StartseiteArtikel

Warum macht uns KI im Gegenteil immer beschäftigter? Drei Paradoxien über KI

卫夕指北2026-11-17 09:27
Cowen-Paradoxon, Solow-Paradoxon und Jevons-Paradoxon.

Zuerst eine persönliche intuitive Beobachtung von mir:

KI schreibt Artikel immer besser, innerhalb von drei Minuten kann sie einen ganz ansehnlichen Text ausgeben.

Aber einen herzlichen, von allen gern gelesenen Artikel zu schreiben, ist keineswegs einfacher geworden.

Viele meiner ehemaligen Kollegen aus großen Tech-Unternehmen nutzen KI täglich, aber es ist offensichtlich, dass die Anforderungen der Chefs immer höher werden, viele Produktmanager verlangen, mit einem funktionsfähigen Demo zur Prüfungssitzung zu gehen.

Letztendlich spart uns KI keine Zeit, sondern macht uns immer beschäftigter.

Heute spricht Wei Xi zu diesem Thema über drei Paradoxa – das Cowan-Paradoxon, das Solow-Paradoxon und das Jevons-Paradoxon.

Ich werde nacheinander erläutern:

Warum machen uns Werkzeuge, die eigentlich die Effizienz steigern sollen, immer beschäftigter?

Warum ist der Produktivitätszuwachs durch KI nicht so hoch wie erwartet?

Und warum sind die Preise für Modelle um ein Vielfaches gesunken, aber unsere Ausgaben für KI nicht zurückgegangen sind.

Fangen wir direkt an:

I

Fangen wir mit dem Cowan-Paradoxon an, es erklärt nur eine Frage:

Warum hat die Waschmaschine die Mütter nicht befreit?

1983 veröffentlichte die amerikanische Technikhistorikerin Ruth Schwartz Cowan ein Buch mit dem Titel *More Work for Mother*, was wörtlich „Mehr Arbeit für Mutter“ bedeutet.

Als selbst Mutter hatte Cowan eine sehr praktische Beobachtung:

In den 70er Jahren gab es bereits Waschmaschinen, Staubsauger und Elektroherde in Hülle und Fülle – warum war sie trotzdem beschäftigter als ihre Muttergeneration damals?

Die Soziologin Joann Vanek legte 1974 eine Reihe von Vergleichsdaten vor:

Die Zeit, die amerikanische Hausfrauen pro Woche mit Hausarbeit verbrachten, lag 1924 bei etwa 52 Stunden und stieg bis 1966 sogar auf etwa 55 Stunden an.

Die Haushaltsgeräte waren vorhanden, aber die gesamte Arbeitszeit stieg statt zu sinken. Der Wirtschaftshistoriker Joel Mokyr nannte dieses Phänomen das Cowan-Paradoxon.

Da stellt sich die Frage: Wohin ist die eingesparte Zeit gegangen?

Cowan nannte drei Gründe:

Erstens haben sich die Standards geändert: Früher war es normal, einmal pro Woche Wäsche zu waschen, mit der Waschmaschine ist das tägliche Wechseln der Kleidung zum Standard in vielen Haushalten geworden.

Zweitens sind die Helfer verschwunden: Nach Cowans Aussage erledigte eine Hausfrau 1950 Arbeiten, für die 1850 drei bis vier Personen zusammenarbeiten mussten – die Anteile, die früher Dienstboten, Tochter und Ehemann übernommen haben, lasten jetzt alle auf ihrer Schulter allein.

Drittens sind neue Aufgaben entstanden: Zum Beispiel Fahren zum Supermarkt und Abholen der Kinder, die es im Zeitalter der Pferdekutschen überhaupt nicht gab.

Diese drei Punkte wiederholen sich im KI-Zeitalter im Grunde genommen:

Früher reichte ein handgemachter Prototyp, heute wollen Produktmanager ein Demo erstellen, sogar ein Video produzieren. Früher konnte man einen Praktikanten einstellen, heute wird dieses Budget stattdessen für KI verwendet.

II

Dies wird durch konkrete Daten gestützt.

Die amerikanische Berufsagentur Upwork befragte 2500 Personen über die Auswirkungen von KI auf die Arbeit, das Ergebnis zeigt:

77 % der Mitarbeiter, die KI nutzen, gaben an, dass ihr Arbeitsvolumen sogar gestiegen ist, 81 % der Führungskräfte gaben zu, dass sie die Arbeitsbelastung ihrer Mitarbeiter im letzten Jahr erhöht haben.

Im Februar 2026 veröffentlichten Aruna Ranganathan und Xingqi Maggie Ye von der UC Berkeley einen Artikel in der *Harvard Business Review* mit dem Titel „KI hat die Arbeit nicht reduziert, sie hat sie intensiver gemacht“.

Sie verbrachten acht Monate in einem Technologieunternehmen mit etwa 200 Mitarbeitern und stellten fest, dass Produktmanager begannen, Code zu schreiben, Forscher übernahmen Ingenieuraufgaben, und viele Personen übernahmen Arbeiten, für die früher eine neue Person eingestellt werden musste.

Der bekannte Entwickler Simon Willison teilte diesen Artikel mit der Bemerkung, dass es genau seiner Erfahrung entspricht.

Link zum Tweet: https://x.com/simonw/status/2020901645597683870

III

Ein weiterer Punkt, der Menschen durch KI erschöpft, ist die Nachbearbeitung.

Im September 2025 prägte das Stanford Social Media Lab das Wort „workslop“ – also Arbeitsabfall: KI-generierte Ergebnisse, die ansehnlich aussehen, aber in Wirklichkeit keine Fortschritte bringen.

Sie befragten 1150 vollzeitbeschäftigte US-Mitarbeiter, 40 % von ihnen erhielten im letzten Monat solche Ergebnisse, die durchschnittliche Bearbeitungszeit beträgt 116 Minuten pro Mal, was einem versteckten Verlust von 186 US-Dollar pro Person und Monat entspricht.

Ich kann das gut nachvollziehen: In den letzten zwei Jahren sind alle Materialien, die ich erhalte, länger und professioneller geworden, aber es ist anstrengender für mich, wichtige Informationen aus diesen Materialien herauszufiltern.

Manchmal muss ich sogar Claude fragen, was der Kerninhalt dieses Dokuments eigentlich aussagen will.

Im Februar 2026 veröffentlichte der Ingenieur Siddhant Khare einen Artikel mit dem Titel „KI-Müdigkeit ist real, niemand spricht darüber“, der auf Platz 1 von Hacker News landete.

Dieser lange Artikel lohnt sich für jeden, der KI nutzt, gründlich zu lesen (Link: https://siddhantkhare.com/writing/ai-fatigue-is-real)

Sein Kernargument lautet: Jede Aufgabe geht schneller, also übernimmst du mehr Aufgaben – aber dein Gehirn kann seine Kapazität nicht erweitern.

Link zum Tweet: https://x.com/Siddhant_K_code/status/2020503345476391330

IV

1930 schrieb Keynes einen kleinen Artikel mit dem Titel „Wirtschaftliche Aussichten für unsere Enkelkinder“.

Er rechnete nach: Solange das Kapital jährlich um 2 % wächst und die Technik sich normal weiterentwickelt, werden die Menschen bis 2030 nur drei Stunden pro Tag, also 15 Stunden pro Woche arbeiten müssen.

Er machte sich sogar Sorgen, dass die Menschen dann vor Langeweile nicht wissen, was sie tun sollen. (Keynes hat sich wirklich sehr um uns gesorgt)

Bis 2030 sind es weniger als vier Jahre, schauen wir uns die Daten an:

Nach Berechnungen mehrerer schweizerischer und spanischer Ökonomen aus dem Jahr 2024 sank die jährliche Arbeitszeit pro Kopf in den USA von 2316 Stunden im Jahr 1929 auf 1765 Stunden im Jahr 2019, also um 23,8 % in 90 Jahren.

Keynes' Ziel entspricht einer jährlichen Arbeitszeit von etwa 780 Stunden.

Also ist die Schlussfolgerung offensichtlich: Keynes lag falsch.

Sam Altman sagte diesen Sommer öffentlich, dass bei jeder technischen Revolution in der Geschichte mehr Freizeit versprochen wurde, aber die Gesellschaft hat nie wirklich weniger gearbeitet.

Er glaubt auch nicht, dass KI das ändern wird, weil Menschen von Natur aus wettbewerbsorientiert sind.

Ich nenne ein einfacheres Beispiel:

Früher arbeitete der Rikschafahrer Xiangzi sehr lange Stunden pro Tag. Angenommen, Xiangzi hätte damals ein Taxi, während alle anderen noch Rikscha fahren.

Dann könnte Xiangzi in zwei Stunden so viel verdienen wie andere an einem ganzen Tag – aber die Frage ist: Würde Xiangzi nur zwei Stunden fahren?

Offensichtlich nicht.

Und die grausame Realität ist, dass jeder, der mit Xiangzi konkurriert, auch ein Taxi hat, und die Kosten für ein Taxi nicht niedrig sind.

Das ist der heutige Taximarkt, und in der Tat auch der heutige KI-Markt.

V

Das Cowan-Paradoxon erklärt, warum Individuen beschäftigt sind – aber spiegelt sich diese Beschäftigung auch in den Wirtschaftsdaten als Produktivitätszuwachs wider?

Jetzt ist Solow an der Reihe.

Im Juli 1987 hinterließ der Ökonom Solow in einer Buchbesprechung der *New York Times* ein berühmtes Zitat:

„Die Produktivität im Computerzeitalter ist überall sichtbar, nur nicht in den statistischen Daten.“

Im Oktober desselben Jahres erhielt er den Nobelpreis für Wirtschaftswissenschaften.

Schauen wir uns die konkreten Daten an:

Die Arbeitsproduktivität im nicht-landwirtschaftlichen Sektor der USA wuchs von 1948 bis 1973 um durchschnittlich 3,19 % pro Jahr.

Von 1974 bis 1995, also den zwanzig Jahren, in denen Computer in allen US-Unternehmen verbreitet wurden, fiel die Wachstumsrate auf 1,53 %.

Nach dem Boom des Internets ab 1996 stieg sie wieder auf 3,15 %, fiel aber nach 2004 wieder auf 1,39 %.

Eine Person kann beschäftigter sein und mehr produzieren, oder beschäftigter sein, ohne dass die Produktion steigt – letzteres ist das, wovor Solow warnte.

Wird KI das Solow-Paradoxon also wiederholen?

VI

Wenn man in Solows Satz das Wort „Computer“ durch „KI“ ersetzt, passt er fast wortwörtlich für das Jahr 2025.

Auf mikroökonomischer Ebene verknüpfte Professor Anders Humlum von der University of Chicago die Umfragedaten von 25.000 dänischen Mitarbeitern mit offiziellen Steuer- und Beschäftigungsdaten für eine Analyse.

Das Ergebnis: Personen, die KI nutzen, sparen im Durchschnitt nur 2,8 % ihrer Zeit, es gibt keine signifikanten Auswirkungen auf Einkommen und Arbeitszeit.

Auf Unternehmensebene veröffentlichte MIT im Juli letzten Jahres den Bericht *Die GenAI-Lücke*: Unternehmen haben 30 bis 40 Milliarden US-Dollar in generative KI investiert, aber 95 % der Institutionen sehen keine messbaren Renditen.

Auf makroökonomischer Ebene veröffentlichte Callum Williams von *The Economist* im Februar 2026 eine Grafik zur US-Produktivitätskurve.

Die Bildunterschrift lautet nur ein Satz: In den US-Daten ist der durch KI verursachte Produktivitätszuwachs immer noch nicht zu sehen.

Link zum Tweet: https://x.com/econcallum/status/2023844211842576592

Das Indeed Hiring Lab wies außerdem darauf hin, dass nach Abzug der Investitionen die totale Faktorproduktivität der USA 2025 sogar von 1,5 % auf 0,8 % zurückging.

VII

Da stellt sich die Frage: Warum spiegelt sich eine offensichtlich so leistungsstarke