Sam Altman hat die Diagnose richtig gestellt. Nur kommt die Therapie nicht aus der Politik, sondern aus den Unternehmensleitungen.
Vergangene Woche hat Sam Altman ein dreizehnseitiges Strategiepapier veröffentlicht. Titel: Industrial Policy for the Intelligence Age: Ideas to Keep People First. Die Botschaft ist so einfach wie folgenreich: KI verschiebt die Verteilung des Werts von der Arbeit zum Kapital. Und wenn niemand eingreift, gerät das Fundament moderner Volkswirtschaften ins Wanken.
Altman fordert Roboter-Steuern, einen staatlichen Vermögensfonds und eine grundlegende Verschiebung der Steuerbasis: weg vom Arbeitseinkommen, hin zu Kapitalerträgen. Das klingt nach einem New Deal 2.0 — und genau so ist es gemeint. Der Verweis auf die Progressive Era und die 1930er Jahre ist kein rhetorischer Zufall.
Altman hat das makroökonomische Problem klar benannt. Nur setzt er auf der falschen Ebene an. Die Entscheidung, die das Verhältnis von Arbeit und Kapital tatsächlich verschiebt, fällt nicht in der Politik. Sie fällt jeden Tag in den Unternehmen.
Was Altman wirklich beschreibt
Der Kern seines Arguments ist makroökonomisch präzise: KI steigert die Kapitalproduktivität dramatisch. Zugleich sinkt der Anteil der Wertschöpfung, der als Lohn an die Arbeitenden geht. Das ist keine Prognose mehr — es ist eine messbare Verschiebung.
Der Staat könnte die Steuerbasis neu austarieren, indem er stärker auf kapitalbasierte Einnahmen setzt — höhere Steuern auf Spitzen-Kapitalerträge, auf Unternehmensgewinne oder gezielte Abgaben auf dauerhafte, KI-getriebene Renditen — und indem er neue Ansätze prüft, bis hin zu Steuern auf automatisierte Arbeit. — Aus dem OpenAI-Papier, April 2026
Was Altman beschreibt, ist der klassische Mechanismus der Faktorsubstitution: Wird Kapital — hier: KI — billiger, ersetzen Unternehmen Arbeit durch Kapital. Das hebt die Margen. Aber es senkt zugleich, über alle Unternehmen hinweg, den Anteil der Arbeit an der Wirtschaft.
Der Effekt ist nicht neu. Er ist so alt wie die Industrialisierung. Neu sind Tempo und Reichweite. KI macht die Substitution in der Wissensarbeit möglich — also dort, wo Qualifikation lange als Schutz vor Automatisierung galt.
„KI wird die Wirtschaft, wie wir sie kennen, zerbrechen. Die Frage ist, ob wir sie besser wieder aufbauen.“ — Sam Altman, Axios-Interview, April 2026
Das Makro-Problem: eine Falle mit zwei Schlössern
Das makroökonomische Problem hat seine eigene Logik — eine, die auf Unternehmensebene unsichtbar bleibt. Jedes einzelne Unternehmen handelt rational: Kosten senken, Margen steigern, Wettbewerbsfähigkeit sichern. Das ist Effizienz. Das Problem entsteht, wenn alle dasselbe gleichzeitig tun.
Sinkt das Arbeitseinkommen, sinkt die Kaufkraft. Sinkt die Kaufkraft, schwächt sich die Nachfrage ab. Schwächt sich die Nachfrage ab, helfen auch höhere Margen nicht mehr. Das ist keine Theorie — es ist die klassische keynesianische Nachfragefalle, diesmal ausgelöst durch technologischen Umbruch statt durch eine Finanzkrise.
Altmans Antwort: Umverteilung über Steuern. Ein staatlicher Vermögensfonds, gespeist von den KI-Konzernen, gibt jedem Bürger einen Anteil am Produktivitätswachstum. Die Nachfrage bleibt erhalten, auch wenn der Anteil der Arbeit sinkt.
Ökonomisch schlüssig. Politisch? Nicht in diesem Jahrzehnt. Schon die Biden-Regierung scheiterte daran, unrealisierte Kursgewinne zu besteuern. Die aktuelle Regierung hat andere Prioritäten. Und Europa — das regulierungsfreundlichste Terrain — kämpft um Wettbewerbsfähigkeit, nicht um Umverteilung.
Die Unternehmensebene: zwei Wege, eine Weggabelung
Weil der politische Weg versperrt ist, fällt die eigentliche Entscheidung dort, wo sie immer gefallen ist: in den Unternehmen. Und dort ist die Wahl nicht schwarz-weiß — die Richtung aber schon.
Weg 1 — Effizienz: Automatisieren → Stellen abbauen → Margen erhöhen. Funktioniert kurzfristig. Das Unternehmen wird nicht produktiver — es wird kleiner.
Weg 2 — Wachstum: Augmentieren → Menschen befähigen → Output steigern. Baut Kapazität auf. Braucht längere Zeithorizonte. Schafft dauerhaften Wettbewerbsvorteil.
Weg 1 ist der Default. Er lässt sich leichter begründen (Kosteneinsparung ist messbar), schneller umsetzen und einfacher im Investorenbericht erklären. Es ist auch der Weg, der im Großen die Falle zuschnappen lässt, die Altman beschreibt.
Weg 2 verlangt eine andere Ausgangsfrage. Nicht: Was können wir automatisieren? Sondern: Was können wir mit KI tun, was vorher nicht ging?
Der blinde Fleck: Produktivität wird falsch gemessen
Viele Unternehmen glauben, sie steigerten ihre Produktivität. In Wahrheit schrumpfen sie kontrolliert. Der Unterschied ist entscheidend — und in den meisten Management-Dashboards unsichtbar.
Klassische Effizienzkennzahlen messen den Output pro Mitarbeiter. Sinkt die Mitarbeiterzahl und bleibt der Output gleich, verbessert sich die Kennzahl. Das sieht aus wie Produktivität. Tatsächlich ist es nur ein kleineres System, das so viel produziert wie zuvor.
Echtes Produktivitätswachstum heißt: Das System produziert mehr — nicht, dass weniger Menschen dasselbe produzieren. Der Unterschied klingt technisch. Die strategischen Folgen sind fundamental.
Unternehmen, die KI für Effizienz nutzen, kaufen Zeit. Unternehmen, die KI für Wachstum nutzen, kaufen Zukunft.
Was das für Führung bedeutet
Altmans Papier legt nahe, Unternehmen sollten die Effizienzgewinne der KI nutzen, um Mitarbeiter zu halten, sie weiterzubilden und in die Vier-Tage-Woche ohne Lohnverzicht zu investieren. Für einen Tech-CEO ist das ein ungewöhnlich konservatives Argument. Und kein altruistisches: Es geht darum, die Nachfragebasis nicht zu erodieren, von der seine eigenen Produkte leben.
Auf Unternehmensebene übersetzt sich das in drei konkrete Führungsentscheidungen:
- Jede Automatisierungsentscheidung braucht eine Wachstumshypothese. Wer einen Prozess automatisiert, sollte eine klare Antwort darauf haben: Was tun die freigewordenen Kapazitäten stattdessen? Lautet die Antwort ‚nichts‘, ist es Kostensenkung — kein Produktivitätswachstum.
- Upskilling ist keine HR-Initiative — es ist Kapitalallokation. Mitarbeiter, die mit KI-Werkzeugen arbeiten können, sind produktiver als Mitarbeiter, die durch KI-Werkzeuge ersetzt werden. Der ROI von Weg 2 ist schwerer zu messen, aber strukturell dauerhafter.
- Die nächste Generation von Managementsystemen wird nicht ums Kostensenken gebaut — sondern darum, die richtigen Entscheidungen zu treffen und umzusetzen. Welche Chancen können wir jetzt ergreifen, die vorher außer Reichweite lagen? Welche Kundenprobleme können wir endlich lösen? Das sind die Fragen, die KI zum strategischen Instrument machen statt zum Kostenhebel. Unternehmen, die sie gut beantworten, sichern nicht nur ihre Margen. Sie sichern den Markt, in den hinein sie verkaufen.
Altman hat recht — aber er wartet auf den falschen Akteur
Sam Altman beschreibt ein reales Problem mit realer Dringlichkeit. Sein Papier ist keine PR-Übung — es ist ein ernsthafter Versuch, eine Debatte anzustoßen, der sich die Politik bislang nicht ehrlich gestellt hat.
Doch die Lösung, die er vorschlägt, setzt voraus, dass Regierungen schnell und kohärent handeln. Das ist — gerade in dem politischen Klima, das er selbst mitprägt — eine kühne Annahme.
Die tatsächliche Verschiebung zwischen Arbeit und Kapital geschieht nicht durch Gesetze. Sie geschieht durch tausende einzelne Entscheidungen in den Unternehmen — jeden Tag, in jedem Budgetgespräch, in jedem Automatisierungsprojekt.
Das ist keine schlechte Nachricht. Es heißt: Dort liegt auch die Lösung.
Man kann Arbeit automatisieren. Nachfrage nicht. Die Unternehmen, die das verstehen, treffen die richtigen Entscheidungen — und bauen die Systeme, um sie umzusetzen.
Quellen: OpenAI, „Industrial Policy for the Intelligence Age: Ideas to Keep People First“ (April 2026) · Axios, Behind the Curtain: Sam’s Superintelligence New Deal (April 2026) · Fortune (April 2026) · IMF World Economic Outlook 2017 · OECD Compendium of Productivity Indicators 2025 · Karabarbounis & Neiman, The Global Decline of the Labour Share, QJE 2014