Verhandlung wird undurchsichtig, während sie wirksamer wird. Diese Undurchsichtigkeit wirft eine Frage der Einwilligung auf. Sollte ein Unternehmen Verträge akzeptieren, die nach Strategien ausgehandelt wurden, die es nicht versteht? Wenn die Grenzen eingehalten werden, vielleicht. Doch bei bedeutsamen Entscheidungen muss der menschliche Berater wenigstens die wesentlichen Bedingungen verstehen. Wieder gilt: Autonomie im Verhältnis zur Unumkehrbarkeit.

Eine Mikrotransaktion kann vollständig automatisiert werden. Ein Unternehmenskauf sollte nicht allein deshalb abgeschlossen werden, weil zwei Parteien sich geeinigt haben. Die Hierarchie der Handlungen bleibt wesentlich. Der algorithmische Markt bedeutet deshalb nicht das Verschwinden des Menschen. Er erzeugt eine zeitliche Schichtung. Maschinen können das sehr Schnelle, das Wiederkehrende, das Winzige übernehmen. Menschen konzentrieren sich stärker auf das Langsame, das Strategische, das Unumkehrbare.

Doch auch diese Grenze kann sich verschieben. Manche Entscheidungen, die wir heute für strategisch halten, könnten weitgehend automatisiert werden, wenn die Systeme zuverlässiger werden. Deshalb müssen wir Grundsätze bewahren, keine starre Liste. Wieder die mutierende Beständigkeit. Die Steuerung muss ihre Schwellen regelmäßig überprüfen. Doch es gibt ein bedeutendes politisches Risiko: Wenn Märkte zu schnell werden, um unmittelbar verstanden zu werden, können sie ihre gesellschaftliche Legitimität verlieren.

Der Bürger sieht, wie ein Preis sich bewegt, ein Unternehmen verschwindet, ein Fonds Milliarden verdient, ohne die Mechanismen zu verstehen. Die Wirtschaft kann als fremde Maschine wahrgenommen werden. Manchmal ist das bereits so. KI könnte dieses Gefühl verstärken. Eine Gesellschaft kann nicht allein auf einer Effizienz beruhen, die niemand versteht. Legitimität verlangt ein gewisses Maß an Verständlichkeit. Das bedeutet nicht, dass jeder Bürger Hochfrequenzmodelle verstehen muss.

Doch die Bürger müssen die Regeln verstehen können, wissen, dass sie überwacht werden, und wissen, dass Missbrauch sanktioniert wird. Genau darin liegt der Unterschied zwischen Komplexität und Undurchsichtigkeit. Ein Kernkraftwerk ist komplex. Die Gesellschaft akzeptiert seine Existenz, wenn sie den Institutionen vertraut, die es kontrollieren. Der algorithmische Markt wird dieselbe Sicherheitskultur brauchen. Vielleicht wird die Finanzwelt einen Teil ihrer Vorstellung völliger Freiheit aufgeben und sich stärker als kritische Infrastruktur begreifen müssen. Das ist sie bereits.

Zahlungsverkehr, Kredit und Märkte finanzieren die Realwirtschaft. Ein systemischer Ausfall kann alle betreffen. KI stärkt deshalb die Vorstellung, dass ein Markt eine Infrastruktur ist und nicht bloß ein Ort der Spekulation. Das rechtfertigt Schutzvorkehrungen. Doch die Regulierung muss sich bewusst bleiben, dass auch das Eingehen von Risiken notwendig ist. Einen risikofreien Markt gibt es nicht. Verhindert man alle Verluste, zerstört man den Preismechanismus.

Deshalb muss zwischen normalem wirtschaftlichem Risiko und systemischem Risiko unterschieden werden, das eine Architektur erzeugt. Diese Unterscheidung ist entscheidend. Ein Anleger kann Geld verlieren, weil er eine schlechte Entscheidung getroffen hat. Das ist der Markt. Doch Millionen Anleger sollten keinen Ausfall erleiden, weil ein schlecht entworfenes Protokoll eine unkontrollierte Schleife ausgelöst hat. Die Aufgabe der Aufsicht besteht vor allem darin, die Infrastruktur abzusichern, nicht jedes Ergebnis zu garantieren. Diese Unterscheidung muss klar bleiben.

Andernfalls wächst der Fehlanreiz zur Risikoübernahme auf Kosten anderer. Das berührt die Verantwortung des Kapitals. Wer die Erträge einstreicht, muss einen Anteil des Risikos akzeptieren. KI darf nicht erlauben, Gewinne zu privatisieren und Fehler automatisch zu vergesellschaften. Doch stark vernetzte Systeme schaffen ein Problem: Einen Akteur scheitern zu lassen, kann eine Ansteckung auslösen. Das ist das klassische Dilemma „zu groß zum Scheitern“.

KI kann neue Systeme schaffen, die „zu stark vernetzt zum Scheitern“ sind. Ein Unternehmen muss beim Umsatz nicht gigantisch sein und kann dennoch zu einem zentralen kognitiven Knoten für viele andere werden. Ein Modellanbieter. Ein Datendienstleister. Sein Ausfall kann eine Schockwelle ausbreiten. Deshalb muss die Analyse wirtschaftlicher Graphen in die systemische Regulierung eingehen. Größe allein reicht nicht mehr aus.

Wir müssen die Zentralität betrachten. Es ist genau dieselbe Logik wie bei terroristischen Netzwerken oder digitalen Infrastrukturen. Welcher Knoten verbindet wie viele Akteure? Die systemische Regulierung wird diese Abhängigkeiten kartieren müssen. Das könnte zu besonderen Pflichten zur Widerstandsfähigkeit für bestimmte Anbieter führen. Wieder die kritische Infrastruktur. Wenn ein Modell von Tausenden Finanzunternehmen genutzt wird, verändert sich sein Status automatisch.

Es wird beinahe systemrelevant. Das bedeutet nicht, dass der Staat es unmittelbar kontrollieren muss. Doch er kann Notfallpläne zur Aufrechterhaltung des Betriebs, Tests und Redundanzmechanismen verlangen. Diese Logik wird bereits auf andere Infrastrukturen angewandt. KI wird darin eingebunden.

Und das wirft unmittelbar eine weitere Frage auf:

Was geschieht, wenn diese kritischen Knoten Unternehmen einer anderen Macht gehören?

Wir kehren zur kognitiven Souveränität zurück. Ein nationaler Markt kann rechtlich souverän und technisch abhängig sein. Französische Unternehmen können Agenten nutzen, die in den Vereinigten Staaten oder anderswo betrieben werden. Welche Garantien gibt es in einer geopolitischen Krise? Der algorithmische Markt wird deshalb auch zu einem geopolitischen Markt. Sanktionen können den Zugang zu Technologien abschneiden. Staaten können die Kontrolle über Modelle als wirtschaftliches Druckmittel nutzen.

Bei Halbleitern ist das bereits sichtbar.

KI fügt eine neue Schicht hinzu. Eine Macht, die die kognitive Infrastruktur besitzt, kann die Volkswirtschaften anderer beeinflussen, ohne deren Unternehmen direkt zu kontrollieren. Deshalb versuchen Europa, China und die Vereinigten Staaten jeweils, ihre eigenen Fähigkeiten zu entwickeln. Das ist nicht bloß Protektionismus. Es ist auch die Anerkennung einer kritischen wechselseitigen Abhängigkeit.

Doch eine allzu abgeschlossene Souveränität kann den Weltmarkt zersplittern.

Wir stehen vor demselben Dilemma: absichern, ohne zu isolieren. Wenn jeder Block inkompatible Agenten und unterschiedliche Standards entwickelt, steigen die Transaktionskosten. Deshalb müssen Protokolle für die Interoperabilität bewahrt werden. Der Weltmarkt hängt von gemeinsamen Standards ab. Mein französischer Agent muss den Vertrag des indischen Agenten verstehen können.

Das verlangt Formate, Identitäten und Regeln. Der Kampf um Standards wird beträchtlich sein. Wessen Standard sich durchsetzt, kann einen Teil des Handels strukturieren. Genau das geschah mit Zahlungskarten, Betriebssystemen und Internetprotokollen. Agenten werden zur nächsten Schnittstelle. Wer die Schnittstelle kontrolliert, kontrolliert eine Form von Macht.

Doch es gibt einen wesentlichen Unterschied: Der Agent kann den Anbieter selbst auswählen. Wenn persönliche Agenten wirklich im besten Interesse des Nutzers optimieren, können sie den Einfluss dominanter Marken verringern. Sie können automatisch das beste Angebot eines kleinen unbekannten Akteurs finden. Das könnte den Wettbewerb fördern. Doch große Plattformen können auch den Agenten selbst kontrollieren und dadurch die Suche lenken. Das ist der neue Engpass.

Die Macht verlagert sich von der Ergebnisseite zum Assistenten. Eine Suchmaschine zeigte mehrere Links. Ein Agent kann unmittelbar wählen. Das konzentriert die Vermittlungsfunktion enorm. Darin liegt eine bedeutende kartellrechtliche Frage. Wenn ein dominanter Agent für Hunderte Millionen Menschen einkauft, kann seine Auswahlregel über Erfolg oder Scheitern Tausender Unternehmen entscheiden. Selbst ohne böse Absicht wird seine Architektur zu einer privaten Wirtschaftspolitik.

Das verlangt beträchtliche Wachsamkeit. Empfehlungskriterien müssen möglicherweise transparenter werden, wenn ein Agent beinahe den Rang einer Infrastruktur erreicht. Doch man muss darauf achten, nicht die Offenlegung sämtlicher algorithmischer Geheimnisse zu verlangen, die eine Umgehung erleichtern würde. Es geht um das Gleichgewicht.

Grundsätze können vorgeschrieben werden: die Möglichkeit, andere Agenten zu wählen; das Verbot, heimlich die eigenen Dienste zu bevorzugen; unabhängige Prüfung.

Das ähnelt den historischen Debatten über Plattformen. KI schafft das Problem dominanter Vermittlung nicht neu. Sie verstärkt es, weil die Schnittstelle Entscheidungen trifft. Das ist ein gewaltiger Unterschied des Grades. Eine Plattform, die Produkte ordnet, übt Einfluss aus. Ein Agent, der kauft, ohne die vollständige Rangfolge offenzulegen, entscheidet. Deshalb wird das treuhänderische Mandat persönlicher Agenten zentral.

Wenn ein Agent rechtlich in meinem besten Interesse handelt, sollte er nicht heimlich das Ökosystem seines Anbieters begünstigen. Dieser Grundsatz könnte den Markt neu strukturieren. Er könnte unabhängige Agenten hervorbringen, die wie Berater unmittelbar vom Nutzer bezahlt werden. Das Geschäftsmodell ist entscheidend. Ein kostenloser Dienst, den Verkäufer finanzieren, hat nicht dieselbe Loyalität wie ein Dienst, den der Käufer bezahlt. Dieser Frage sind wir bereits in der Finanzwelt bei Beratern begegnet. KI verschärft den Interessenkonflikt.

Wieder die Herkunft der Empfehlung. Der algorithmische Markt kann den Verbraucher deshalb außerordentlich mächtig oder außerordentlich manipulierbar machen, je nach Architektur. Das ist eine wesentliche Verzweigung. Wenn Agenten dem Nutzer treu und übertragbar sind, kann sich der Wettbewerb verstärken. Wenn wenige integrierte Plattformen sie kontrollieren, kann die Konzentration wachsen. Die Technologie ermöglicht beide Zukünfte. Das bestätigt erneut, dass die Institution entscheidet.

Derselbe technologische Fortschritt kann eine offene oder eine geschlossene Architektur hervorbringen. Es gibt kein technologisches Schicksal. Es gibt Entscheidungen über Standards, Gesetze und Wirtschaftsmodelle. Diese politische Verantwortung ist wichtig. Wir dürfen nicht in zehn Jahren sagen: Es war unvermeidlich. Nein.

Es werden Entscheidungen getroffen werden. Die Aufgabe des Rechts besteht darin, Anreize zu lenken, ohne jedes Ergebnis vorhersagen zu wollen. Das ist heikel. Zu starke Eingriffe können eine Branche lähmen. Untätigkeit kann verfestigte Positionen entstehen lassen, die sich nur schwer auflösen lassen. Der Zeitpunkt wird entscheidend. Regulierung, nachdem ein proprietärer Standard beinahe den gesamten Markt beherrscht, ist viel schwieriger.

Genau das ist der Lock-in-Effekt. Deshalb ist es manchmal nötig, früh bei der Interoperabilität anzusetzen statt bei den Produkten selbst. Das ist eine Lehre des Internets: die Türen offenhalten. Wenn Nutzer den Anbieter wechseln und ihre Daten mitnehmen können, bleibt Wettbewerb möglich, auch wenn ein Akteur vorübergehend dominiert. Übertragbarkeit wird so zu einem Instrument der Wettbewerbspolitik. Das ist ein kraftvoller Gedanke.

Der algorithmische Marktplatz muss nicht nur mit Regeln für die Preisgestaltung entworfen werden, sondern auch mit Regeln für die Beweglichkeit von Identitäten und Daten. Wettbewerb hängt von der technischen Architektur ab. Das veranschaulicht erneut das Zusammenlaufen von Recht und Ingenieurskunst. Eine Schaltfläche „Exportieren“ kann zu einem Instrument der Wirtschaftspolitik werden. Die großen Machtkämpfe verbergen sich manchmal in Dateiformaten. Ich habe es mein ganzes Leben lang gesehen. Wer ein geschlossenes Format kontrolliert, genießt ein Monopol.

Wer Interoperabilität vorschreibt, verteilt Macht neu. Genau deshalb sind Standards so politisch. Die Ökonomie der Agenten macht diese Wirklichkeit noch deutlicher. Doch wir sollten nicht von einem vollkommen flüssigen Markt träumen, auf dem Agenten jede Sekunde den Anbieter wechseln. Vertrauen, Qualität und Ruf werden weiterhin Bindung schaffen. Eine Wirtschaftsbeziehung ist nicht allein eine Preisfrage. Ein Agent könnte lernen, dass ein bestimmter Anbieter etwas teurer, aber viel zuverlässiger ist.

Er kann qualitative Kriterien einbeziehen. Das kann den Markt verbessern, indem es den Ruf besser messbar macht. Doch erneut gilt: Vorsicht vor einem einzigen Punktwert. Reputation ist mehrdimensional: Qualität, Lieferzeit, Service. Ein Gesamtwert kann diese Aspekte verdecken. Der Agent sollte sich an die Vorlieben des Nutzers anpassen können. Für den einen zählt vielleicht der Preis, für einen anderen die ökologische Herkunft, für einen dritten die Lieferzeit. Der Markt wird dann äußerst personalisiert. Das kann zu einer Zersplitterung der Preise und Angebote führen. Schon der Begriff eines einheitlichen Marktes wird abstrakter.

Zwei Menschen sehen nicht mehr zwangsläufig dieselbe Handelswelt. Bei Empfehlungen ist das bereits der Fall. Agenten werden es verstärken. Das wirft eine soziologische Frage auf: Wenn jeder seinen eigenen personalisierten Markt hat, kann die kollektive Wahrnehmung der Preise zersplittern. Vergleiche werden schwieriger. Öffentliche Statistiken müssen sich möglicherweise weiterentwickeln. Der durchschnittliche Preisindex kann weniger repräsentativ werden, wenn Preise hochgradig personalisiert sind. Wir werden neue Messmethoden brauchen.

Das ist eine wichtige makroökonomische Frage. Statistische Institutionen werden detailliertere Daten erheben und zugleich die Privatsphäre schützen müssen. KI kann helfen, dynamische Indizes aufzubauen, darf aber Ungleichheiten nicht verdecken. Ein Durchschnittspreis kann verbergen, dass bestimmte Gruppen systematisch mehr zahlen. Wieder geht es um die Verteilung. Aufsichtsbehörden müssen möglicherweise Unterschiede nach verschiedenen Profilen untersuchen.

Doch dafür muss bekannt sein, welche Daten verwendet werden. Transparenz ist entscheidend. Der algorithmische Markt macht die Messung selbst komplexer. Es ist ein Paradox: Wir haben mehr Daten, doch die wirtschaftlichen Kategorien werden fließender. Ein Preis ist nicht mehr fest. Ein Produkt kann personalisiert sein. Wie berechnen wir Inflation, wenn das Angebot selbst sich für jeden Nutzer verändert?

Ökonomen werden neue Methoden entwickeln müssen. Das ist eine interessante Verschiebung, weil sie zeigt, dass KI nicht nur den Markt verändert, sondern auch die Werkzeuge, mit denen wir ihn analysieren. Die Wirtschaftsstatistik muss sich weiterentwickeln, und das könnte enorme politische Folgen haben. Zentralbanken stützen ihre Entscheidungen auf Indikatoren. Werden diese weniger aussagekräftig, kann die Geldpolitik ungenauer werden.

KI kann uns selbstverständlich helfen, mehr Echtzeitdaten zu nutzen. Vielleicht treten wir in eine Makroökonomie höherer Frequenz ein. Zentralbanken können Zahlungen, Onlinepreise und Logistikströme beinahe augenblicklich verfolgen. Das verbessert die Diagnose. Doch erneut garantieren mehr Daten keine besseren Entscheidungen. Das Risiko besteht darin, zu schnell auf verrauschte Signale zu reagieren. Die Makroökonomie muss zwischen Trend und Schwankung unterscheiden.

Die Verlangsamung setzt sich fort. Eine Zentralbank, die in Echtzeit auf jede Schwankung reagiert, kann die Instabilität verstärken. KI sollte deshalb dazu dienen, schneller zu verstehen, ohne zwangsläufig schneller zu entscheiden. Wir kehren genau zu jener Unterscheidung aus dem Kapitel über kognitive Kriegsführung zurück: Rechengeschwindigkeit ist nicht Handlungsgeschwindigkeit. Das ist eine Konstante. Der Markt kann Daten in Millisekunden erzeugen. Die Geldpolitik braucht vielleicht Wochen des Abstands. Intelligenz besteht darin, für jede Entscheidung den richtigen Zeitrahmen zu wahren.

Die Fähigkeit, über mehrere Zeitmaßstäbe hinweg zu handeln, ist eine wesentliche institutionelle Kompetenz. Unternehmen arbeiten im Sekundentakt. Anleger im Minuten- oder Jahrestakt. Staaten über mehrere Jahre. KI neigt dazu, alle Zeitmaßstäbe zum Augenblick hinzuziehen. Wir müssen dieser Anziehung widerstehen. Manche Dinge sollten nicht beschleunigt werden. Eine Industriepolitik braucht zehn Jahre. Ein Finanzmarkt reagiert in zehn Millisekunden. Beides zu verwechseln, ist gefährlich. Eine Aufgabe des Staates besteht gerade darin, die lange Dauer zu vertreten, die der Markt möglicherweise zu gering gewichtet.

KI kann dem Markt helfen, die lange Frist besser vorauszusehen. Doch Anreize bleiben häufig kurzfristig. Ein Manager mag wissen, dass in zwanzig Jahren ein Klimarisiko besteht, und dennoch an seiner Quartalsleistung gemessen werden. Das Modell korrigiert den Anreiz nicht. Das ist eine weitere Grenze. Technologie ersetzt keine Institutionen. Wir müssen unsere Zeithorizonte aufeinander abstimmen.

Das ist eine Frage der Steuerung. Der algorithmische Markt kann den Horizont noch weiter verkürzen, wenn Agenten fortwährend optimieren. Jede Sekunde wird zur Gelegenheit. Das kann den Umschlag erhöhen und die Geduld des Kapitals verringern. Doch auch das Gegenteil ist möglich. Ein Agent kann darauf programmiert werden, eine Strategie über dreißig Jahre zu verfolgen, ohne von Angst oder alltäglicher Emotion beeinflusst zu werden. Ein algorithmischer Pensionsfonds könnte eine größere langfristige Disziplin besitzen als ein Mensch, der den Schwankungen ausgesetzt ist.

Die Doppelheit zeigt sich erneut. KI kann die Zeit je nach Ziel verkürzen oder verlängern. Nicht die Maschine legt den Zeitrahmen fest, sondern die Belohnungsfunktion. Wenn wir tägliche Leistung verlangen, optimiert sie den Alltag. Wenn wir generationenübergreifende Bewahrung verlangen, kann sie einen viel längeren Zeithorizont einbeziehen. Das entspricht langfristigen Staatsstrategien.

KI könnte gerade deshalb zu einem Werkzeug langfristiger Politik werden, weil sie mehrere Jahrzehnte simulieren kann. Doch Simulation bleibt von Annahmen abhängig. Je länger der Zeithorizont, desto größer die Ungewissheit. Deshalb müssen Szenarien dargestellt werden, nicht eine einzige Prognose. Wieder die Vielfalt der Zukünfte. Der algorithmische Markt könnte von diesem Denken in Szenarien enorm profitieren. Ein Anleger würde nicht nur nach der wahrscheinlichen Rendite fragen, sondern auch nach Szenarien grundlegender Umbrüche.

Das könnte die Widerstandsfähigkeit verbessern. Doch das Kapital liebt einzelne Zahlen. Ein Punktwert vereinfacht. Das ist gefährlich. Wir müssen lernen, Risikoverteilungen und ihre Randbereiche zu zeigen. KI ist dazu vollkommen fähig. Das Problem liegt oft in der Benutzeroberfläche.

Wir kehren zur Darstellung der Ungewissheit zurück. Ein Wert von 7,2 Prozent erscheint genau. Vielleicht verbirgt er eine gewaltige Bandbreite. Die Gestaltung von Finanzinformationen muss ehrlicher werden. Das ist eine Frage der Steuerung. Die Maschine kann eine Milliarde Szenarien berechnen. Wenn der Bildschirm nur eine Zahl zeigt, geht ein Teil der Intelligenz verloren.

Das ist ein entscheidender Punkt. KI kann entweder die Komplexität unseres Verständnisses erhöhen oder sie hinter einem Punktwert verbergen. Die Wahl der Benutzeroberfläche ist politisch. Das gilt für den Markt ebenso wie für den Staat. Es ist beinahe eine Konstante dieses gesamten Abschnitts. Wir bauen hochkomplexe Systeme und müssen entscheiden, wie wir diese Komplexität dem Menschen zugänglich machen. Zu viel Information lähmt.

Zu wenig erzeugt eine Illusion. Das richtige Maß der Synthese ist eine Kunst. Vielleicht werden persönliche Agenten genau zu dieser Übersetzungsschicht. Der Markt erzeugt gewaltige Komplexität. Mein Agent deutet sie gemäß meinen Zielen. Das kann das System zugänglicher machen. Doch erneut:

Ich muss dem Agenten vertrauen.

Wir kehren zum Mandat und zur Loyalität zurück. Der Kreis schließt sich überall. Genau das ist die Struktur des Netzwerks: Jedes Kapitel wird zu einem Knoten, der mit den anderen verbunden ist. Die Ökonomie der Agenten ist kein neues, getrenntes Thema. Sie bündelt Identität, Beweis, Souveränität, Arbeit und Verantwortung.

Das bestätigt mir, dass KI als neue Koordinationsschicht wirkt, nicht weil sie einen isolierten Bereich bildet, sondern weil sie alle anderen Strukturen durchdringt. Der Markt selbst ist Koordination. Ihr Zusammentreffen ist deshalb besonders tiefgreifend. Wir können uns sogar vorstellen, dass manche Märkte in ihrer heutigen Form verschwinden werden, weil Agenten unmittelbar miteinander handeln.

Weshalb einen festen Preis anzeigen, wenn jede Transaktion augenblicklich ausgehandelt werden kann?

In manchen Bereichen könnte der angezeigte Preis zu einem Richtpreis werden. Mein Agent sendet einen Vorschlag.

Der Verkäufer antwortet. Eine Art automatisierter weltweiter Marktplatz. Das ist beinahe eine Rückkehr zu einer alten Handelsform mit hochmodernen Werkzeugen. Die Geschichte ist voller solcher Schleifen. Feste Preise im Einzelhandel sind historisch vergleichsweise jung. KI könnte das Aushandeln in großem Maßstab wieder einführen. Das wäre besonders interessant.

Doch das kann den Markt für Menschen weniger transparent machen. Wenn niemand weiß, was andere zahlen, wächst die Asymmetrie. Agenten werden deshalb bestimmte Statistiken teilen müssen. Denkbar sind Dienste, die zeigen: Vergleichbare Käufer zahlten zwischen X und Y. Das gibt Macht zurück. Erneut Information als Gegengewicht.

Artprice hat einen Teil des Kunstmarkts verändert, indem es Preisvergleichswerte dort bereitstellte, wo zuvor Undurchsichtigkeit herrschte. Die auf Agenten beruhende Wirtschaft könnte diese Strategie in anderen Bereichen wiederholen. Wenn Preise personalisiert werden, werden Datenbanken tatsächlicher Transaktionen außerordentlich wertvoll. Wer weiß, was andere tatsächlich gezahlt haben, kann wirksamer verhandeln.

Wir werden deshalb wahrscheinlich Systeme entstehen sehen, die in ihrer Funktion dem ähneln, was Artprice für den Kunstmarkt aufgebaut hat: Gedächtnisse der tatsächlichen Preise und Transaktionsbedingungen, die Agenten speisen. Diese Daten gewinnen strategischen Wert. Doch sie werfen Fragen der Vertraulichkeit auf. Sollte eine private Transaktion geteilt werden? Manchmal wird es nötig sein, zusammenzufassen, zu anonymisieren und die Veröffentlichung zu verzögern. Wieder die Abwägung zwischen Markttransparenz und Geschäftsvertraulichkeit. Die Finanzmärkte kennen dieses Problem bereits.

Manche Transaktionen müssen veröffentlicht werden. Andere werden nicht sofort offengelegt, um keine Strategie preiszugeben. Die algorithmische Wirtschaft wird diese Fragen verallgemeinern. Vollständige Transparenz ist nicht immer optimal. Sie kann sogar Absprachen erleichtern, indem sie allen Verkäufern erlaubt, sofort zu überprüfen, dass niemand die Preise unterbietet. Das ist ein bedeutendes Paradox. Oft glaubt man, Transparenz verstärke den Wettbewerb.

In manchen Architekturen kann zu viel Transparenz zwischen Verkäufern die Koordination erleichtern. Wieder handelt es sich um Folgen zweiter Ordnung. Es gibt keine absolute Regel: mehr Daten gleich niedrigerer Preis. Die Architektur muss analysiert werden.

Wer sieht was?

Und wann?

Diese zeitliche Dimension der Transparenz ist wesentlich. Daten können zeitversetzt veröffentlicht werden. Das schützt bestimmte Strategien und ermöglicht dennoch Prüfungen. Die Finanzmärkte nutzen diese Logik bereits. KI wird diese Mechanismen wahrscheinlich verfeinern. Wir werden verzögerte, zusammengefasste und bedingte Transparenz haben. Genau diese feine Abstufung bringt gute Institutionen hervor.

Schlagworte scheitern immer. Der algorithmische Markt ist zu komplex, um einfach „alles zu öffnen“ oder „alles zu schließen“. Informationsströme müssen aufgebaut werden. Wieder die Architektur. Und das wirft die Frage wirtschaftlicher Demokratie auf. Wenn Agenten zu den wichtigsten Vermittlern von Konsum und Investition werden, wird ihre Steuerung die Gesellschaft tiefgreifend beeinflussen.

Wer bestimmt die ethischen, ökologischen, geografischen oder herkunftsbezogenen Kriterien, die sie verwenden?

Ein Bürger kann wählen: französische Unternehmen bevorzugen; die Klimawirkung verringern; einen möglichst niedrigen Preis erzielen.

Der Agent wird zur wirtschaftlichen Übersetzung persönlicher Werte. Das kann dem Verbraucher beträchtliche Macht geben. Millionen Agenten können die Nachfrage nach ethischen Vorlieben verschieben. Doch es kann die Wirtschaft auch in ideologische Blasen aufteilen. Manche Agenten vermeiden jedes Unternehmen, das mit einer bestimmten politischen Position verbunden ist. Andere tun das Gegenteil. Der Markt wird dann zu einem Instrument der Polarisierung.

Boykotte beobachten wir bereits. Automatisierung kann sie dauerhaft und unsichtbar machen. Eine einmal festgelegte Vorliebe kann bestimmte Anbieter jahrelang ausschließen. Das kann gesellschaftliche Folgen haben. Es besteht auch das Risiko eines erstarrten Profils. Überarbeitung muss möglich sein.

Freiheit bedeutet nicht nur, einmal zu wählen. Sie bedeutet, erneut wählen zu können.

Ein Agent sollte deshalb regelmäßig prüfen, ob bestimmte Kriterien weiterhin gewünscht sind. Du hast vor drei Jahren eine bestimmte Art von Anbieter ausgeschlossen. Möchtest du dieses Kriterium beibehalten? Das mag wie eine kleine Einzelheit der Benutzeroberfläche erscheinen, ist aber eine Freiheitsfrage. Dauerhafte Delegation kann eine frühere Wahl in ein vorbestimmtes Schicksal verwandeln. Der Agent muss deshalb Veränderung zulassen.

Immer wieder. Das bestätigt mir, dass „Nur Mutanten überleben“ nicht bloß eine biologische oder unternehmerische Formel ist. Es ist auch ein Grundsatz für die Steuerung von KI-Systemen. Ein System muss erlauben, dass seine Ziele und Vorlieben sich weiterentwickeln. Starrheit ist eine Form der Verwundbarkeit. Der Markt selbst überlebt, weil er sich wandelt.

Unternehmen entstehen.

Sie verschwinden.

Preise verändern sich.

KI kann diese Verwandlung beschleunigen. Sie kann auch bestimmte Verhaltensweisen festschreiben, wenn Standards zentralisiert werden. Das ist das Paradox. Der Markt bleibt lebendig, solange Vielfalt und offener Zugang bestehen. Wettbewerb betrifft nicht nur die Unternehmen, die heute existieren, sondern auch die Möglichkeit, dass morgen neue entstehen. Interoperabilität ist deshalb eine Voraussetzung wirtschaftlicher Verwandlung.

Wenn dominante Agenten nur mit den großen Plattformen sprechen können, werden neue Marktteilnehmer unsichtbar. Offene Protokolle bilden dann eine Innovationspolitik. Dieser Gedanke ist wesentlich.

Die technische Architektur kann bestimmen, wie offen der Markt für neuen Wettbewerb ist.

Das ist beinahe eine Wirtschaftsverfassung. Auch hier ist der Standard niemals neutral. Er legt fest, wer eintreten kann. Die Aufsicht sollte deshalb die Such- und Entdeckungsprotokolle untersuchen.

Kann ein kleiner Anbieter von den Agenten gefunden werden?

Muss man bezahlen, damit die eigene Indexierung angepasst wird?

Können Agenten offene Kataloge unmittelbar abfragen?

Das ähnelt den Debatten über Suchmaschinen, hat aber eine unmittelbarere Wirkung, weil der Agent einen Kauf tätigen kann. Die Vermittlungsmacht wird zur Transaktionsmacht. Das ist wahrscheinlich eine der großen künftigen Herausforderungen für den Wettbewerb. Regierungen können für bestimmte Schnittstellen einen fairen Zugang vorschreiben. Doch die Sicherheit darf dabei nicht untergraben werden. Ein Agent muss überprüfen können, dass ein Anbieter legitim und vertrauenswürdig ist. Standards für Unternehmensidentitäten werden wichtig werden.

Herkunft und Ruf sind entscheidend. Alles führt darauf zurück. Der algorithmische Marktplatz könnte deshalb technisch viel offener und kognitiv viel stärker gefiltert sein. Millionen Anbieter sind zugänglich. Doch der Agent zeigt anhand bestimmter Kriterien nur wenige an. Die Macht des Filters wächst. Wir sehen somit, dass es auf dem Markt der Zukunft vielleicht weniger darum geht, einfach in einem Regal zu stehen, als darum, von Modellen ausgewählt zu werden.

Die Suchmaschinenoptimierung (SEO) verändert sich. Unternehmen werden danach streben, ihre Angebote maschinenlesbar, ihre Daten strukturiert und ihre Nachweise leicht verfügbar zu machen. Das kann positiv sein: vereinheitlichte Beschreibungen, Herkunftsnachweise, Zertifizierungen und Qualitätsbelege. Doch es kann auch neue Manipulationsmöglichkeiten schaffen. Anbieter werden lernen, ihre Produkte so darzustellen, dass sie bei Agenten möglichst hohe Punktwerte erzielen. Genau darin liegt das Spiel mit den Messgrößen.

Der Agent wird deshalb Manipulationsversuche erkennen müssen. Wieder der Wettstreit zwischen Gegnern. Der Markt wird zu einem Feld der Optimierung gegen Optimierung. Diese Dynamik scheint schwer vermeidbar. Sie kann zu einem Wettlauf um Zertifizierungen und Nachweise führen. Wieder die Ökonomie des Vertrauens. Zuverlässige Anbieter werden einen Anreiz haben, überprüfbare Daten zu erzeugen.

Ein ungeprüftes Gütesiegel wird an Wert verlieren. Das kann die Informationsqualität des Marktes verbessern. Es ist eine interessante Aussicht. KI kann Unternehmen dazu drängen, ihre Herkunftsdaten besser zu strukturieren, weil Agenten es verlangen. Ein Produkt ohne überprüfbare Informationen wird möglicherweise seltener ausgewählt. Das könnte die Rückverfolgbarkeit in Umwelt- oder Gesundheitsfragen fördern.

Doch wir müssen auf kleine Unternehmen achten, denen die Mittel fehlen, um anspruchsvolle Daten bereitzustellen. Standards müssen zugänglich bleiben. Andernfalls wird maschinenlesbare Regelkonformität zu einer neuen Markteintrittsbarriere. Wieder eine Abwägung. Ein Standard, der Vertrauen erhöht, kann große Akteure begünstigen, die sich eine Zertifizierung leisten können. Deshalb müssen verhältnismäßige Mechanismen entworfen werden. Das ist genau dasselbe Problem wie bei der Regulierung von KI selbst.

Feste Kosten der Regelbefolgung fördern Konzentration. Das Recht muss dies anerkennen. Denkbar wären risikobasierte Zertifizierungsstufen. Ein kleiner Unternehmer braucht nicht dieselbe Infrastruktur wie eine Bank. Wieder die Einordnung. Diese Wiederholung mag besessen wirken. Doch sie entspricht der notwendigen Methode in einer komplexen Welt.

Feine Abstufung schützt vor schädlichen Nebenwirkungen.

Und sie führt uns zu einer noch umfassenderen Frage.

Wenn Märkte algorithmisch werden, was wird dann aus dem Begriff des Preises als gesellschaftlicher Information?

Hayek hatte den Preis als Signal hervorgehoben, das verstreute Informationen verdichtet. Doch wenn Preise hochgradig personalisiert und von Agenten ausgehandelt werden, gibt es dann noch einen gemeinsamen Preis, der diese Rolle erfüllt? Vielleicht arbeitet das System eher mit Preisverteilungen als mit einem einzigen Preis. Das Signal wird reichhaltiger.

Doch weniger sichtbar. Agenten können es verstehen. Menschen weniger unmittelbar. Wir treten in eine Wirtschaft ein, in der Maschinen bestimmte Marktstrukturen besser wahrnehmen könnten als Menschen. Das schafft eine kollektive kognitive Abhängigkeit. Bürger verstehen Preise nicht mehr unmittelbar. Sie fragen ihre Agenten:

Ist das teuer?

Das Modell antwortet, indem es Tausende Transaktionen vergleicht. Das ist nützlich. Doch es bedeutet auch, dass unser Verhältnis zum Markt vermittelt wird. Das haben wir bereits bei Vergleichsportalen gesehen. Der Agent könnte zu einer beinahe universellen Vergleichsinstanz werden. Wer den Vergleich kontrolliert, prägt einen Teil unserer Wertwahrnehmung.

Das ist außerordentlich wichtig. Es knüpft an den Kunstmarkt an, auf dem Datenbanken die Wahrnehmung eines Preises verändern. Die Geschichte zu sehen, verändert das Urteil. Artprice hat den Marktteilnehmern einen Spiegel des Kunstmarkts gegeben. KI verallgemeinert diesen Spiegel. Doch ein Spiegel kann verzerren. Deshalb müssen wir wissen, welche Daten einfließen. Und wieder die Herkunft.

Der Kreis schließt sich.

Wert. Beweis. Identität. Markt.

Letztlich hängt alles an der Qualität der Informationsarchitekturen. Das ist vielleicht die vorläufige Schlussfolgerung dieses Kapitels. Der algorithmische Markt beseitigt den Markt nicht. Er zeigt noch deutlicher, dass ein Markt eine Architektur des Vertrauens, der Information und der Regeln ist. KI beschleunigt Ströme und erweitert Fähigkeiten. Doch sie ersetzt keine dieser Grundlagen. Im Gegenteil macht sie deren Gestaltung noch entscheidender. Der Preis kann maschinell berechnet werden. Die Legitimität der Regeln bleibt menschlich. Verhandlung kann automatisiert werden. Verantwortung bleibt.

Wettbewerb kann dynamischer werden. Er kann sich auch um proprietäre Standards herum abschließen.

Alles hängt von der Architektur ab.

Schließlich eröffnet diese Automatisierung des Marktes eine umfassendere Frage: Wenn dieselben Werkzeuge sowohl der Marktkoordination als auch dem öffentlichen Handeln dienen, gerät die klassische Grenze zwischen Markt und Planung selbst unter Prüfung.

Was wird aus dem Markt, wenn Koordination beinahe augenblicklich wird?

Was wird aus der Planung, wenn KI unablässig simulieren und anpassen kann?

Und vor allem:

Wer bestimmt den Zweck einer Wirtschaft, die gleichzeitig eine gewaltige Zahl von Variablen optimieren kann?

Die Frage betrifft dann weniger den Markt als den Zweck: Wer bestimmt, was eine algorithmische Wirtschaft zu optimieren versucht?

Hier muss die Grenze zwischen Marktkoordination und Planung neu untersucht werden.