Der Aufstieg von KI-Agenten hat die Diskrepanz zwischen KI-Fähigkeiten und gesellschaftlichen Ressourcen verschärft

Viele Menschen prognostizieren bei raschem KI-Leistungsanstieg aufgeregt schnelle Weltveränderungen. Tatsächlich ist dies ein Missverständnis der Funktionsweise moderner Gesellschaften – oder anders gesagt: eine Überschätzung individueller Intelligenz und persönlicher Produktivität.

Fällt Ihnen auf, dass viele gut bezahlte Stellen in Institutionen und Großunternehmen bei der Rekrutierung hohe Bildungs- und IQ-Anforderungen stellen? Doch nach der Einstellung erledigen die Betroffenen oft langweilige Aufgaben, die sich mit durchschnittlichen Fähigkeiten leicht bewältigen lassen. Dennoch überwiegen heute noch häufig Nepotismus und Beziehungen gegenüber Kompetenz. In einem Wettbewerb können Organisationen jemanden mit durchschnittlichen Fähigkeiten, aber besonderer sozialer Herkunft und Ressourcen bevorzugen. Auch wenn dies ungerecht erscheint: Meist leisten solche Personen den Job ausreichend gut.

Warum ist das so? Viele führen dies auf „Abschlussinflation“ zurück – doch die Gründe sind komplexer; ich nenne sie „ineffektive Produktivitätsüberschüsse“.

Die moderne Gesellschaft ist ein dichtes Zusammenarbeitsnetzwerk: Eine qualitativ hochwertige Position stellt einen vorteilhaften Knoten im Netzwerk der gesellschaftlichen Ressourcen- und Machtverteilung dar. Die damit verbundenen Ressourcen und Macht sind knapp, doch die Anforderungen an individuelle Fähigkeiten sind gering – ebenso wie der Bedarf an hoher Produktivität der jeweiligen Person. Wer solch eine Position erhält und sich eifrig ans Werk macht, merkt rasch: Der System benötigt diesen Produktivitätszuwachs nicht. Unabhängig von Ihrer Kompetenz braucht dieses Netzwerk Sie nicht. Die hohen Einstiegshürden dienen lediglich der Auswahl unter vielen Bewerbern – Kompetenz ist dabei ein weniger umstrittenes Kriterium, nicht etwa ein echter Bedarf an Spitzenfähigkeiten.

In diesem Zusammenarbeitsnetzwerk trägt jeder nur einen kleinen Teil zur Gesamtleistung bei. Abgesehen von wenigen Ausnahmen fungieren die meisten als bloße Ressourcen-Routingsysteme innerhalb des Netzes; persönliche Produktivität muss lediglich einen Mindeststandard erfüllen – darüber hinaus bringt mehr keine spürbaren Vorteile für das Gesamtsystem.

Als Knoten in einem solchen Netzwerk bleibt daher jede über den Standard hinausgehende Intelligenz oder Produktivität wirkungslos – ein „Überschuss“, den das Netzwerk weder benötigt, nutzen noch verarbeiten kann.

So behaupten viele begeistert, durch KI-Lernen und -Anwendung ihre Produktivität gesteigert zu haben – doch tatsächlich überschätzen sie Rolle ihrer Intelligenz und Produktivität. Ein marginaler Produktivitätszuwachs hat im Gesamtnetz kaum Wert und lässt sich nicht verteilen. Ihr Unternehmen und Netzwerk benötigt ihn nicht – und kann ihn nicht verarbeiten. Daher gestehen viele KI-Experten ungern ein: Der eigentliche Nutzen dieser Produktivitätssteigerungen besteht meist darin, mehr Zeit zum Scrollen durch Kurzvideos zu gewinnen – ohne Erhöhung von Einkommen, Ressourcen oder sozialem Status.

Der aktuelle Hype um OPC (Einzelunternehmen) folgt derselben Logik. Die Entwicklungsengpässe solcher Unternehmen liegen nicht in interner Produktivität, sondern in externen Ressourcenverbindungen. Angesichts ihrer heutigen Stellung im geschäftlichen Sozialnetz können die meisten OPC ihre Produkte oder Dienstleistungen nicht verkaufen – möglicherweise fehlt sogar der Eigenwert.

Dieses Problem ist entscheidend: Alle wirtschaftlichen Aktivitäten müssen zu ökonomischen Anreizen führen, um den Kreislauf zu schließen und mittels positiver Rückkopplungsschleifen das Wirtschaftssystem weiterzuentwickeln. Doch die positiven Anreize, die die meisten Menschen durch KI-Nutzung erhalten, bleiben rein emotional – und sind daher nicht nachhaltig.

Wie lassen sich unmittelbare positive Anreize schaffen? Der Schlüssel liegt in Veränderungen der Netzwerkverbindungen. Solche Veränderungen führen zu einer Neuaufteilung von Ressourcen und Macht. Hat Ihr Knoten mehr Verbindungen im Netzwerk, spüren Sie sofort höhere Einkommen, Einfluss und Macht – selbst ohne jegliche KI-Nutzung.

Natürlich führt ein allgemeiner Anstieg der Knotenproduktivität langfristig zu Veränderungen der Verbindungsbeziehungen. In der Ära der KI-Agenten wächst die KI-Nutzungskompetenz unterschiedlicher Individuen rasch auseinander. Dieser Unterschied wird vom sozialen Netzwerk früher oder später wahrgenommen und in neue Verbindungsbeziehungen – ja sogar in eine veränderte Netzwerktopologie – umgesetzt. Doch das dauert – und geht langsamer voran, als die meisten KI-Influencer glauben. Wer nicht aktiv Verbindungen beschleunigt, sondern sich mit Effizienzgewinnen in seiner alten Rolle zufriedengibt und einfach mehr Zeit zum Video-Scrollen genießt, verpasst die frühen KI-Dividenden.

Zudem entsteht hier eine interessante Diskrepanz.

Derzeit lernen vor allem sekundäre Netzwerkknoten aktiv KI: Programmierer, Designer, Forscher und Analysten studieren täglich Agenten, MCP, Skills und Workflows, um ihre Produktivität zehnfach zu steigern. Doch das Problem ist: Wenn Sie ursprünglich einen Bericht pro Tag schrieben und nun zehn erstellen können, braucht Ihre Organisation zehn nicht; wenn Sie ursprünglich wöchentlich ein Prototyp erstellten und nun täglich eines fertigstellen, ist die Geschwindigkeit von Budgetierung, Entscheidungsfindung, Vertrieb, Recht und Beschaffung nicht um das Siebenfache gestiegen. So staut sich viel neu geschaffene Produktivität an den verbundenen Knoten und bringt dem Gesamtsystem wenig Nutzen.

Umgekehrt kontrollieren Unternehmer, Führungskräfte, Investoren und institutionelle Leiter tatsächlich die Ressourcen: Sie verfügen über die meisten Kunden, Kapital, Personalhoheit und soziale Kontakte. Könnten sie ihre KI-Kompetenz zehnfach steigern, wäre der Hebel-Effekt weit größer als bei einem normalen Angestellten. Doch die Kluft zwischen diesen Personen und der Spitze der KI-Anwendungskompetenz wächst rasant.

Ein wesentlicher Grund dafür ist, dass seit der zweiten Hälfte 2025 mit dem Aufstieg von KI-Agenten KI-Anwendungsinnovation zunehmend programmiergetrieben wird.

Früher ging es bei KI um Chatten, Schreiben, Suchen und Zeichnen – CEOs und Programmierer konnten gleichermaßen teilnehmen. In der Agentenphase entstehen jedoch viele Neuheiten zunächst durch KI-Codierung: Agenten, MCP, Skills, Harness, CLI, API, Git, IDE, diverse Workflows und Orchestrierung. KI wird weniger wie Software – und immer mehr wie ein Managementsystem, das man selbst bauen und steuern muss.

Dies erzeugt ein Problem.

Ein fünfzigjähriger CEO mag hervorragend Unternehmen führen, finanzieren und Ressourcen mobilisieren können und die Bedeutung von KI voll verstehen. Fragt man ihn jedoch, ein Terminal zu öffnen, einen Coding-Agenten zu installieren, MCP zu konfigurieren, mehrere Agenten parallel auszuführen und APIs, GitHub sowie diverse Tools zu verbinden, gibt er wahrscheinlich sofort auf.

Dies ist kein Intelligenzproblem, sondern eine Kompetenzlücke.

So entsteht eine merkwürdige Situation: Wer KI versteht, fehlen die Ressourcen; wer über Ressourcen verfügt, weiß nicht, wie er KI nutzen soll.

Die erste Gruppe bemüht sich verzweifelt um höhere Produktivität, besitzt aber kein ausreichend großes Netzwerk, um diese zu absorbieren; die zweite Gruppe verfügt über ein umfangreiches Ressourcennetzwerk, doch ihr fehlt die Fähigkeit, die neueste maschinelle Produktivität einzubinden. Dieses Missverhältnis halte ich für eine besonders bemerkenswerte Herausforderung der kommenden Jahre.

China hat ein zusätzliches Problem: Die beiden aktivsten KI-Anwendungsumgebungen sind derzeit OpenAI und Anthropic. Aus verschiedenen Gründen kann das chinesische Festland diese beiden Systeme nicht direkt und stabil nutzen – isoliert sind daher nicht nur die beiden Modelle, sondern auch die darauf aufbauenden Agenten, Entwicklungstools, Toolchains und Entwickler-Ökosysteme.

Diese Auswirkung könnte gravierender sein als die bloße Modell-Lücke selbst. Denn im Zeitalter der Agenten ist viel Wissen kumulativ: Heute geht es vom Chatten zur Tool-Aufrufung, morgen von der Tool-Aufrufung zur Agenten-Orchestrierung, und übermorgen beginnen Agenten sogar, eigene Tools zu entwickeln. Ein sechsmonatiger Startnachteil bedeutet dann möglicherweise nicht nur ein paar Benchmark-Punkte weniger, sondern einen kompletten Verlust etablierter Arbeitsmethoden.

Das wirklich Spannende in Zukunft ist daher, wann dieses Missverhältnis durchbrochen wird.

Einerseits: Können Personen, die derzeit an sekundären Knoten stehen, aber starke KI-Kompetenzen besitzen, diese nutzen, um mehr Kunden, Kapital, Aufmerksamkeit und soziale Verbindungen zu gewinnen – und damit ihre Position im Netzwerk zu verändern? Andererseits: Können jene, die bereits im Zentrum des Netzwerks stehen, Agenten wirklich beherrschen und ihre Ressourcensteuerungsfähigkeit mit maschineller Produktivität verbinden?

Sobald beide Entwicklungen im großen Maßstab einsetzen, verschiebt sich der gesellschaftliche Einfluss von KI von „jeder arbeitet etwas schneller“ hin zu Veränderungen bei Organisationsstrukturen, Unternehmensgrenzen und Ressourcenallokationsmethoden.

In dieser Hinsicht fallen viele prominente KI-Figuren auf: Sie begeistern sich oft für neue Technologien und Durchbrüche und stellen sensationelle Prognosen auf. Im Nachhinein erweisen sich die meisten davon als falsch – doch gerade dadurch gewinnen sie viel neue Aufmerksamkeit und Ressourcenverbindungen. Das ist eine kluge Strategie; ihr eigentlicher Gewinn liegt nicht in KI-Kompetenz oder Produktivität, sondern in Ihrer Aufmerksamkeit. Im Gegensatz dazu sind jene, die sich ausschließlich auf die Verbesserung ihrer KI-Fähigkeiten konzentrieren, ohne soziale Verbindungen auszubauen, zu ernsthaft.

Daher glaube ich, dass die gesellschaftlichen Veränderungen durch KI voraussichtlich drei Phasen durchlaufen werden.

Schritt eins: Veränderung der Knoten. Ihre persönliche Produktivität steigt um das Dreifache, Fünffache oder Zehnfache – das geschieht gerade jetzt.

Schritt zwei: Veränderung der Verbindungen. Einige Individuen gewinnen durch KI mehr Kunden, Kapital, Aufmerksamkeit und organisatorische Kompetenz und verändern so ihre Position im Netzwerk.

Schritt drei: Veränderung der Netzwerktopologie. Eine Organisation, die ursprünglich hundert Menschen benötigte, kommt nun mit einem Dutzend aus; Aufgaben, die früher ein Unternehmen erledigen musste, lassen sich heute von wenigen Menschen und einer Gruppe Agenten bewältigen – wodurch einige ursprüngliche Zwischenknoten verschwinden und neue Superknoten entstehen.

Erst in dieser dritten Phase transformiert KI tatsächlich gesellschaftliche Strukturen.