KI und die Zukunft der Arbeit in der IT: Was J. Keynes über Automatisierung und Produktivität richtig erkannt hat

Faktengeprüft

Vor fast einem Jahrhundert sagte John Maynard Keynes voraus, dass technologischer Fortschritt schließlich das Problem der Knappheit der Menschheit lösen würde. Anstatt zu arbeiten, um zu überleben, würden künftige Generationen seiner Ansicht nach arbeiten, um sich selbst zu verwirklichen.

Heute, da künstliche Intelligenz beginnt, nicht nur körperliche, sondern auch kognitive Arbeit zu automatisieren, einschließlich Softwareentwicklung, wirkt Keynes’ Frage wieder verblüffend aktuell: Eliminieren KI-Systeme Jobs, oder verändern sie die Struktur der Arbeit in der IT grundlegend? Dieser Artikel untersucht, wie der Aufstieg generativer KI an frühere technologische Revolutionen anknüpft und was er wirklich für Produktivität, Fähigkeiten und die Zukunft des Berufs bedeutet.

Keynes’ Vorhersage: Von Knappheit zu Überfluss

1930 schrieb John Maynard Keynes in seinem Aufsatz Economic Possibilities for Our Grandchildren, dass das zentrale ökonomische Problem der Menschheit — der Kampf ums Überleben — nicht dauerhaft sei. Durch Kapitalakkumulation, wissenschaftlichen Fortschritt und maschinenbasierte Produktion würde die Produktivität so stark steigen, dass die Gesellschaft innerhalb eines Jahrhunderts nicht Knappheit, sondern Überfluss erleben würde.

Keynes argumentierte, dass Arbeit, sobald die Produktivität ein ausreichendes Niveau erreicht habe, nicht mehr primär ein Mittel zum Überleben sein, sondern vielmehr ein Bereich der Selbstverwirklichung und freiwilligen Teilnahme werden würde.

Die Maschinenrevolution und technologische Arbeitslosigkeit

Keynes betrachtete den Übergang von Handarbeit zu maschinenbasierter Produktion als historischen Wendepunkt. Zum ersten Mal ersetzten Maschinen systematisch menschliche Muskelkraft. Dies führte zu dem, was er „technologische Arbeitslosigkeit“ nannte — ein vorübergehendes Ungleichgewicht zwischen der Geschwindigkeit der Automatisierung und der Fähigkeit der Gesellschaft, neue Rollen zu schaffen.

Langfristig erwartete er jedoch, dass die Arbeitszeit schrumpfen und der Schwerpunkt menschlicher Tätigkeit sich von reiner Produktion hin zu kultureller und intellektueller Entwicklung verschieben würde.

Der Wandel hin zur Automatisierung des Denkens

Heute erleben wir einen ähnlichen, aber tiefergehenden Übergang: von der Automatisierung körperlicher Arbeit hin zur Automatisierung kognitiver Arbeit. Künstliche Intelligenz und „Vibe-Coding“-Tools beginnen nicht nur manuelle Aufgaben zu ersetzen, sondern auch wesentliche Teile intellektueller Arbeit, einschließlich Programmierung, Analyse und Design.

Wenn die Industrieära den Körper mechanisierte, mechanisiert die KI-Ära das Denken. Das wirft dieselbe grundlegende Frage auf, die Keynes vor fast einem Jahrhundert stellte: Wenn die Produktivität schneller wächst als der Bedarf an menschlicher Beteiligung, wie werden sich Beschäftigungsstrukturen, der Wert von Fähigkeiten und die Natur der Arbeit selbst verändern?

Das Paradoxon generativer KI in der Softwareentwicklung

Die aktuelle KI-Landschaft in der IT ist zutiefst widersprüchlich. Generative Modelle können enorme Mengen an Code erzeugen, doch dieser Code ist oft redundant, nicht idiomatisch oder schlecht in die Projektarchitektur integriert.

Einige Open-Source-Communities sehen sich bereits einer Flut von Pull Requests gegenüber, die vollständig oder teilweise von großen Sprachmodellen (LLMs) generiert werden und mehr Zeit zur Prüfung erfordern als manuelle Beiträge. Viele dieser Einsendungen werden abgelehnt, und einige Projekte haben sogar KI-gesteuertes „Bug Hunting“ eingeschränkt.

In diesem Sinne führt KI eine neue Form von „technologischem Rauschen“ ein: Quantitative Produktivitätssteigerungen treten auf, während qualitative Ergebnisse nicht immer folgen.

Die versteckten Kosten beim Ersatz von Entwicklern durch LLMs

In einigen Unternehmen haben Versuche, Entwicklungsteams durch LLM-basierte Tools zu ersetzen, versteckte Kosten verursacht: wachsende technische Schulden, verschlechterte Architektur und komplexere Wartung.

Code kann schnell generiert werden. Doch Systemverständnis, architektonische Verantwortung und langfristiges Design-Denken skalieren nicht im gleichen linearen Maß. Das erzeugt Unsicherheit bei Fachleuten, die KI nicht als Werkzeug, sondern als destabilisierende Kraft auf dem Arbeitsmarkt sehen.

Ein wiederkehrendes Muster in technologischen Revolutionen

Historisch betrachtet erleben wir keine einzigartige Krise, sondern eine typische Phase einer technologischen Revolution.

Jede große technologische Transformation senkt die Eintrittsbarrieren und steigert die „oberflächliche“ Produktivität, während gleichzeitig ein Überangebot an minderwertigen Ergebnissen entsteht. Dies geschah während der Industrialisierung, der Massenproduktion, mit dem Aufstieg des Personal Computers und der Verbreitung des Internets.

Die Übergangsphase ist stets geprägt von überhitzten Erwartungen, Illusionen über den schnellen Ersatz des Menschen und der anschließenden Korrektur.

KI als Umverteilung von Komplexität und neue Infrastrukturschicht

Folgt man der Logik von Keynes, geht es bei KI in der IT weniger um die Eliminierung von Arbeit als um die Umverteilung von Komplexität. Maschinen beginnen, die routinemäßige kognitive Ebene zu automatisieren, während der Wert nach oben verschoben wird – hin zu Architektur, Systemdenken, Integration, Prüfung und Risikomanagement.

Es geht nicht um das Verschwinden des Berufs, sondern um seine Transformation.

Wie bei früheren technologischen Umbrüchen löst KI zunächst Angst aus, verteilt Rollen neu und verschärft den Wettbewerb. Langfristig erweitert sie jedoch die produktive Kapazität der Gesellschaft.

In diesem Sinne kann künstliche Intelligenz nicht als Ersatz für Spezialisten betrachtet werden, sondern als neue Infrastrukturschicht, vergleichbar mit der Dampfmaschine, Elektrizität oder dem Internet.

Die Kernfrage der Produktivität

Die grundlegende Frage bleibt dieselbe wie 1930: Wird steigende Produktivität die Routinearbeit verringern und Burnout reduzieren, oder wird sie einfach Erwartungen und Wettbewerb unter Fachkräften verschärfen?

Das Problem liegt nicht in der Technologie selbst, sondern darin, ob sie die menschliche Produktivität steigert oder primär für kurzfristige Kostenoptimierung eingesetzt wird. KI kann als Instrument zur Kostensenkung dienen oder als Beschleuniger für Forschung, Prototyping und interdisziplinäre Integration wirken.

Automatisierung erhöht die Komplexität, sie beseitigt die Arbeit nicht

Historisch gesehen hat Automatisierung Arbeit nicht zerstört. Sie hat das Komplexitätsniveau erhöht. Maschinen verdrängten körperliche Routinetätigkeiten, schufen aber neue Berufe in Ingenieurwesen, Management und Wissenschaft.

Ähnlich automatisiert KI Teile der kognitiven Routinearbeit und schafft Raum für komplexere Aufgaben: Systemdesign, Modellierung, Generierung wissenschaftlicher Hypothesen und groß angelegte architektonische Lösungen.

In diesem Sinne fungiert KI nicht als Ersatzwerkzeug, sondern als Treiber eines neuen wissenschaftlichen und technologischen Zyklus, der die Zeit zwischen Idee und Umsetzung verkürzt.

Die eigentliche Frage ist nicht, ob Spezialisten verschwinden, sondern welche Kompetenzen in einem sich schnell entwickelnden beruflichen Umfeld zentral werden.