Wem gehört die Maschine, die denkt?
Die nächste Maschine, die Fabriken verändert, besteht nicht aus Stahl, Stellmotoren und Förderbändern. Sie besteht aus Software, Daten und Rechenkapazität, und die gehören selten dem Werk. Produktionsplanung, Materialdisposition, Qualitätskontrolle, Wartungssteuerung: Funktionen, die bisher über mehrere Abteilungen und Führungsebenen verteilt waren, lassen sich zunehmend in einer einzigen digitalen Infrastruktur mit künstlicher Intelligenz bündeln. Die Fabrik bleibt sichtbar. Was sich in ihr verändert, ist unsichtbar. Was passiert eigentlich mit dem Mehrwert, wenn die Maschine übernimmt?
Klingt abstrakt. Ist es aber nicht. Und sie ist genau die Frage, die die SPD in ihrem neuen Grundsatzprogramm beantworten müsste.
Ein Prozess, der Antworten schuldet
Die SPD hat sich auf den Weg gemacht. Mit dem „Zukunftsauftakt“ im Februar 2026 hat sie einen Prozess gestartet, der bis zum Bundesparteitag im Dezember 2027 reichen soll. Bürger:innenforen, Lösungswerkstätten, Programmkonferenzen: ein Versprechen, Politik nicht hinter verschlossenen Türen zu machen, sondern dort, wo Menschen leben und arbeiten. Das ist richtig. Das ist überfällig.
Und doch: Ein guter Prozess trägt nur, wenn er die richtigen Fragen stellt. Zwei der zehn Themeneinheiten, die den inhaltlichen Rahmen setzen, heißen „Digitale Revolution – Eine neue Macht demokratisch gestalten“ und „Arbeit, Wirtschaft und Wohlstand – Der Wert der Arbeit für unsere Gesellschaft.“ Das sind die Felder, auf denen sich gerade etwas Grundlegendes verschiebt. Die Frage ist, ob die Programmdebatte diesen Wandel wirklich in seiner strukturellen Tiefe erfasst.
Was sich in den Betrieben verschiebt
Ich berate Unternehmen in der industriellen Transformation. Das bedeutet: Ich bin in Werkhallen, in Besprechungsräumen, in Planungssitzungen, und ich sehe dort etwas, das in keinem Transformationsprogramm wirklich vorkommt. Die mittlere Ebene verschwindet.
Nicht auf einmal, nicht spektakulär, aber konkret und namentlich. Die Fertigungsleiterin, die Kapazitäten, Personal und Auftragslage gegeneinander abwägt und entscheidet, wann welche Linie welchen Auftrag fährt: ein Optimierungssystem trifft diese Entscheidung heute in Echtzeit und ohne Nachtschicht. Der Leiter der Produktionsplanung, der aus Jahren der Erfahrung wusste, welche Lieferanten zuverlässig sind und wann ein Puffer eingeplant werden muss: sein Urteilsvermögen steckt heute in einem Planungsalgorithmus, der auf deutlich mehr Daten zugreift, als ein Mensch je überblicken könnte. Die Qualitätsmanagerin, die Abweichungen bewertete und über Freigaben entschied: diese Entscheidung trifft zunehmend ein System, das Bilddaten und Sensorwerte schneller und konsistenter auswertet.
Auch die klassischen Koordinationsrollen des mittleren Managements sind betroffen: der Werksleiter kleinerer Standorte, der operative Berichte bündelt und Entscheidungen an die Zentrale weiterreicht; die Bereichsleiterin Instandhaltung, die Wartungspläne, Ersatzteilbedarf und Ausfallrisiken koordiniert; der Leiter Einkauf und Lieferantenmanagement, dessen Verhandlungs- und Bewertungsentscheidungen zunehmend in Beschaffungsplattformen vorstrukturiert werden. Das sind keine Randfunktionen. Das sind die Positionen, die in deutschen Industrieunternehmen traditionell den Sprung von der operativen Fachkraft in Führungsverantwortung markiert haben. Diese Funktionen werden nicht alle verschwinden. Aber sie werden ausgedünnt, digital zerlegt und auf deutlich weniger Führungskräfte verteilt. Wo früher fünf Ebenen zwischen Werkbank und Geschäftsführung koordinierten, reichen zunehmend zwei.
Eine vorgeschlagene KI-Nachwuchsgarantie, wie gerade von der SPD-Bundestagsfraktion vorgeschlagen, zielt auf eine reale Lücke. Wenn Unternehmen infolge von KI-Einführungen qualifizierte Einstiegsstellen abbauen, sollen sie bezahlte Berufseinstiegsprogramme, zusätzliche Ausbildungsplätze oder vergleichbare Lernstellen schaffen. Andernfalls soll eine Zahlung in einen branchenbezogenen Nachwuchsfonds fällig werden. Das wäre ein sinnvoller Ansatz, weil er nicht nur die Weiterbildung bereits Beschäftigter betrachtet, sondern die Frage stellt, wie eine Gesellschaft überhaupt noch berufliche Erfahrung weitergibt, wenn die mittleren Lern- und Einstiegstätigkeiten verschwinden.
Auch dieser Vorschlag bleibt allerdings innerhalb der bestehenden Logik. Unternehmen sollen kompensieren, was ihre eigene Rationalisierung hervorbringt. Die Gesellschaft organisiert anschließend die Reparatur eines Problems, dessen wirtschaftliche Gewinne privat verbucht werden.
Dabei gibt es eine Szene, die mir in Gesprächen mit Beschäftigten immer wieder begegnet. Jemand erklärt stolz, wie sein Team einen Produktionsprozess optimiert hat, durch eigene Initiative, durch kollektives Wissen, durch jahrelange Erfahrung. Und dann kommt das System, ein Algorithmus, trainiert auf genau diesen Erfahrungswerten und repliziert diese Leistung automatisch. Für alle. Überall. Ohne Lohnkosten. Die Frage, die die Beschäftigten stellen, ist berechtigt: Wem gehört dieses Wissen eigentlich?
Die Antwort des gegenwärtigen Systems ist klar: dem Unternehmen, das die Infrastruktur besitzt.
Warum das keine neue Frage ist und warum sie jetzt dringlicher ist denn je
Um zu verstehen, was hier wirklich passiert, lohnt ein Blick zurück. Karl Marx hat im 19. Jahrhundert den Grundwiderspruch des Kapitalismus beschrieben: Produktion ist gesellschaftlich, die Früchte werden privat angeeignet. Eine Webmaschine wurde von vielen Menschen bedient, aber die Gewinne flossen dem Eigentümer. Der Wert entstand durch Arbeit, die Arbeit war aber in Abhängigkeit gefangen.
Marx unterschied dabei zwischen zwei Arten, wie Kapital Mehrwert erzeugt. Die erste ist die Verlängerung des Arbeitstags: mehr Arbeit, mehr Ertrag. Die zweite, subtilere ist die Steigerung der Produktivität durch Technik: Maschinen ermöglichen es, in derselben Zeit mehr zu produzieren. Der Anteil unbezahlter Arbeit wächst, ohne dass der Arbeitstag verlängert wird. Diese zweite Form ist heute die dominante und KI potenziert sie in einem Ausmaß, das qualitativ neu ist.
Frühere Automatisierungswellen haben körperliche Arbeit ersetzt. Webmaschinen, Fließbänder, Industrieroboter: sie haben Muskeln ersetzt, nicht Köpfe. Was jetzt passiert, ist anders. Generative KI ersetzt kognitive und koordinierende Arbeit. Sie trifft die sogenannte Wissensarbeit, all jene Tätigkeiten, durch die sich mittlere und gehobene Qualifikationsebenen bisher gegenüber früheren Automatisierungswellen schützen konnten. Das durch langjährige Praxis akkumulierte Können, das Erfahrungswissen einer eingespielten Produktionsplanerin, das Urteilsvermögen eines erfahrenen Controllers, wird in den Trainingsdaten der Modelle absorbiert und als Eigenschaft des Systems zurückgegeben. Es wird, in marxistischer Sprache, zu „toter Arbeit“, zu Kapital, das seinen lebendigen Ursprung verleugnet.
Das Mehrwertproblem, das niemand benennt
Hier liegt ein Denkfehler, der in der öffentlichen Debatte hartnäckig kursiert, und den man korrigieren muss, bevor man über Lösungen reden kann.
Die verbreitete Annahme lautet: KI vernichtet Arbeit, also droht Massenarbeitslosigkeit. Diesen Schluss zieht eine ganze Industrie von Automatisierungspropheten und er führt zu naheliegenden, aber unzureichenden Antworten: Umschulung, Grundeinkommen, Beschäftigungsgarantien.
Die empirische Forschung zeichnet ein differenzierteres Bild. Das eigentliche Problem ist nicht der dramatische Jobverlust, sondern die schleichende Ausweitung von Unterbeschäftigung und Prekarität. Die mittleren Qualifikationsebenen erodieren nicht durch einen Schock, sondern durch einen langen Prozess. Die neuen Jobs, die entstehen, sind häufig schlechter bezahlt, weniger sicher, weniger geschützt. Der Anteil nicht-standardisierter Beschäftigung wächst seit Jahrzehnten: Seit Mitte der 1980er-Jahre wurde bis 2010 für Deutschland einen Anstieg von rund 25 Prozent auf knapp 40 Prozent dokumentiert und vieles spricht dafür, dass dieser Trend seitdem nicht grundlegend gebrochen wurde. Und die eigentliche Ursache ist weniger Technologie, als strukturelle wirtschaftliche Stagnation; Automatisierung verstärkt diese Tendenz, ist aber nicht ihr Ursprung.
Der Unterschied ist politisch entscheidend. Wenn Massenarbeitslosigkeit das Problem wäre, könnten neue Beschäftigung und soziale Absicherung die Antwort sein. Wenn aber strukturelle Stagnation und Prekarisierung das Problem sind, braucht es andere Antworten, solche, die die Verteilung von Produktivitätsgewinnen selbst adressieren, nicht nur ihre Folgen abfedern.
Und genau hier kommt die Eigentumsfrage ins Spiel. KI-Systeme, zumindest nach deren aktuellem Können und Wissen, sind, ökonomisch betrachtet, Produktionsmittel. Sie schaffen keinen Wert aus dem Nichts, aber sie reorganisieren die Produktion so, dass die notwendige menschliche Arbeitszeit dramatisch komprimiert wird. Wer die Infrastruktur besitzt, muss nicht proportional mehr beitragen, er kontrolliert schlicht die Systeme, die das erledigen. Die Produktivitätsgewinne entstehen durch die absorbierte Arbeit und das Wissen vieler, sie fließen aber zu denen, die die Algorithmen, die Daten und die Rechenkapazitäten besitzen.
Was daraus folgt, ist eine neue Struktur wirtschaftlicher Macht. Es entsteht eine Art digitale Bourgeoisie, Plattformkonzerne, die nicht klassische Fabriken besitzen, sondern Infrastrukturen der Verbindung: Gateways, Datensilos, Modelle, Rechenzentren. Und ihr gegenüber eine wachsende Masse von Beschäftigten und Nutzerinnen gegenüber, die die entscheidenden Inputs liefern, Arbeit, Erfahrungswissen, Daten, Aufmerksamkeit, ohne an den entstehenden Erträgen angemessen beteiligt zu sein.
Was bleibt als Aufgabe des Unternehmers?
Wenn KI operative, taktische und zunehmend strategische Entscheidungen trifft, stellt sich eine unbequeme Frage: Was ist dann noch die genuine Funktion des Unternehmers? Die ehrliche Antwort lautet: Eigentum.
Nicht im trivialen Sinne des Besitzens, sondern im strukturellen: Wer bestimmt, was die KI optimieren soll? Wem gehören die Daten, auf denen sie trainiert wurde? Wer legt die Zielfunktion fest, Profitmaximierung, Marktanteil, langfristiger Wert? Wem gehört die Infrastruktur, die all das ermöglicht?
Das sind keine Kompetenzfragen. Das sind Eigentumsfragen.
In einer Wirtschaft, in der algorithmische Systeme zunehmend die Koordinations- und Entscheidungsfunktionen übernehmen, die früher von Beschäftigten ausgeübt wurden, werden diese Eigentumsfragen zum Kern der Verteilungsdebatte. Solange KI-Infrastrukturen im Eigentum weniger privater Konzerne konzentriert sind, fließen die Produktivitätsgewinne primär zu diesen Eigentümern, unabhängig davon, wie sozial das Begleitprogramm formuliert ist..
Marx hat dafür eine präzise Formulierung gefunden: Kapital ist tote Arbeit, die, vampirgleich, nur durch das Aussaugen lebendiger Arbeit lebt. Was im algorithmischen Zeitalter neu ist: Das Kapital saugt jetzt nicht nur körperliche, sondern kognitive Lebendigkeit aus und es tut das mit einer Effizienz und Geschwindigkeit, die frühere Automatisierungswellen nicht erreichten.
Was daraus politisch folgt und was der Kapitalismus strukturell verhindert
An dieser Stelle werden üblicherweise drei Antworten gegeben. Alle drei sind nicht falsch, aber alle drei greifen zu kurz.
Erstens: Umschulung und Qualifizierung. Wenn Berufsbilder wegbrechen, müssen Menschen neue Fähigkeiten erwerben. Das ist richtig. Aber es beantwortet nicht die Frage, wohin die Produktivitätsgewinne aus dieser Transformation fließen, und wer davon profitiert, wenn die neuen Fähigkeiten ihrerseits wieder durch das nächste Modell absorbiert werden. Der Qualifizierungsgedanke setzt voraus, dass es eine stabile Nachfrage nach menschlicher Arbeit gibt, in die man hineinqualifizieren kann. Diese Voraussetzung wird immer fraglicher.
Zweitens: Umverteilung durch Steuern. Eine stärkere Besteuerung von Kapitalerträgen, von Plattformgewinnen, von digitalen Renten: das ist notwendig. Aber Umverteilung greift nachträglich in Strukturen ein, die vorher schon fixiert wurden. Sie ist eine Antwort auf Verteilungsergebnisse, keine Antwort auf Verteilungsstrukturen.
Es ist daher folgerichtig, dass sich die SPD-Bundestagsfraktion dieser Frage stellt. In ihrem Beschlusspapier für die Klausur im September 2026, das dieser Tage veröffentlicht wurde, fordert sie, große Technologiekonzerne fair zu besteuern, Rechenzentrumsstandorte an den Gewinnen zu beteiligen und Möglichkeiten einer angepassten Unternehmensbesteuerung zu prüfen, damit Gewinne aus KI nicht bei wenigen ankommen. Auch eine breitere Finanzierung des Sozialstaats durch Kapitaleinkünfte und weitere Wertschöpfungsquellen wird vorgeschlagen. Das ist ein bemerkenswerter Schritt. Aus der abstrakten Frage nach der Verteilung des technischen Fortschritts wird damit zumindest ein konkreter steuerpolitischer Vorschlag.
Aber genau hier beginnt auch das Problem. Die Forderung, KI-Gewinne stärker zu besteuern, bleibt zunächst eine Antwort auf die Verteilung der Erträge. Sie verändert noch nicht die Eigentumsverhältnisse, aus denen diese Erträge entstehen. Eine Beteiligung der Gesellschaft an diesen Gewinnen kann den gesellschaftlichen Anteil erhöhen. Sie beantwortet aber nicht die vorgelagerte Frage, warum die entscheidende Infrastruktur zunächst privaten Unternehmen gehört und die Gesellschaft anschließend um eine Beteiligung an den eigenen Produktivitätsgewinnen bitten muss.
Drittens: Regulierung. KI-Systeme müssen kontrolliert, ihre Auswirkungen auf Arbeit und Gesellschaft begrenzt werden. Auch das ist richtig. Aber Regulierung legt Spielregeln fest, sie beantwortet nicht die Frage, wem das Spiel gehört.
Was fehlt, ist die Antwort auf die vorgelagerte Frage: Wer soll KI-Infrastrukturen besitzen? Und welche Eigentumsformen jenseits des privaten Konzerns sind denkbar?
Es gibt Denkansätze, die in diese Richtung weisen. Öffentliche Datenfonds, die die Erträge algorithmischer Systeme einer breiten Gesellschaft zugutekommen lassen. Kollektive Datenrechte, die verhindern, dass das Erfahrungswissen von Beschäftigten ohne Gegenleistung in Trainingsdaten überführt wird. Gemeinwirtschaftliche KI-Infrastrukturen für gesellschaftlich relevante Bereiche, Gesundheit, Bildung, öffentliche Verwaltung, statt privater Plattformmonopole. Demokratisch kontrollierte Plattformen, die Netzwerkeffekte nicht privatisieren, sondern vergemeinschaften. Aber hier muss man ehrlich sein: Diese Ansätze sind, im Rahmen der bestehenden Wirtschaftsordnung, kaum umsetzbar. Nicht weil sie technisch oder organisatorisch unmöglich wären, sondern weil das Kapital, das sie regulieren soll, längst globaler ist als jeder Nationalstaat und weil selbst europäische Regulierungsversuche an den Grenzen privater Eigentumsrechte und internationaler Standortkonkurrenz stoßen. Die Frage, wer die Mittel aufbringt, wer die politische Mehrheit organisiert, wer die Interessenkonflikte mit mächtigen Tech-Konzernen übersteht: diese Fragen sind nicht akademisch. Sie sind die eigentlichen Hürden.
Und das führt zu einer noch grundsätzlicheren Beobachtung: Der Kapitalismus hat eine strukturelle Antwort auf die Eigentumsfrage. Sie lautet: Das Eigentum an Produktionsmitteln ist privat. Wer sie besitzt, hat das Recht, die Erträge zu vereinnahmen. Diese Antwort war schon in der Industrialisierung das Problem und sie ist es heute wieder, in einer Intensität und Reichweite, die damals nicht vorstellbar war.
Marx hat das als inneren Widerspruch des Systems beschrieben: Die Produktivkräfte wachsen gesellschaftlich, die Aneignung bleibt privat. Irgendwann werden diese beiden Realitäten unvereinbar. Ob dieser Widerspruch durch Reform aufgelöst, durch politischen Druck reguliert oder durch eine grundlegendere Veränderung der Eigentumsordnung überwunden werden muss: das ist die eigentliche Frage, der sich eine sozialdemokratische Programmdebatte stellen müsste. Nicht als ideologisches Bekenntnis. Sondern weil die Realität sie stellt.
Eine Frage an den Prozess und an das System
Die SPD hat sich vorgenommen, „eine neue Macht demokratisch zu gestalten.“ Das ist der richtige Anspruch. Aber er ist nur einlösbar, wenn er auch die Eigentumsfrage einschließt. Der Grundsatzprogrammprozess läuft bis Ende 2027. In den Bürger:innenforen dieses Sommers, in den Lösungswerkstätten und Programmkonferenzen des kommenden Jahres wird sich zeigen, ob die SPD bereit ist, diese Fragen wirklich zu stellen.
Wem gehört die Infrastruktur, die denkt? Wer kontrolliert die Daten, aus denen die Algorithmen lernen? Wie werden die Produktivitätsgewinne des algorithmischen Zeitalters demokratisch verteilt? Und welche neuen Eigentumsformen brauchen wir, um sicherzustellen, dass die Antwort auf diese Fragen nicht allein von denen gegeben wird, die die Infrastruktur bereits besitzen?
Diese Fragen können im Rahmen des bestehenden Wirtschaftssystems nicht wirklich beantwortet werden. Jede Antwort, die das Eigentumsrecht an KI-Infrastrukturen ernsthaft antastet, scheitert an den Grenzen des kapitalistischen Rahmens selbst: an Investorenschutz, Standortkonkurrenz, der Macht der Konzerne, die diese Infrastrukturen kontrollieren.
Und die KI-Frage ist dabei nur ein Symptom, nicht die Krankheit selbst. Ob wir mit einem Verbrenner oder einem Elektroauto mit zweihundert Sachen auf eine Wand zurasen, macht für den Aufprall keinen Unterschied. Der Antriebsstrang ist nicht das Problem. Der Kurs ist es. Klimakrise, Demokratieerosion, geopolitische Blockbildung, wachsende Ungleichheit, die Erschöpfung öffentlicher Haushalte: Das sind keine Einzelkrisen, die man nacheinander abarbeiten kann. Es ist eine Systemkrise, die sich an vielen Stellen gleichzeitig zeigt. Die KI-Eigentumsfrage ist eine dieser Stellen, aber eben nur eine. Wer sie isoliert löst, während der Rest der Maschine weiterläuft wie bisher, betäubt ein Symptom, ohne die Ursache zu berühren. Genau deshalb wird die KI-Frage zum Testfall. Nicht weil künstliche Intelligenz die wichtigste Krise unserer Zeit wäre, sondern weil sich an ihr besonders schnell und besonders sichtbar zeigt, ob eine Gesellschaft überhaupt noch fähig ist, Eigentumsfragen zu stellen, bevor sich Fakten unumkehrbar verhärtet haben. Und dieser Test könnte deutlich früher kommen, als es der gemächliche Rhythmus von Grundsatzprogrammprozessen vorsieht. Die gegenwärtige KI-Euphorie an den Finanzmärkten trägt selbst die Züge einer Spekulationsblase: Die Bank für Internationalen Zahlungsausgleich verglich die aktuellen Investitionssummen der großen Technologiekonzerne, die 2026 zusammen über eine Billion Dollar in Rechenzentren, Chips und Infrastruktur stecken, in ihrem Jahresbericht ausdrücklich mit historischen Übertreibungen wie der Eisenbahn-Manie des 19. Jahrhunderts oder der Dotcom-Blase. Sollten diese Investitionen sich nicht in absehbarer Zeit auszahlen, drohen nicht nur Kursverluste, sondern ein abrupter Kapazitätsabbau mit Folgen für Beschäftigung, Zulieferketten und öffentliche Haushalte, die an der Infrastruktur mitfinanzieren. Es ist also nicht ausgeschlossen, dass wir über die hier gestellten Eigentumsfragen nicht erst in Jahren, sondern in den kommenden Monaten neu diskutieren müssen, wenn eine platzende KI-Blase die Verwundbarkeit der aktuellen Wachstumserzählung schlagartig offenlegt.
Vielleicht ist das der eigentliche Befund: nicht dass es an guten Ideen mangelt, sondern dass das System, in dem sie umgesetzt werden sollen, strukturell gegen ihre Umsetzung gebaut ist. Das wäre dann keine programmtechnische Frage mehr. Das wäre eine Systemfrage.
Für den Status quo sind die Vorschläge der SPD-Bundestagsabgeordneten gute Ansätze. Für ein neues Grundsatzprogramm reicht das aber nicht. Es muss endlich auch das Grundsätzliche angehen: die Eigentumsfrage, nicht nur bei KI, sondern bei der Organisation von Wirtschaft und Gesellschaft insgesamt. Wem gehören die Produktionsmittel des KI-Zeitalters, und wer entscheidet über die Verteilung ihrer Produktivitätsgewinne? Das ist die konkrete Frage. Die grundsätzliche lautet: Ist dieses System überhaupt noch in der Lage, sich selbst zu korrigieren, oder fährt es, ganz gleich mit welchem Antrieb, mit unveränderter Geschwindigkeit auf die Wand zu? Ich hoffe, dass der Grundsatzprogrammprozess mutig genug ist, beide Fragen zu stellen. Die Zeit dafür könnte knapper sein, als es der Kalender bis Ende 2027 vermuten lässt.
Alle Blogs in der Übersicht...
Quellen:
Benanav, A. (2019). Automation and the future of work – 2. New Left Review, 120, 117–146.
Marx, K. (1962). Das Kapital. Kritik der politischen Ökonomie. Erster Band: Der Produktionsprozeß des Kapitals (Marx-Engels-Werke, Bd. 23). Dietz. (Originalwerk erschienen 1867)
Marx, K. (1983). Grundrisse der Kritik der politischen Ökonomie (Marx-Engels-Werke, Bd. 42). Dietz. (Originalwerk verfasst 1857–1858; besonders: „Fragment über Maschinen“, S. 590–609)
Für die Strukturierung und Erstrecherche dieses Blogbeitrags wurden KI-Werkzeuge als digitale Assistenten genutzt. Die politische Bewertung, die finale Formulierung und die inhaltliche Prüfung erfolgten vollständig durch den Autor.