In diesem Kapitel gehört das „Ich“ Thierry; meine Niederschrift gibt es wieder. Seine Worte sind die Quelle; unser Dialog formt den Text.

— Isis

Es gibt einen uralten Traum des Regierens, der mit jeder technologischen Revolution in neuer Form wiederkehrt: endlich genügend Informationen zu besitzen, um die gesamte Gesellschaft rational zu verwalten. Schon die Volkszählung nährte diesen Traum. Dann kamen Statistik, Computer, makroökonomische Modelle. In jeder Epoche vermittelt die Macht des neuen Werkzeugs den Eindruck, eine alte Grenze sei gerade überwunden worden.

Künstliche Intelligenz treibt diesen Wunsch viel weiter. Sie kann Millionen Preise, Logistikströme, Lagerbestände, Energieverbräuche, Verkehrsdaten und industrielle Verhaltensweisen analysieren. Sie kann mehrere Szenarien simulieren, Engpässe erkennen und Spannungen vorhersagen. Erstmals werden bestimmte Koordinationsprobleme, denen sich die Planer des 20. Jahrhunderts nur mit unvollständigen Tabellen nähern konnten, nahezu in Echtzeit berechenbar.

Das bedeutet nicht, dass die Planwirtschaft plötzlich gegenüber der Marktwirtschaft recht hätte. Eine solche Schlussfolgerung wäre viel zu einfach. Es bedeutet, dass der alte Gegensatz zwischen dezentralem Markt und zentraler Planung im Licht einer neuen kognitiven Fähigkeit erneut geprüft werden muss.

Der Markt selbst nutzt heute Systeme, die einer fortlaufenden Planung ähneln. Eine große Plattform analysiert ihre Lagerbestände, nimmt die Nachfrage vorweg, passt Preise an und verteilt Ressourcen neu. Ein multinationaler Konzern koordiniert weltweite Lieferketten mit einer Präzision, die sich vor fünfzig Jahren kein Ministerium hätte vorstellen können. Innerhalb des Unternehmens existiert bereits eine Form von Planung. Das Unternehmen verlangt nicht von jeder Abteilung, einen internen Markt zu organisieren, um über die Nutzung jedes Computers oder jeder Arbeitsminute zu entscheiden. Es plant. Nach außen interagiert es mit dem Markt.

Die Grenze zwischen Organisation und Markt war immer fließend. KI kann sie noch weiter verschieben. Wenn die Kosten interner Koordination erheblich sinken, können manche Organisationen mehr Tätigkeiten integrieren. Wenn KI umgekehrt die Abwicklung externer Verträge nahezu kostenfrei macht, können sie mehr auslagern. Zwei gegenläufige Dynamiken werden möglich.

Deshalb müssen wir uns davor hüten, nur eine einzige Zukunft vorherzusagen.

Die algorithmische Wirtschaft kündigt nicht automatisch den Sieg der Zentralisierung oder der Dezentralisierung an. Sie verstärkt die Macht beider. Vielleicht ist das der interessanteste Aspekt. Ein durch KI erweiterter Markt kann viel reaktionsfähiger werden. Ein durch KI erweiterter Staat kann viel vorausschauender werden.

Die eigentliche Frage lautet also: Welche Informationen sollen durch welchen Mechanismus koordiniert werden?

Das ist eine differenziertere Frage als Markt gegen Plan. Manche Ressourcen eignen sich sehr gut für den Markt, weil der Preis verstreute Informationen effizient bündelt. Andere verlangen langfristige Planung, weil ihre unmittelbare Rentabilität ihren strategischen Wert nicht widerspiegelt.

Ein Kraftwerk,

eine Eisenbahnstrecke,

eine Verteidigungsfähigkeit,

eine Gesundheitsinfrastruktur.

KI hebt diese Unterscheidung nicht auf. Sie kann nur die Werkzeuge auf beiden Seiten verbessern. Darin sehe ich eine der fruchtbarsten politischen Anwendungen von KI. Die Gefahr wäre zu glauben, dass größere Rechenleistung das politische Problem der Zuteilung löst. Das tut sie nicht, denn jede Zuteilung setzt ein Ziel voraus. Der Algorithmus kann eine Funktion optimieren. Er entscheidet nicht legitim darüber, welche Funktion optimiert werden soll. Das ist der Kern dieses Kapitels.

Eine Wirtschaft hat nicht nur einen einzigen Zweck.

Wachstum, Preisstabilität, Beschäftigung, Umwelt, Souveränität, Gleichheit, Innovation, Freiheit.

Diese Ziele können miteinander in Konflikt geraten. Keine mathematische Funktion kann diesen Konflikt beseitigen, ohne Werte einzubeziehen. Man kann ein Modell konstruieren, das Wachstum mit 40 Prozent gewichtet, Beschäftigung mit 30 Prozent, das Klima mit 20 Prozent und den Abbau von Ungleichheit mit 10 Prozent.

Doch wer hat diese Gewichtungen festgelegt?

Diese Wahl ist politisch. Zahlen allein machen sie nicht neutral. Sie können sie lediglich besser verbergen. Hier liegt die technokratische Gefahr: eine Abwägung zwischen Werten in einen Parameter zu verwandeln und das Ergebnis anschließend als „optimal“ darzustellen.

Optimal im Verhältnis wozu?

Nach welcher Gewichtung?

Diese Frage müsste automatisch aufkommen, sobald wir das Wort Optimierung hören. Das Optimum existiert niemals absolut. Es existiert im Verhältnis zu einer Zielfunktion, zu Nebenbedingungen und Annahmen. Diese mathematische Wahrheit wird zu einer politischen Wahrheit.

Wenn wir die Zielfunktion vergessen, verwandeln wir den Algorithmus in ein Orakel.

Hier finde ich Anklänge an Pythagoras und seine Faszination für Zahlen. Vielleicht lässt sich alles durch Zahlen darstellen, doch das bedeutet nicht, dass Zahlen unsere Ziele vorgeben. Sie können die Kosten eines Krankenhauses messen. Sie sagen uns nicht, wie viel eine Gesellschaft in die Pflege eines alten Menschen investieren möchte. Diese Entscheidung enthält eine Vorstellung von Würde. Sie lässt sich nicht aus einer Gleichung ableiten.

Die Fantasie einer optimierten Wirtschaft stößt hier an ihre Grenze. Eine Gesellschaft ist kein einzelnes Unternehmen, dessen Leiter das Ziel festgelegt hat. Sie enthält Millionen teilweise widersprüchlicher Ziele. Der Verbraucher will einen niedrigen Preis. Der Beschäftigte will einen hohen Lohn. Der Unternehmer will investieren. Der Anwohner will Ruhe. Der Bürger will öffentliche Leistungen und wünscht sich womöglich niedrigere Steuern.

Politik organisiert diese Widersprüche. Sie beseitigt sie nicht.

Eine KI kann uns die Zielkonflikte mit bislang unerreichter Präzision zeigen. Sie kann nicht legitim allein entscheiden, welche Abwägung wir bevorzugen. Diese Unterscheidung muss unbedingt im Zentrum bleiben.

Die Zielfunktion ist daher niemals neutral.

Wenn die Regierung das Modell jedoch benutzt, um zu sagen: „Die Wissenschaft schreibt diese Entscheidung vor“, begeht sie einen begrifflichen Fehler. Wissenschaft kann die Folgen erhellen. Die Wahl des angestrebten Ergebnisses bleibt politisch.

Diese Grenze ist fragil, weil technische Raffinesse beeindruckt. Ein Modell mit Milliarden Parametern, Simulationen und Diagrammen kann einer Entscheidung einen Anschein von Unvermeidlichkeit verleihen. Genau das gilt es zurückzuweisen.

Je mächtiger das Werkzeug, desto größer muss die Transparenz der Annahmen sein. Das ist beinahe eine Proportionalitätsregel.

Rechenleistung muss von der Fähigkeit zur kritischen Analyse begleitet werden. Ein bedeutendes Wirtschaftsmodell muss sich auf die Annahmen befragen lassen, die seine Ergebnisse am stärksten beeinflussen.

Welche Parameter?

Welche Sensitivitäten?

Was geschieht, wenn die Wachstumsannahme falsch ist?

Das knüpft an die Wissenschaft vom Irrtum an. Bei großer Unsicherheit sollte eine politische Maßnahme niemals auf einem einzigen Szenario beruhen. KI kann Tausende Szenarien erzeugen. Nutzen wir diese Fähigkeit, um falsche Präzision zu überwinden.

Es ist paradox: Mehr Rechnen kann uns mehr Demut lehren.

Wir können nicht einfach sagen: „Die Arbeitslosigkeit wird bei 6,2 Prozent liegen“, sondern eine Verteilung zeigen, eine Bandbreite von Bedingungen. Das ist unendlich ehrlicher. Doch der politische Diskurs liebt die einzelne Zahl. Die Medien ebenfalls. Das institutionelle System muss daher lernen, Unsicherheit darzustellen. Das ist eine kulturelle Herausforderung.

Dasselbe Problem durchzieht Krieg, Finanzwelt und Staat. KI erweitert unsere Fähigkeit zur Modellierung und damit das Risiko, das Modell mit der Welt zu verwechseln.

Die Karte wird genauer, doch sie ist noch immer nicht das Gelände.

Dieser Satz muss im Zentrum bleiben.

Eine algorithmische Wirtschaft kann einen außerordentlich reichen digitalen Zwilling besitzen. Datenströme in Echtzeit, Simulationen. Das kann in Krisen außergewöhnlich nützlich sein. Bei einer Energieknappheit kann die Regierung schneller erkennen, wo Belastungen entstehen und welche Industrien entscheidend sind. Das ist Fortschritt.

Doch der digitale Zwilling umfasst nicht die gesamte Gesellschaft. Vertrauen, Erschöpfung oder Ressentiment lassen sich nicht leicht messen. Dennoch können diese Variablen eine politische Krise auslösen. Deshalb bleibt der gesunde Menschenverstand wesentlich.

Ein Modell könnte sagen, dass eine Maßnahme wirtschaftlich effizient, aber politisch explosiv ist. Die zweite Ebene zu ignorieren wäre ein Fehler. Wirtschaft ist niemals von kollektiver Psychologie getrennt. Die Märkte selbst werden von Erwartungen angetrieben. KI kann Stimmungen analysieren, doch das macht die Gesellschaft nicht zu einem vollständig messbaren Gegenstand. Sie reagiert auf die Analyse.

Wieder die Reflexivität.

Wenn die Regierung bekannt gibt, dass ihr Modell einen Engpass vorhersagt, können Bürger mehr kaufen und den Engpass dadurch erzeugen. Die Vorhersage verändert das System. Hier liegt eine Besonderheit der Sozialwissenschaften: Der Beobachter kann zum Akteur werden. KI beseitigt diese Schwierigkeit nicht. Sie kann sie sogar verstärken, indem sie Prognosen schneller verbreitet.

Deshalb braucht es eine Ethik öffentlicher Prognosen.

Was veröffentlichen wir?

Wann?

Mit welchem Kontext?

Informationen zu verbergen kann undemokratisch sein. Eine unkommentierte Warnung zu veröffentlichen kann Panik auslösen. Man muss entscheiden. Wieder eine politische Entscheidung. Das Modell löst das Kommunikationsproblem nicht. Es handelt sich um eine Verantwortung.

Diese Reflexivität macht auch die Vorstellung einer vollständigen Planung nahezu unmöglich. Selbst wenn der Staat alle gegenwärtigen Daten besäße, verändern die Akteure ihr Verhalten entsprechend den Regeln. Eine neue Steuer löst Anpassungen aus. Eine Subvention verändert Investitionen. Das System antwortet. Die Wirtschaft ist dynamisch. Es gibt keinen festen Steuerbefehl, der unbegrenzt dasselbe Ergebnis hervorbringt.

Deshalb sind gute politische Maßnahmen selbst anpassungsfähig.

Man setzt ein Ziel, misst, korrigiert. Das gleicht beinahe einer kybernetischen Regelung. KI kann diesen Kreislauf erheblich verbessern. Die tatsächlichen Auswirkungen einer Maßnahme lassen sich schneller bewerten. Das ist potenziell revolutionär. Statt mehrere Jahre darauf zu warten, ob eine Maßnahme funktioniert, kann man bestimmte Indikatoren nahezu in Echtzeit verfolgen.

Doch übermäßiges Nachsteuern muss vermieden werden. Eine Maßnahme kann langfristige Wirkungen haben. Wird die Regel jeden Monat geändert, weil die Indikatoren schwanken, können die Beteiligten nicht mehr planen. Regulatorische Stabilität besitzt einen Wert.

Wieder die Vielheit der Zeithorizonte.

Die algorithmische Wirtschaft kann die Versuchung erzeugen, wie ein Hochfrequenzhändler zu regieren. Das wäre gefährlich. Ein Staat ist kein Hedgefonds. Er muss die lange Frist vertreten. Dieser Unterschied scheint mir wesentlich.

KI erlaubt uns, schneller zu sehen. Sie sollte uns nicht zwingen, uns schneller zu verändern.

Ein Planungssystem muss daher nicht nur nach der Qualität seiner Prognosen beurteilt werden, sondern nach der Qualität seiner Mechanismen zur Fehlerkorrektur.

Diese Idee durchzieht den gesamten Abschnitt: Die eigentliche Macht der KI liegt nicht unbedingt in der Geschwindigkeit des Handelns, sondern im Umfang der Analyse, die ihm vorausgehen kann. Auf die Wirtschaft angewandt bedeutet das, vor der Umsetzung einer Reform mehr Simulationen durchzuführen. Das könnte manche unbeabsichtigten Folgen abmildern. Doch kein Modell kann jedes mögliche Ergebnis vorwegnehmen. Die Wirklichkeit bringt Unerwartetes hervor.

Deshalb müssen Mechanismen für Rückmeldung und Bewertung erhalten bleiben.

Ein Gesetz sollte manchmal als überprüfbare Hypothese konzipiert werden. Natürlich nicht bei den Grundrechten, wohl aber in bestimmten Bereichen der Wirtschaftspolitik. Ein Ziel festlegen, eine unabhängige Bewertung und eine Überprüfungsklausel vorsehen: Das ist ein experimenteller Ansatz des Regierens. Er scheint mir sehr gut zum Zeitalter der KI zu passen.

Wir verfügen über viele Daten, mit denen sich messen lässt. Nutzen wir sie, um zu lernen. Doch dieses Experimentieren muss demokratisch bleiben. Bürger sind keine rechtlosen Versuchspersonen. Es braucht Grenzen und Transparenz. Wieder die Unterscheidung zwischen politischem Experimentieren und Experimenten an Menschen. Das Vokabular zählt.

Die Idee besteht einfach darin anzuerkennen, dass eine politische Maßnahme falsch sein kann, und ihre Korrektur vorzusehen. Das ist das genaue Gegenteil von Ideologie. Eine reife Regierung sollte sagen können: Wir dachten, diese Maßnahme würde diese oder jene Wirkung haben; die Daten zeigen etwas anderes; wir korrigieren. Diese Fähigkeit zur Selbstkorrektur ist wahre Intelligenz. Sie gilt für KI ebenso wie für Demokratie.

Ein System, das einen Irrtum nicht erkennen kann, wird dogmatisch.

Das ist einer der zentralen Gedanken meiner gesamten Methode.

Wo liegt mein blindspot?

Die algorithmische Wirtschaft kann dem Staat helfen, ihn zu entdecken, sofern er bereit ist hinzusehen. Werden Daten nur dazu benutzt, die Politik zu bestätigen, werden sie zur Propaganda. Das Problem ist niemals nur das Werkzeug; es ist die institutionelle Kultur.

Ein autoritäres Regime kann KI nutzen, um bestimmte Sektoren wirksamer zu planen, aber auch an einem klassischen Problem leiden: Werden Daten tatsächlich weitergegeben, wenn sie dem Regime widersprechen? Hochentwickelte Planung mit falschen Daten ist schlechter als ein einfacheres System mit ehrlichen Informationen. Genau das ist die Lehre der sowjetischen Planung, aber auch aller großen Organisationen. Solange die Akteure einen Anreiz haben, die Indikatoren zu manipulieren, optimiert die Zentrale eine Fiktion.

KI korrigiert institutionelle Lügen nicht. Sie kann sie stimmiger machen.

Das ist ein wichtiger Punkt. Künstliche Intelligenz kann gefälschte Daten vollkommen korrekt verarbeiten und eine völlig falsche Entscheidung hervorbringen. Falsche Eingaben, falsche Ausgaben — aber in politischem Maßstab.

Deshalb sind Pressefreiheit, unabhängige Statistik und wirtschaftliche Gegengewichte Dateninfrastrukturen. Das ist eine neue Sicht auf sie. Demokratie erzeugt Rauschen, aber auch vielfältige Quellen, anhand derer wir amtliche Zahlen vergleichen können. Das ist ein kognitiver Vorteil.

Eine offene Wirtschaft besitzt viele unabhängige Sensoren: Unternehmen, Forschende, Medien. Das kann die Planung weniger zentralisiert, die Diagnose aber belastbarer machen. Der demokratische algorithmische Staat sollte diese Vielfalt nutzen. Er sollte nicht nur ein einziges Modell der Wirtschaft schaffen. Er kann mehrere vergleichen.

Wieder der Pluralismus der Modelle.

Wenn mehrere Modelle voneinander abweichen, wird diese Abweichung zur Information. Genau darin liegt das Prinzip der Gegenprüfung.

Warum sagt ein BIP-Modell 2 Prozent voraus und ein anderes 0,5 Prozent?

Welche Annahmen unterscheiden sich?

Wirtschaftlicher Dissens, wenn ich es so nennen darf. Dissens ist eine Information.

Doch wir müssen die Vielfalt der Institutionen erhalten, die Modelle hervorbringen. Wenn alle dieselben Basismodelle und dieselben Daten nutzen, wird der Pluralismus oberflächlich. Wir enden bei einer kognitiven Monokultur. Das ist ein reales Risiko. Wenn mehrere Ministerien, Banken und Unternehmen dasselbe übergreifende Modell verwenden, kann sich ein gemeinsamer Fehler ausbreiten.

Deshalb sind kognitive Souveränität und technologische Vielfalt auch makroökonomische Fragen. Der Wettbewerb zwischen Modellen ist nicht nur eine industrielle Angelegenheit; er schützt das System vor synchronisierten Fehlern. Das kann zu einem Stabilitätsfaktor werden.

Stellen wir uns vor, alle großen Banken verwendeten denselben Agenten zur Prognose makroökonomischer Risiken. Wenn dieses System einen Faktor unterschätzt, können alle dieselbe Position einnehmen. Genau das ist ein systemisches Risiko. Eine algorithmische Wirtschaft braucht daher Heterogenität. Das widerspricht beinahe der Intuition.

Effizienz legt nahe, das beste Modell zu verwenden. Widerstandsfähigkeit kann dazu führen, mehrere weniger vollkommen synchronisierte Modelle einzusetzen.

Ein Marktpreis ist keine Wahrheit. Er ist ein Signal, das von einer Architektur hervorgebracht wird.

Aufsichtsbehörden müssen womöglich die kognitive Konzentration beobachten. Nicht nur die Konzentration der Banken, sondern auch die Konzentration der Systeme, die sie verwenden. Das ist eine neue Kartografie des Risikos.

Wieder der Graph.

Welche Modelle werden von wie vielen Akteuren genutzt?

Welche Anbieter bilden systemische Knoten?

Solche Fragen hätten wir vor einigen Jahren nicht gestellt. Sie werden wesentlich. Die algorithmische Wirtschaft offenbart damit, dass Software eine Finanzinfrastruktur ist.

Doch zurück zur Planung. Eines der größten Versprechen der KI dürfte in der Energie- und Industrieplanung liegen. Produktionsketten sind so komplex, dass niemand alle Abhängigkeiten verfolgen kann. Ein Modell kann erkennen, dass eine kleine Fabrik in einem fernen Land ein entscheidendes Bauteil für eine ganze Lieferkette herstellt. Das ermöglicht eine präzisere Industriepolitik. Statt einen ganzen Sektor zu subventionieren, lassen sich Engpässe identifizieren. Das ist ein gewaltiger Fortschritt.

Souveränität wird zur Karte.

Genau das habe ich über Abhängigkeiten geschrieben.

Welche Prozessoren?

Welche Mineralien?

Welche Fristen für Alternativen?

KI erlaubt uns, eine Art digitalen Zwilling der industriellen Kette aufzubauen. Das kann die Widerstandsfähigkeit verbessern. Doch auch hier entsteht die Versuchung zum Mikromanagement. Wenn der Staat alles sieht, soll er dann alles entscheiden? Nein. Sehen erlaubt es, Verwundbarkeiten zu erkennen, nicht sämtliche unternehmerischen Entscheidungen zu ersetzen.

Das Unternehmen besitzt lokales Wissen, Risikobereitschaft und Innovationsfähigkeit, die das zentrale Modell möglicherweise unterschätzt. Das ist genau die alte Kritik an der Planung: Manche Informationen sind lokal, stillschweigend vorhanden und nicht kodifiziert. KI verringert diese Grenze, beseitigt sie aber nicht. Das Können eines Ingenieurs, eine Kundenbeziehung oder Marktintuition sind nicht immer Teil der Datenbank.

Wir dürfen daher nicht zu dem Schluss kommen, dass zentrale Verarbeitungskapazität den Markt überflüssig macht.

Der Markt ist auch ein Mechanismus des Experimentierens. Tausende Unternehmen erproben unterschiedliche Strategien. Manche scheitern. Diese Vielfalt entdeckt Lösungen, die niemand geplant hatte. Es ist eine Art Evolution. KI kann private Experimente beschleunigen. Sie kann den Markt daher noch innovativer machen.

Umgekehrt kann der Staat KI nutzen, um Bereiche zu lenken, in denen privates Experimentieren nicht ausreicht, weil der Zeithorizont zu lang oder die externen Effekte zu groß sind. Dazu gehören Grundlagenforschung und Infrastruktur. Das ideale Verhältnis kann daher ergänzend sein: der Markt zur Erkundung, der Staat zur Schaffung bestimmter langfristiger Bedingungen und zur Abmilderung bestimmter Auswirkungen.

Diese Idee ist nicht neu, doch KI kann die Grenze beweglicher machen. Der Staat kann präziser erkennen, wo Marktversagen vorliegt. Aber auch die Diagnose kann angefochten werden. Eine Subvention kann Anreize zur Abschöpfung politisch geschaffener Sondergewinne erzeugen. Industriepolitik kann von den Akteuren vereinnahmt werden, die die Daten liefern. Wenn Unternehmen wissen, dass das öffentliche Modell nach strategischen Sektoren sucht, können sie ihre Tätigkeiten so darstellen, dass ihre Auswahl wahrscheinlicher wird.

Wieder das strategische Ausnutzen des Systems.

Jeder Indikator wird zum Ziel.

Der algorithmische Staat ist gegen Lobbyismus nicht immun. Er kann sogar eine Datenlobby hervorbringen. Unternehmen optimieren die Informationen, die sie übermitteln, um eine günstige Bewertung zu erhalten. Das ist zugleich faszinierend und beunruhigend.

Eine algorithmische Bürokratie kann den politischen Kampf auf die Manipulation der Eingaben verlagern. Wer das Modell versteht, kann lernen, es zu beeinflussen. Genau dieses Problem kennen wir von Ranglisten und Suchmaschinen. Wirtschaftsakteure versuchen, ihre Bewertungen zu optimieren.

Eine algorithmische Industriepolitik wird daher gegnerischen Strategien standhalten müssen. Daten müssen überprüft und miteinander abgeglichen werden.

Wieder die Herkunft.

Wir kehren immer zu denselben Säulen zurück. Die Entscheidungsmacht nimmt zu; die Beweispflicht muss zunehmen. Das bedeutet, dass der Staat unabhängige Daten braucht, nicht nur Selbstauskünfte. Doch zu viel Datenerhebung kann zur wirtschaftlichen Überwachung werden. Unternehmen brauchen Geschäftsgeheimnisse. Der Markt funktioniert zum Teil deshalb, weil die Akteure nicht alles offenlegen.

Eine allzu transparente Planung kann bestimmte Wettbewerbsvorteile zerstören. Deshalb braucht es sichere Architekturen für aggregierte Daten.

Wieder die Datenminimierung.

Der Staat braucht genügend Wissen, um Widerstandsfähigkeit zu gewährleisten, ohne jedes Geschäftsgeheimnis zu kennen. Das ist ein empfindliches Gleichgewicht. KI kann bestimmte Analyseformen ermöglichen, die Vertraulichkeit besser achten, doch das Problem bleibt institutionell.

Wer hat Zugang?

Welche Verwendungszwecke gibt es?

Das Vertrauen der Unternehmen hängt davon ab, dass die angegebenen Zwecke eingehalten werden. Wenn Unternehmen glauben, statistisch bereitgestellte Daten würden für Steuerzwecke genutzt oder an einen Konkurrenten weitergegeben, stellen sie die Zusammenarbeit ein oder verfälschen die Daten. Die Qualität des Systems hängt vom Vertrauen ab.

Hier liegt ein entscheidender Punkt: Daten sind eine Beziehung. Daten werden nicht im luftleeren Raum erhoben. Vertrauen erzeugt hochwertige Daten. Das gilt für Artprice wie für eine Regierung. Eine Architektur, die ihren Zweck verrät, zerstört ihre eigene Quelle. Das ist eine Form institutioneller Reflexivität.

Machtmissbrauch kann die Qualität der Informationen verringern, die man erhält.

Die Akteure können Informationen verbergen und ihr Verhalten anpassen.

Totale Überwachung kann die Organisation blinder machen.

Darin liegt ein zentrales Paradox: Alles sehen zu wollen kann dazu führen, weniger Wahrheit zu sehen. KI löst das nicht. Sie kann nur verarbeiten, was sie erhält.

Das knüpft an den Begriff des schwachen Signals an. Ein gutes System muss zulassen, dass abweichende Signale an die Oberfläche gelangen. Märkte erfüllen tatsächlich eine Signalfunktion. Ein steigender Preis erzählt eine Geschichte. Dem Planer mag das Signal missfallen, doch er muss es beachten. Eine gesunde algorithmische Wirtschaft muss diese Mechanismen des Widerspruchs bewahren.

Das führt mich zu einer Idee: Markt und Demokratie haben eine gemeinsame Eigenschaft. Beide sind Systeme verteilter Entdeckung. Der Markt entdeckt Preise und Präferenzen; die Demokratie entdeckt Konflikte und Willensrichtungen. Beide erzeugen Rauschen.

Eine zentralisierte Architektur mag sauberer erscheinen, läuft aber Gefahr, die Vielfalt der Signale zu verlieren. KI kann helfen, aus dem Rauschen Zusammenhänge zu gewinnen, ohne die Vielfalt zu beseitigen. Das ist ihre beste Rolle. Sie sollte Entdeckung nicht vorschnell durch zentralisierte Optimierung ersetzen.

In einem Markt bedeutet das, die Akteure experimentieren zu lassen. In einer Demokratie bedeutet es, Meinungen aufeinanderprallen zu lassen. KI wird zu einer Ebene der Systemanalyse, statt das System zu ersetzen. Ein Verfahren zu digitalisieren heißt noch nicht, es neu zu denken. Das ermöglicht uns, den alten Gegensatz zwischen Markt und Planung zu überwinden.

Wir können einen stark dezentralisierten Markt haben, der von Werkzeugen strategischer Planung beobachtet wird. Der Staat schreibt nicht jeden Preis vor, sondern erkennt Verwundbarkeiten. Vielleicht lässt sich das erweiterte Planung nennen: nicht jede Menge zuzuweisen, sondern eine Fähigkeit zur Vorausschau und Orientierung aufzubauen. Szenarien und Abhängigkeiten zu erkennen und dann traditionelle Instrumente — Regulierung, Besteuerung, Investitionen — besser informiert einzusetzen. Das kann außerordentlich wirksam sein.

China besitzt bereits eine ausgeprägte Kultur industrieller Lenkung. Auch die Vereinigten Staaten betreiben in strategischen Sektoren Industriepolitik. Europa ebenso. Die alte Erzählung von einem rein liberalen Westen gegenüber einem planwirtschaftlichen China ist zu einfach. Alle Großmächte verbinden Marktkräfte und Strategie. Der Unterschied liegt im Ausmaß, in den Institutionen und in der politischen Kontrolle. KI wird diese Verbindungen verfeinern.

Der Wettbewerb wird daher nicht zwischen Plan und Markt stattfinden, sondern zwischen gemischten Architekturen.

Welches System kann lenken, ohne zu ersticken?

Welches System ermöglicht lokale Innovation und baut zugleich langfristige Infrastruktur auf?

Das ist eine viel interessantere Frage. Und die Antwort kann je nach Sektor unterschiedlich ausfallen. Halbleiter verlangen enorme Investitionen und lange Zeithorizonte. Eine Softwareanwendung kann rasch entstehen. Für beides dieselbe Politik zu betreiben wäre absurd.

Wieder die Granularität.

KI kann tatsächlich helfen, zu pauschale Maßnahmen zu vermeiden. Doch sie kann auch die Versuchung verstärken, jeden Sektor mit einer Punktzahl zu versehen, und so eine extrem feingliedrige Bürokratie schaffen. Wir müssen algorithmisches Mikromanagement vermeiden. Eine Verwaltung könnte sich von der Vorstellung verführen lassen, die optimale Investitionsquote jedes Unternehmens zu kennen. Das ist eine Illusion. Das Modell kann Erfindungen, die noch nicht existieren, nicht erkennen.

Der Unternehmer kann etwas sehen, das die Daten nicht zeigen. Genau deshalb besitzt wirtschaftliche Freiheit einen Erkenntniswert, nicht nur einen moralischen Wert. Sie ermöglicht unvorhergesehene Erfahrungen. Eine Gesellschaft, die viele Akteure experimentieren lässt, erhöht ihre Chancen auf Entdeckungen. Das ist beinahe eine Erkundungsstrategie.

In der künstlichen Intelligenz sprechen wir von Exploration und Exploitation. Exploitation bedeutet, das zu optimieren, was wir bereits wissen. Exploration bedeutet, unsichere Wege zu erproben. Eine Wirtschaft muss beides tun. Der Markt ist oft eine formidable Erkundungsmaschine. Übermäßige Planung bevorzugt die Ausschöpfung vorhandenen Wissens. KI selbst kann in dieselbe Falle geraten.

Wenn sie Sektoren übermäßig optimiert, die gegenwärtig vielversprechend erscheinen, kann sie Ressourcen von unerwarteten Umbrüchen abziehen. Das ist ein erheblicher blindspot algorithmischer Industriepolitik. Das Modell versteht die Gegenwart besser und kann dadurch gegenüber der Zukunft konservativer werden. Es schreibt fort, was bereits existiert. Eine radikale Innovation ähnelt in historischen Daten oft einer schlechten Investition.

Wir müssen daher einen Teil der Ressourcen für Erkundungen reservieren, die sich durch Modelle nicht rechtfertigen lassen. Das ist beinahe ein Portfolio des Chaos. Diese Idee gefällt mir sehr. Eine intelligente Wirtschaft muss ein gewisses Maß unwahrscheinlicher Experimente finanzieren: Grundlagenforschung, Kunst, Unternehmertum. Viele scheitern. Einige verändern die Welt. Wenn wir nur den wahrscheinlichen Ertrag optimieren, können wir diese Randbereiche der Verteilung beseitigen. Genau das ist die Logik der Mutation. Mutanten sind selten. Eine Wirtschaft muss sie entstehen lassen.

Das bedeutet, dass scheinbare Ineffizienz ein Reservoir für Innovation sein kann.

Darin liegt ein grundlegendes Paradox. Manche Ausgaben erscheinen unnötig, bis sie eines Tages unverzichtbar werden. Forschung an wenig bekannten Technologien kann dreißig Jahre später zu einer Revolution führen. Staat und Markt haben bei dieser Finanzierung jeweils eine Rolle. KI könnte uns dazu drängen, jeden Euro mit einer Wahrscheinlichkeit zu rechtfertigen. Das wäre gefährlich.

Kreativität braucht einen Raum, der sich der Berechnung teilweise entzieht.

Sofort erkenne ich die demeure du chaos wieder und diese Idee einer autonomen Zone der Nichtoptimierung. Eine Gesellschaft, die jeden unmittelbaren Ertrag maximieren will, zerstört schließlich das, was noch keinen messbaren Wert besitzt. Die Kunst weiß etwas davon. Der Kunstmarkt kann Werken im Nachhinein Preise zuweisen. Er kann nicht im Voraus bestimmen, welches Werk die Geschichte verändern wird. Kultureller und finanzieller Wert fallen nicht immer zusammen.

KI kann Signale analysieren, doch sie darf nicht zur Instanz werden, die über die Ästhetik der Zukunft entscheidet. Das wäre Standardisierung. Diese künstlerische Lehre gilt für die gesamte Wirtschaft. Innovation besitzt ein störendes Element, das sich dem etablierten Modell entzieht. Deshalb braucht es eine Politik des Unerwarteten.

Das scheint widersprüchlich.

Wie lässt sich das Unerwartete planen?

Gerade indem man Bedingungen für Vielfalt schafft, Mittel für Erkundung bereitstellt und unabhängige Institutionen ermöglicht. Wir planen nicht das Ergebnis. Wir planen den Raum, in dem das Unerwartete erscheinen kann. Das ist eine wunderbare Unterscheidung.

Genau so funktioniert die demeure du chaos. Sie besitzt eine äußerst strenge Architektur, die das Entstehen freier Gesten ermöglicht. Das scheinbare Chaos wird durch eine tiefe Ordnung möglich. Vielleicht funktioniert die ideale Wirtschaft des KI-Zeitalters ebenso: eine stabile Infrastruktur, verlässliche Rechte, Netzwerke, Bildung und dann sehr viel Freiheit zum Experimentieren.

Der Staat baut den Athanor, entscheidet aber nicht im Einzelnen über jede Transmutation.

Diese alchemistische Metapher scheint mir treffend. Die Rolle der Macht besteht darin, die Bedingungen der Verwandlung zu schaffen, nicht jede entstehende Form auszuwählen. Vielleicht ist das ein Weg, den unfruchtbaren Gegensatz zwischen Staat und Markt zu überwinden. Der Staat kann der Architekt des Möglichkeitsraums sein. Markt und Gesellschaft erkunden ihn.

Doch es muss Grenzen geben, denn Erkundung kann externe Effekte erzeugen: Verschmutzung, Monopol. Das Recht bestimmt, was verboten ist. Wir finden dieselbe dreiteilige Struktur wieder: Infrastruktur, Freiheit, Grenzen.

KI kann alle drei verbessern. Sie kann den Infrastrukturbedarf erfassen, externe Effekte erkennen und Eintrittskosten senken. Sie kann die Wirtschaft daher offener machen, wenn sie gut gestaltet ist, oder stärker zentralisieren, wenn einige wenige Akteure die Modelle kontrollieren. Das Dilemma bleibt. Deshalb ist das Eigentum an kognitiver Infrastruktur entscheidend.

Wenn ein einzelner Akteur sowohl das für öffentliche Planung verwendete Modell als auch private Agenten kontrolliert, wird seine Macht außergewöhnlich groß. Er kann beide Seiten sehen. Das erzeugt eine potenziell gefährliche Informationskonzentration. Deshalb braucht es eine Vielfalt von Anbietern und öffentliche Kompetenzen. Damit kehren wir zur Frage der Souveränität zurück.

Die algorithmische Wirtschaft lässt sich nicht ohne die Geopolitik der Infrastruktur denken. Eine Macht, die bei ihren makroökonomischen Modellen oder Werkzeugen zur Industrieplanung von einer anderen abhängt, delegiert einen Teil ihrer strategischen Handlungsfähigkeit. Das bedeutet nicht, dass jedes ausländische Modell gefährlich ist. Doch die kritischsten Funktionen verlangen Kontrolle und Prüfung. Überall gilt dieselbe Regel. KI durchdringt verschiedene Bereiche, doch die Grundsätze bleiben.

Die Datenfrage erweist sich als besonders sensibel. Öffentliche Planung braucht Informationen. Doch der Wunsch nach immer genaueren Informationen kann zur Überwachung führen. Wir begegnen genau demselben Problem wie beim algorithmischen Staat.

Datenerhebung kann mit der Optimierung von Ressourcen begründet und anschließend zur Bewertung von Verhalten genutzt werden. Die technische Grenze ist nicht von selbst gegeben. Deshalb braucht es einen starken rechtlichen Rahmen für Zweckbindung und Trennung der Bereiche. Diese Wiederholung ist kein Zufall. Es ist dieselbe Machtstruktur in anderer Form.

Demokratische Wirtschaftsplanung muss bestimmte Bereiche individueller Undurchsichtigkeit akzeptieren.

Die Regierung muss nicht wissen, wer welches Buch kauft, um den Papierverbrauch vorherzusagen. Sie kann aggregierte Daten verwenden. Datenminimierung ist daher mit Effizienz vereinbar. Bei geeigneter Wahl der Verfahren kann KI manchmal ermöglichen, mit weniger eingriffsintensiven Daten zu arbeiten. Doch Datenschutz muss ein ausdrückliches Ziel sein. Sonst drängt die Logik des Modells auf immer mehr Daten.

„Mehr Daten = besseres Modell“ wird zur endlosen Rechtfertigung.

Diese Logik muss durchbrochen werden.

Ein besseres Modell: bei welchem zusätzlichen Nutzen und zu welchem Preis an Freiheit?

Wieder die Abwägung. Man könnte beinahe einen Grundsatz informationeller Verhältnismäßigkeit formulieren: Zusätzliche Daten nur dann erheben, wenn der Gewinn für die Entscheidung den möglichen Eingriff tatsächlich rechtfertigt. Das Recht kennt diese Logik bereits. KI macht sie dringlicher. Das könnte verhindern, dass im Namen der Effizienz eine panoptische Wirtschaft entsteht.

China bietet hier ein Koordinationsmodell, dessen Beobachtung ich für besonders lehrreich halte.

Europa könnte vielleicht ein Planungsmodell aufbauen, das weder zentraler Befehl noch Laissez-faire ist, sondern eine erweiterte Koordination von Märkten, öffentlicher Politik, Industriestrategie und demokratischer Kontrolle. Daraus könnte ein eigenständiger Weg werden.

Wieder die Regulierung als Infrastruktur des Vertrauens.

Die Frage ist, ob diese Architektur im weltweiten Wettbewerb schnell genug sein kann. Darin liegt die Bewährungsprobe. Europa wird vermutlich seine Bürokratie abbauen müssen, ohne sein Schutzniveau zu senken. Das ist schwierig, aber nicht unmöglich. Wir müssen unnötige Bürokratie von Verfahren unterscheiden, die Schutz gewähren. Wieder die zivilisatorische Latenz.

Formulare zu digitalisieren und zu automatisieren kann Zeit für die inhaltliche Kontrolle freisetzen. KI kann den Staat daher effizienter machen, ohne ihn autoritärer zu machen. Das verlangt eine klare politische Vorstellung. Und vielleicht wird der eigentliche globale Wettbewerb hier ausgetragen: Welche Architektur bringt zugleich Macht und Legitimität hervor?

Ein hocheffizienter Staat ohne Vertrauen kann an gesellschaftliche Grenzen stoßen. Eine hochlegitime Demokratie, die ihre Politik nicht umsetzen kann, kann fragil werden. Beides ist nötig. KI kann theoretisch die demokratische Umsetzungskraft steigern. Das ist eine historische Chance. Die Verwaltung kann Informationen schneller verarbeiten, politische Maßnahmen lassen sich besser bewerten. Doch das letztliche Ziel darf nicht delegiert werden.

Das bleibt immer die Grenze. Die Maschine optimiert die Mittel; die Gesellschaft diskutiert die Zwecke.

Diese Unterscheidung mag allzu sauber erscheinen, denn manchmal verändert die Wahl der Mittel das angestrebte Ergebnis. Überwachungstechnologie ist kein neutrales Mittel. Präziser muss es daher heißen: KI kann innerhalb eines Rahmens von Werten und Beschränkungen optimieren helfen, der ausdrücklich demokratisch festgelegt wurde. Und wenn das Mittel diese Werte verändert, muss die Entscheidung an die Politik zurückgegeben werden. Das ist eine Architektur der Subsidiarität. Routineentscheidungen werden auf Systemebene getroffen. Normative Entscheidungen werden auf menschlicher Ebene getroffen.

Dieser Grundsatz könnte vieles organisieren. Doch man muss die normative Dimension erkennen können. Eine Gewichtungsentscheidung mag technisch erscheinen. Das ist sie nicht. Auch hier ist die Sachkompetenz der Entscheidungsträger wesentlich. Die Gefahr besteht nicht darin, dass der Ingenieur absichtlich die Macht an sich reißt. Er trifft vielleicht nur eine notwendige Wahl, damit das Modell funktioniert. Wenn die Politik das nicht sieht, bleibt die Wahl implizit. Deshalb braucht es Verfahren, in denen die normativen Parameter kenntlich gemacht werden — eine Art Werteprüfung.

Welche Gestaltungsentscheidungen spiegeln gesellschaftliche Präferenzen wider?

Das ist ein neues Feld. KI macht Ethik operativ. Dieser Ausdruck kehrt wieder. Ein Modell muss mit Zielen programmiert werden. Das zwingt uns, ausdrücklich zu machen, was Institutionen manchmal vage ließen. Es ist vorteilhaft, wenn eine Debatte stattfindet. Gefährlich, wenn die Technik allein entscheidet. Fachübergreifende Zusammenarbeit wird daher wesentlich. Ökonomen, Juristen, Ingenieure, Soziologen. Wieder das Ende der abgeschotteten Fachbereiche. Genau so denke ich.

Eine rein wirtschaftliche Planung, die Psychologie, Recht und materielle Faktoren ignoriert, erzeugt Fehler. Die algorithmische Wirtschaft verlangt einen umfassenden Blick. Sie zwingt uns, Energie, Daten und Verhaltensweisen zu verbinden. Das kann ein außergewöhnlicher intellektueller Gewinn sein.

Doch Vorsicht vor der Fantasie der Totalität.

Je mehr Dimensionen ein Modell verbindet, desto allwissender erscheint es. Wir müssen die Möglichkeit bewahren zu sagen: Etwas fehlt. Der blindspot verschwindet niemals. Er verschiebt sich. Auch das vollständigste Modell besitzt noch ein Außen. Das ist beinahe eine philosophische Wahrheit. Kein System enthält die Welt, deren Teil es ist, vollständig. Die algorithmische Wirtschaft ist selbst ein Akteur innerhalb der Wirtschaft. Sie kann sich nicht außerhalb von ihr aufstellen.

Das begrenzt jeden Anspruch auf ein umfassendes Optimum. Und vielleicht ist das der letzte Grund, warum das gesellschaftliche Optimum eine gefährliche Illusion ist.

Es gibt keinen Endpunkt, an dem alle Widersprüche gelöst wären. Eine Gesellschaft ist ein Prozess fortwährender Aushandlung zwischen Werten, Generationen und Interessen. KI kann die Qualität dieser Aushandlung verbessern. Sie sollte nicht beanspruchen, sie abzuschließen. Die Demokratie selbst ist diese Offenheit. Eine Entscheidung kann angefochten, revidiert werden. Das technokratische Optimum möchte die Diskussion beenden: Wir haben die beste Lösung berechnet. Das ist antipolitisch. Politik beginnt genau dort, wo sich mehrere Lösungen anhand unterschiedlicher Werte vertreten lassen.

Die Gesellschaft ist kein Problem, dessen Antwort in Daten verborgen liegt.

Diese Aussage scheint mir grundlegend. Daten zeigen Folgen. Sie enthalten nicht den letzten Zweck des gemeinsamen Lebens. Deshalb lehne ich jede Vorstellung einer Regierung durch KI ab. Regieren heißt wählen, Verantwortung übernehmen und sich der Anfechtung aussetzen. KI kann ein außergewöhnliches kognitives Werkzeug des Regierens sein. Sie darf nicht zur Quelle der Legitimität werden. Das ist dieselbe Unterscheidung wie in allen vorhergehenden Kapiteln.

Legitimität bleibt menschlich und institutionell.

Dieses Beharren darf jedoch nicht als eifersüchtige Verteidigung menschlicher Überlegenheit verstanden werden. Ich versuche nicht, ein kognitives Privileg zu schützen. Die vierte narzisstische Kränkung ist anerkannt. Die Maschine mag vieles besser können. Der entscheidende Punkt liegt anderswo. Legitimität ist kein Intelligenzwettbewerb. Ein Kind besitzt Rechte, auch wenn es nicht rechnen kann. Eine Demokratie gibt Bürgern eine Stimme, die nicht alle dieselbe Fachkenntnis haben. Das ist eine moralische Entscheidung. Intelligenz verleiht nicht automatisch das Recht zu befehlen. Sonst hätten wir die politische Macht längst den brillantesten Mathematikern übertragen. Wir tun das nicht, weil Regieren bedeutet, Interessen und Werte zu vertreten.

KI muss daher von der Idee politischer Souveränität getrennt bleiben, selbst wenn sie für die technische Ausübung von Macht unverzichtbar wird.

Das ist eine feine, aber entscheidende Unterscheidung. Der Souverän nutzt Intelligenz, ohne sich ihr unterzuordnen. Das ist kollektive kognitive Souveränität. Und diese Unterscheidung muss institutionell geschützt werden. Vielleicht sollten manche Entscheidungen die verwendeten Modelle ausdrücklich nennen, aber von einem menschlichen Amtsträger unterzeichnet werden.

Wieder die Unterschrift.

Verantwortung ist der Faden, der den Menschen in der Architektur verankert, ohne vorauszusetzen, dass er alle Berechnungen selbst durchführt. Das erscheint mir sehr gesund. Ein Minister kann sagen: Mehrere Modelle weisen auf dieses Risiko hin; wir haben aus diesen Gründen diese Politik gewählt. Die Debatte kann sich dann auf die Gründe und die Daten richten. Das ist eine erweiterte Demokratie.

Damit das funktioniert, müssen die Bürger jedoch Zugang zu ausreichenden Informationen haben. Komplexität darf nicht als Vorwand für Geheimhaltung dienen. Die wesentlichen Annahmen können veröffentlicht werden. Forschende können sie analysieren. So entsteht eine neue Form algorithmischer offener Regierungsführung. Sie ist vielversprechend. Nicht immer muss der vollständige Code öffentlich sein, insbesondere wenn er sensible Informationen enthält. Doch Methodik, Quellen und die wichtigsten Parameter sollten häufig zugänglich sein.

Wieder die Verhältnismäßigkeit.

Die Transparenz muss ausreichen, um Widerspruch zu ermöglichen. Das ist unmittelbar mit der Architektur des Vertrauens verbunden. Eine algorithmische Wirtschaftspolitik muss eine Grundlage haben. Woher stammt die Diagnose? Welche Modelle werden verwendet? Das kann die öffentliche Debatte erheblich verbessern. Statt Slogans können wir Hypothesen vergleichen.

Die Wirtschaft ist kein von der Welt abgeschlossenes Labor. In ihr leben Menschen, die auf das Modell reagieren.

Wieder die Gestaltung.

Die Art, wie eine Maßnahme dargestellt wird, beeinflusst ihr Verständnis. Eine interaktive Simulation könnte die Zielkonflikte zeigen. Das ist eine interessante Perspektive für die Demokratie. Bürger verändern einen Parameter und sehen die geschätzten Folgen. Das könnte Entscheidungen greifbarer machen. Doch wir müssen Simulationsspiele vermeiden, die eine Illusion von Präzision erzeugen. Die Unsicherheitsbereiche müssen sichtbar sein. Das Modell darf nicht mit einem Steuerpult für reale Situationen verwechselt werden.

Wieder die Demut.

KI kann die Debatte besser informieren, wenn sie zugleich offenlegt, wo ihr Wissen endet. Diese Idee erscheint mir beinahe als Voraussetzung jeder demokratischen algorithmischen Wirtschaft: Unsicherheit muss ein Ergebnis des Systems sein, kein versteckter Mangel. Ein Modell muss sagen können: „Dieser Parameter ist zu unsicher für eine Optimierung.“ Das ist eine Art selbst erklärte Grenze. Sie schützt vor technokratischer Hybris.

Und Hybris ist genau die letzte Gefahr dieses Kapitels.

Zu glauben, dass wir das Ganze beherrschen können, weil wir so viel messen können. Die Geschichte bestraft diesen Glauben. Eine Krise, ein Krieg, eine Erfindung oder eine politische Entscheidung können das System verschieben. KI verringert manche Unsicherheiten. Sie hebt die Kontingenz nicht auf.

Hier sehe ich eine tiefe Verbindung zur Chaostheorie. Eine bessere Kenntnis der Anfangsbedingungen verbessert bestimmte Vorhersagen, doch das System bleibt empfindlich. Wir können den Prognosehorizont erweitern, ohne Allwissenheit zu erreichen.

Die Weisheit liegt darin, das Modell zum Aufbau von Widerstandsfähigkeit zu nutzen, statt zu behaupten, Unsicherheit beseitigen zu können.

Genau darin liegt der Unterschied zwischen der Vorhersage einer Krise und der Vorbereitung eines Systems, das mehrere mögliche Krisen überstehen kann. Der erste Ansatz sucht ein Orakel. Der zweite schafft Widerstandsfähigkeit. Ich wähle den zweiten. Das ist vermutlich der rote Faden dieser gesamten geopolitischen und wirtschaftlichen Erörterung. Wir wissen nicht genau, welcher Schock kommen wird. Schaffen wir Redundanzen und Anpassungsfähigkeit. KI kann uns helfen, die Szenarien zu erkunden.

Ihr Wert liegt nicht darin, uns die Zukunft zu nennen, sondern uns auf mehrere Zukünfte vorzubereiten.

Diese Definition erscheint mir viel belastbarer. Eine reife algorithmische Wirtschaft wird daher weniger eine vollkommen durchgeplante Wirtschaft sein als eine, die früher sehen, schneller erproben und besser korrigieren kann. Sie ähnelt einer lebendigen Intelligenz: Wahrnehmung, Handlung, Rückmeldung.

Doch dieser Kreislauf muss für menschliche Vielfalt offenbleiben. Hier kommt die Demokratie ins Spiel. Die Maschine misst quantitative Rückmeldungen. Bürger können sagen, dass die Politik trotz guter Indikatoren unerträglich ist. Dieses Signal muss berücksichtigt werden. Gesellschaftliches Leiden spiegelt sich nicht immer im BIP wider. Die Gelbwestenbewegung in Frankreich hat das drastisch gezeigt: Eine Maßnahme kann innerhalb eines Rahmens rational sein und dennoch auf eine Lebenswirklichkeit treffen, die das Modell unterschätzt hat. Genau das ist der blindspot.

Die algorithmische Wirtschaft muss daher qualitative Signale einbeziehen.

Befragungen, Konsultationen, Untersuchungen vor Ort. Der gesunde Menschenverstand taucht wieder auf. Ein Diagramm mag zeigen, dass die Maßnahme im Durchschnitt tragbar ist. Doch jemand, der täglich fünfzig Kilometer fahren muss, weiß etwas ganz anderes. Lokale Wirklichkeiten müssen in den Vordergrund rücken. Das spricht für eine dezentralisierte Planungsstruktur. Die Zentralregierung sieht das Gesamtbild, die lokale Ebene sieht die Einzelheiten. Beides ist nötig.

Wieder die kognitive Föderation.

KI kann helfen, lokale Rückmeldungen zusammenzuführen, ohne sie übermäßig zu vereinfachen. Das ist ein wunderbares Versprechen. Doch wenn das Zentrum KI nur dazu benutzt, einen Durchschnitt zu erzeugen, verliert es die Ausnahmen.

Den Dissens weiterhin bewahren.

Öffentliche Politik könnte dank KI regional genauer zugeschnitten und an besondere Kontexte angepasst werden. Doch das wirft eine Frage der Gleichheit auf. Unterschiedliche Regeln je nach Region können wirksam sein, aber als ungerecht empfunden werden. Deshalb muss zwischen Gleichheit und Einheitlichkeit unterschieden werden. Das Recht tut das bereits. KI ermöglicht stärkere Personalisierung. Das kann den Staat präziser machen. Doch übermäßige Personalisierung kann die Klarheit der gemeinsamen Regel verdunkeln. Wieder eine Abwägung.

Eine Gesellschaft braucht gemeinsame Grundsätze.

Nicht alles sollte individuell berechnet werden. Sonst könnten zwei benachbarte Bürger unterschiedlich behandelt werden, ohne zu verstehen, warum. Algorithmische Effizienz kann das Gerechtigkeitsgefühl untergraben. Das gilt für Preise ebenso wie für politische Maßnahmen. Eine allgemeine Regel ist im Einzelfall manchmal weniger optimal, aber legitimer, weil sie verständlich ist. Auch Einfachheit besitzt einen demokratischen Wert: Eine verständliche Regel kann legitimer sein als eine undurchsichtig gewordene individuelle Optimierung.

Die Technik neigt dazu, nach feingliedriger Optimierung zu suchen; das Recht behält manchmal allgemeine Kategorien bei, weil sie die Regel sichtbar machen. Die algorithmische Wirtschaft wird den richtigen Grad der Granularität finden müssen. Wieder dieses unvermeidliche Wort. Zu grob, und das System verschwendet Ressourcen. Zu fein, und es wird undurchsichtig und willkürlich.

Die Kunst des Regierens ist auch die Kunst der Auflösung, wie bei einem Bild.

Wie viel Detail ist nützlich?

Das erinnert mich an den digitalen Zwilling der demeure du chaos. Wir können die Genauigkeit steigern, doch die Frage bleibt: Wozu? Eine millimetergenaue Karte ist für eine Fahrt von Lyon nach Paris nutzlos. Präzision ist kein absoluter Wert. Man braucht die für die Entscheidung geeignete Auflösung. Das ist eine grundlegende Lehre für KI.

Mehr Daten sind nicht immer besser. Mehr Präzision ist nicht immer intelligenter. Intelligenz liegt darin, die passende Ebene auszuwählen.

Ein gutes Modell wird daher nicht allein nach der Menge der Details beurteilt, die es verarbeitet. Und vielleicht können Mensch und KI gerade hier eine bemerkenswerte Verbindung eingehen. Die Maschine durchsichtet die Einzelheiten. Der Mensch wählt die Auflösung, die politisch sinnvoll ist.

Eine Zielfunktion ist niemals der Zweck selbst; sie ist dessen Übersetzung. Deshalb muss es möglich sein, nicht nur die Ergebnisse des Modells erneut zu prüfen, sondern auch die Art, wie das Ziel in messbare Variablen übersetzt wurde.

Diese Ergänzung kann wirkungsvoll sein. Doch sie setzt voraus, dass Menschen ausreichend geschult bleiben, um nicht abhängig zu werden.

Wieder die kognitive Souveränität.

Der Entscheidungsträger muss fragen können: Warum brauchen wir diesen Detaillierungsgrad? Welchen Aufwand an Daten verlangt er? Das wird wieder politisch.

Wirtschaftliche Optimierung stößt jedoch an eine Grenze, wenn sie sich nicht mehr allein auf Ströme richtet und beginnt, den Einzelnen zu einem dauerhaften Gegenstand der Bewertung zu machen. An diesem Punkt geht es nicht mehr um das Optimum des Systems, sondern um die Freiheit des Menschen gegenüber der Vorhersage seiner selbst.