Droht durch Künstliche Intelligenz Massenarbeitslosigkeit?

STUDIE. Riesige Investitionen in die Künstliche Intelligenz stellen die Frage nach der Auswirkung auf Produktivität, Arbeitsmärkte und Wohlstand. Die Antwort hängt von der Reaktion der Staaten ab.

🎧 Für Podcast-Liebhaber: In ca. 5 Minuten werden in unserem KI-generierten Podcast (erstellt mit NotebookLM) die wichtigsten Punkte der Studie diskutiert. 

“Higher interest rates lead to the economy running leaner, more geopolitical instability leads to more volatility, and increased regulation leads to slower growth and increased costs of innovation. Given this outlook, we’ll need to operate more efficiently than our previous headcount reduction to ensure success.”

Mark Zuckerberg (2023)

1. Die Investitionen und Entlassungen der Hyperscaler

Die Künstliche Intelligenz bringt die Welt nicht nur mit sekundenschnellen Recherchen, beeindruckenden Programmierfähigkeiten und autonomen Fahren zum Staunen. Auch die Aktienkursanstiege und Investitionsausgaben der großen Technologiefirmen sind beeindruckend (Abb. 1). Die fünf Hyperscaler (Amazon, Microsoft, Google, Meta, Oracle) haben für die KI der Zukunft 2026 Investitionen in Höhe von mehr als 600 Milliarden Dollar angekündigt — rund 36 Prozent mehr als 2025 (Crosley 2026). 2027 sollen es 1.000 Milliarden Dollar sein (Adams et al. 2026).

Der KI-Boom beflügelt auch die Fantasien über die Zukunft der Arbeit und der Arbeitsmärkte. Einerseits stellen die KI-Unternehmen kräftig ein, andererseits geht die Angst vor Arbeitsplatzverlusten um, zuletzt sogar ausgehend von der KI-Branche selbst. Seit dem Frühjahr 2022 hat die Technologiebranche in den USA Hunderttausende Stellen gestrichen, heißt es. Mark Zuckerberg rief 2023 ein „Year of Efficiency" aus und kündigte den Abbau von 15.000 Stellen an (Zuckerberg 2023). Er gab die Devisen „flatter is faster“, „leaner is better“, „keep technology the main thing“, „invest in tools to get more efficient“ sowie „in-person time helps build relationships and get more done“ aus.

Die hohen geplanten Investitionen schüren die Angst vor Arbeitsplatzverlusten, weil die KI vieles besser kann als Menschen. Brynjolfsson und McAfee (2014) identifizierten die KI bereits 2014 als universelle Helferin, die alle Lebensbereiche erfasst. Intelligente Roboter würden monotone und gefährliche Tätigkeiten in Fabriken übernehmen. Nach dem Futurist Martin Ford (2021) werden KI und Robotik viele hochqualifizierte Wissensberufe (z. B. Juristen, Radiologen oder Softwareentwickler) ersetzen und eine Phase struktureller Arbeitslosigkeit und wachsender Ungleichheit anstoßen. Laut Tech-Milliardär Elon Musk können KI und Robotik nahezu jede Tätigkeit besser und günstiger als Menschen erledigen. Niemand müsse mehr arbeiten, um seinen Lebensunterhalt zu sichern (Ray 2026). "In the future, physical work will be a choice." Von Himmel bis Hölle ist also in den Prognosen für die von der KI bestimmten Arbeitswelt der Zukunft alles drin. Welcher Ansatz ist der wahrscheinlichste? Und welche Rolle spielt die Stabilität der Währung für die Wirkung der KI auf Produktivität und Arbeitsmärkte?

2. Arten von Arbeitslosigkeit aus historischer Sicht

Bis zur industriellen Revolution gab es kaum Arbeitslosigkeit im heutigen Sinne, weil die meisten Menschen in der Landwirtschaft für ihren eigenen Lebensunterhalt arbeiten mussten. Die Menschen waren in feste soziale Strukturen wie Familie, Grundherrschaft, Dörfer, Klöster oder Zünfte eingebunden, wo sie Aufgaben oder im Notfall soziale Unterstützung fanden. Die Produktivität war gering, sodass die Menschen lange arbeiten mussten, um den Lebensunterhalt zu sichern.  Wellen von Arbeitslosigkeit entstanden erst in der industriellen Revolution, mit der Weltwirtschaftskrise und in der Nachkriegszeit in den 1970er Jahren – jedoch nicht dauerhaft und aus unterschiedlichen Gründen.

a. Technologische Arbeitslosigkeit in der industriellen Revolution

Karl Marx beschrieb das Entstehen von Arbeitslosigkeit und Verelendung im Zuge der industriellen Revolution mit Fokus auf England im 19. Jahrhundert. Mit besseren Anbaumethoden und neuen Geräten konnte dieselbe Agrarfläche mit weniger Arbeitskräften bewirtschaftet werden. Durch Einhegungen (Enclosures)¹ wurde Gemeindeland privatisiert und Grundbesitzer legten große Weideflächen für eine rentablere Schafzucht an. So verloren Kleinbauern oft ihre Nutzungsrechte, Arbeit und Existenzgrundlage und mussten fortan ihre Arbeitskraft in den Städten gegen Lohn anbieten, wo mit Hilfe von Maschinen große industrielle Produktionsstätten für Textilien und Stahlprodukte entstanden. Da sehr viele Menschen vom Land in die Städte strömten, konnten die Unternehmer die Löhne gegen das Existenzminimum drücken.

Die Beobachtung dieser Entwicklung animierte Marx (1867) zu einer Krisentheorie. Aufgrund des Gewinnstrebens schaffen die Kapitalisten Maschinen an, wobei deren Bestand schneller als der Bedarf an Arbeitskräften wächst. Immer mehr Menschen werden arbeitslos bis die „industrielle Reservearmee“ gegen die Kapitalisten und ihr Wirtschaftssystem aufbegehrt. Die Maschinenstürmer („Ludditen") des frühen 19. Jahrhunderts zerstörten mechanische Webstühle, weil sie ihre Existenz bedroht sahen. In Schlesien kam es 1844 zum Weberaufstand (Hauptmann 1892). Jüngst ist in den USA Widerstand gegen den Bau von Rechenzentren erwachsen. „The AI Backlash Has Tech Executives Fearing for Their Lives” heißt es (Ellis et al. 2026).

b. „Österreichische“ Arbeitslosigkeit

In der Überinvestitionstheorie von Mises (1912) und Hayek (1931) lösen zu niedrige Zinsen zu viele kreditfinanzierte Investitionen aus, sodass es zu einem nicht nachhaltigen Aufschwung kommt. Es steigen die Aktienkurse von Unternehmen und Banken, die im Aufschwung höhere Gewinne machen. Der Kursanstieg kann – oft getrieben von der Fantasie riesiger Gewinne aufgrund von bahnbrechenden Innovationen – in eine Spekulationswelle münden, in der sich die Aktienpreise von den fundamentalen Werten lösen. Wenn das Angebot auf dem Arbeitsmarkt knapp wird, steigen die Löhne, was die Unternehmen zu Preiserhöhungen zwingt.

Dann muss die Zentralbank die Zinsen erhöhen, um die Inflation zu bekämpfen. Die Messlatte, mit der die Profitabilität von Investitionsprojekten gemessen wird, liegt höher, sodass viele nicht mehr rentable Investitionsprojekte abgebrochen werden müssen. Der Bankrott erster Unternehmen zieht den Bankrott weiterer Unternehmen nach sich, sodass im Abschwung Arbeitslosigkeit entsteht. Diese Arbeitslosigkeit ist nicht die Konsequenz von technischem Fortschritt, sondern von geldpolitischen Fehlern, die Übertreibungen bewirkt haben.² Durch die Arbeitslosigkeit sinken die Löhne und die Preise, was die Voraussetzung für das Entstehen neuer Unternehmen und eines neuen Aufschwungs ist, der eine neue Nachfrage nach Arbeitskräften schafft.

Hayek (1931) erklärte die „goldenen 1920er-Jahre“ in den USA als einen solchen Überinvestitionsboom. Die US-Notenbank Federal Reserve habe nach der Rezession von 1920/21 durch Leitzinssenkungen eine Kreditexpansion und damit übermäßige Investitionen in langlebige Investitionsgüter ausgelöst. Der damit verbundene Aufschwung sei mit übermäßig steigenden Aktien- und Vermögenspreisen verbunden gewesen, der auch durch die Euphorie über die Innovationen des Fordismus mitgetragen worden sei.³ Abb. 2 zeigt den steilen Anstieg des Kurs-Gewinn-Verhältnisses des S&P 500 in den 1920er Jahren. Der Spekulationsboom fand mit dem Schwarzen Freitag im Oktober 1929 ein jähes Ende, nachdem aufgrund steigender Inflation die Federal Reserve Bank die Zinsen erhöht hatte. Die Arbeitslosigkeit stieg nicht aufgrund des technischen Fortschritts, sondern vor allem aufgrund der Anpassungskrise nach dem Platzen der Blase dramatisch an (Abb. 3).⁴

c. „Keynesianische“ Arbeitslosigkeit

John Maynard Keynes (1936) argumentierte im Zeichen der stark steigenden Arbeitslosigkeit der Weltwirtschaftskrise, dass der Staat Arbeitslosigkeit mit schuldenfinanzierten Staatsausgaben beseitigen sollte. Indem der Staat in Straßen, Eisenbahnen, Häfen und öffentliche Gebäude investiere, erwachse eine zusätzliche Nachfrage nach Arbeitskräften, während keine zusätzlichen – in der Krise ungenutzte – Produktionskapazitäten entstünden. Die Zentralbank solle die Zinsen senken, um die privaten Investitionen zu erhöhen.⁵ Keynesianisches Gedankengut fand sich ab 1933 unter anderem im New Deal des US-amerikanischen Präsidenten Franklin D. Roosevelt wieder, der Millionen Arbeitsplätze mit Straßen-, Brücken-, Schul-, Kultur- und Aufforstungsprojekten schuf.⁶ In Deutschland beseitigten die Nationalsozialisten die Arbeitslosigkeit durch öffentliche Bauprojekte, Aufrüstung und Wehrpflicht. De facto wurden durch den Ausbau der Beschäftigung im öffentlichen Sektor die Arbeitslosigkeit versteckt.

Nach dem Zweiten Weltkrieg entstand eine hohe Arbeitslosigkeit, weil die Produktionsstruktur zerstört war (Deutschland) und Soldaten aus dem Krieg zurückkehrten (Deutschland und USA). Die Stabilisierung der Währungen unter dem Bretton-Woods-System, die Liberalisierung des Welthandels unter dem General Agreement of Tariffs and Trade (1944) und marktwirtschaftlichen Reformen in den Verliererländern Deutschland und Japan schufen ein hohes Wirtschaftswachstum, das die Nachkriegsarbeitslosigkeit eindämmte. Die Lage auf dem Arbeitsmarkt war in den 1950er- und 1960er-Jahren stabil (Abb. 3). In Deutschland markiert die Wirtschafts- und Währungsreform des Jahres 1948 den Startpunkt für beeindruckende Produktivitätsgewinne, die die hohe Arbeitslosigkeit der Nachkriegszeit bis Ende der 1960er Jahre vollständig beseitigten (Schnabl 2024)

In der Wissenschaft setzten sich mit der antizyklischen Konjunkturpolitik die Lehren von Keynes durch (Samuelson 1948). Staatsschuldenfinanzierte Ausgabenprogramme und Zinssenkungen der Zentralbanken dominierten in Abschwüngen zunehmend die wirtschaftspolitische Agenda. Auf der Grundlage der modifizierten Philipps-Kurve breitete sich der Glaube aus, dass mit einer Ausweitung von Geldmenge und Inflation die Reallöhne und die Arbeitslosigkeit gesenkt werden könnten (Samuelson und Solow 1960). Doch da die Gewerkschaften die Inflation zunehmend bei den Lohnverhandlungen antizipierten, kam es in den 1970er-Jahren zu Lohn-Preis-Spiralen, die sich aufgrund steigender Unsicherheit negativ auf Investitionen und Beschäftigung auswirkten. Es entstand eine hohe „keynesianische Arbeitslosigkeit (Abb. 3), die durch den (schuldenfinanzierten) Ausbau der sozialen Sicherungssysteme verstetigt wurde.

3. Geldwertstabilität, technischer Fortschritt und Arbeitslosigkeit

Das zeigt, dass die Arbeitslosigkeit auf unterschiedliche Weise nicht nur mit technischem Fortschritt, sondern auch mit der Ausgestaltung der Finanz- und Geldpolitik verbunden ist. Finanz- und Geldpolitik sind oft eng miteinander verbunden, weil eine dauerhaft expansive Finanzpolitik erst durch eine expansive Geldpolitik möglich wird. Bleibt die Geldpolitik restriktiv, dann erhöhen schuldenfinanzierte Staatsausgaben die Kreditzinsen, was schließlich durch die Disziplinierungsfunktion der Finanzmärkte staatliche Ausgabenkürzungen erzwingt.

a. Technischer Fortschritt und Arbeitslosigkeit im Goldstandard

Die industrielle Revolution fand statt als Gold und Silber als Geld dominierten bzw. das aufkommende Papiergeld mit Gold gedeckt war (Goldstandard). Nach North (1990) reduzieren Institutionen wie der Goldstandard die Unsicherheit und schaffen damit Anreize für Innovationen und Investitionen. Nach Polanyi (1944) waren im 19. Jahrhundert der Goldstandard, die Industrialisierung und der Freihandel eng miteinander verflochten. Der Goldstandard machte aufgrund stabiler Preise und Wechselkurse Investitionen und Handel berechenbar. Die Industrialisierung erforderte große und stabile Märkte, welche durch den Freihandel befördert wurden.

Der durch den Goldstandard begünstigte Einsatz neuer Technologien vernichtete zwar viele Arbeitsplätze. Doch bereits John Stuart Mill (1848) beobachtete, dass die Produktivitätsgewinne über sinkende Preise und eine steigende Nachfrage neue Unternehmen und Wirtschaftsbereiche entstehen ließen. In Großbritannien, wo es seit 1821 den Goldstandard gab, gaben Unternehmen die Früchte ihrer Produktivitätsgewinne in Form fallender Preise und steigender Löhne an die Konsumenten bzw. an die Arbeiter weiter (Abb. 4).⁷ Die Währungsstabilität trug durch ihren positiven Effekt auf technischen Fortschritt und Investitionen zu einer längerfristigen Beseitigung der technologischen Arbeitslosigkeit bei. Durch das höhere Produktivitätsniveau konnten nicht nur die realen Löhne steigen, sondern auch die Arbeitszeiten sinken. Abb. 5 zeigt den kontinuierlichen Rückgang der Arbeitszeiten aus historischer Sicht.

b. Durch monetäre Instabilität verursachte Arbeitslosigkeit

In der Überinvestitionstheorie von Mises (1912) und Hayek (1931) bewirken geldpolitische Fehler nicht nur konjunkturelle Schwankungen, sondern auch Schwankungen bei der Arbeitslosigkeit. Zu niedrige Zinsen bewirken einen zu starken Anstieg der Nachfrage nach Arbeitskräften, so dass die Arbeitslosigkeit sinkt. Die Löhne und die Inflation steigen, was schließlich viele Investitionsprojekte unrentabel werden lässt. Wenn daraus eine Krise entsteht und die Arbeitslosigkeit wächst, dann müssen nach Schumpeter (1911) und Hayek (1931) die Löhne wieder fallen, damit die Arbeitslosigkeit wieder beseitigt wird.⁸ Doch Keynes hielt dem entgegen, dass Löhne nach unten rigide sind, weil sich Arbeitnehmer nominalen Lohnkürzungen widersetzen. Das kann dazu führen, dass nach dem Ende von Übertreibungen die Arbeitslosigkeit nur mit deutlicher Verzögerung sinkt.

Keynes (1936) wollte deshalb Arbeitslosigkeit nicht durch schmerzhafte Austerität und nominale Lohnsenkungen bekämpfen („In the long run, we are all dead.“), sondern durch schuldenfinanzierte Staatsausgaben. Da diese in der Regel zu steigenden Zinsen und Zinslasten führen, tendierten in der Praxis die Zentralbanken dazu, die expansiven Finanzpolitiken mit expansiven Geldpolitiken zu flankieren. Die daraus resultierende Inflation wirkt jedoch negativ auf Innovationen, Investitionen und Wachstum, weil sie die Unsicherheit erhöht. In den 1970er Jahren waren die stark expansiven Finanz- und Geldpolitiken deshalb nicht mit sinkender, sondern deutlich steigender Arbeitslosigkeit verbunden (Abb. 3). Die monetäre Instabilität dämpfte Produktivitätsgewinne und verhinderte den Abbau von Arbeitslosigkeit durch das Entstehen neuer Unternehmen und Wirtschaftszweige. Die amerikanische Industrie galt als verkrustet und wachstumsschwach (Thurow 1980).

c. Produktivitätsgewinne und Abbau der Arbeitslosigkeit durch monetäre Stabilisierung

Die Stagflation der 1970er-Jahre ebnete den Weg für die „monetaristische Gegenrevolution“. Milton Friedman (1970) argumentierte, dass Inflation immer und überall ein monetäres Phänomensei. Da es keinen dauerhaften Zielkonflikt zwischen niedriger Inflation und Arbeitslosigkeit gebe, müsse die Inflationdurchdie Kontrolle des Geldmengenwachstums gezügelt werden. Als 1979 in den USA Paul Volcker 1979 zum Chairman der Federal Reserve gemacht wurde, lag die Inflation im zweistelligen Bereich. Die Arbeitslosenquote lag 1980 bei 7,1 Prozent, nachdem sie Ende der 1960er Jahre bei 3,5 Prozent gelegen hatte. Volckers radikale Leitzinserhöhung schuf einen starken Anpassungsdruck und erzwang damit eine tiefgreifende Restrukturierung der amerikanischen Unternehmen, die den Weg für den IT-getriebenen Produktivitätsschub der 1990er-Jahre bereitete. Ein Tiefpunkt wurde im Jahr 2000 mit 4,0 Prozent erreicht, doch da hatte eine von Zinssenkungen infolge der Asienkrise getriebene Spekulationsblase im IT-Segment die Arbeitsnachfrage bereits künstlich überhöht (siehe Kapitel 4).

Die entscheidenden technologischen Grundlagen – Halbleiter, Mikroprozessoren und erste Personal Computer – für die Informationstechnologie waren bereits in den 1950er bis 1970er Jahren entstanden. Ende der 1970er Jahre hatten durch eine veränderte Regulierung Pensionsfonds Zugang zum Risikokapitalmarkt erhalten und bildeten fortan zusammen mit Universitätsstiftungen, Versicherungen und wohlhabenden Privatpersonen die wichtigste Finanzierungsquelle für neue Technologien (Gompers und Lerner 2001). Die Zinserhöhungen in den USA lösten die Inflationskrise, was die Attraktivität amerikanischer Finanzanlagen und die Finanzialisierung der US-Wirtschaft beschleunigte (Krippner 2011).

Im Ergebnis wuchs der Risikokapitalmarkt in den 1980er-Jahren stark, auch begünstigt durch den Zufluss von ausländischem Kapital, insbesondere aus Japan und Taiwan (Kenney et al. 2004). Nachdem in den 1970er- und 1980er-Jahren die Produktivität nur langsam gewachsen war, materialisierte sich der Schub beim technischen Fortschritt schließlich – getrieben durch die Informationstechnologie – in den hohen Produktivitätsgewinnen der 1990er-Jahre (Jorgenson et al. 2008, Abb. 6).⁹ Das deutet auf eine deutliche Verzögerung bei der Diffusion der Informations- und Kommunikationstechnologien zu gesamtwirtschaftlichen Produktivitätsgewinnen hin, wobei bereits in 1980er-Jahren der Rückgang der Arbeitslosenquote in den USA eingesetzt hatte (Abb. 3).

4. Geldpolitik, Künstliche Intelligenz und Arbeitslosigkeit

Auch der Boom der Künstlichen Intelligenz ist eng mit der Geldpolitik, hohen potenziellen Produktivitätsgewinnen sowie den (zukünftigen) Entwicklungen auf den Arbeitsmärkten verbunden.

a. Geldpolitik und Übertreibungen auf den KI-Märkten

Die Aktienkursentwicklung rund um die Künstliche Intelligenz kann auf der Grundlage der Überinvestitionstheorie von Mises (1912) und Hayek (1931) verstanden werden (Schnabl 2025). Die großen Zentralbanken haben seit der Jahrtausendwende die Leitzinsen immer weiter gesenkt und ihre Bilanzen immer weiter ausgeweitet. Mit dem Anstieg der Inflation in den Jahren 2021 und 2022 haben die großen Zentralbanken zwar die Leitzinsen angehoben und die Bilanzen verkürzt. Doch sind aus historischer Sicht die Leitzinsen immer noch niedrig, die Zentralbankbilanzen als Anteil am Bruttoinlandsprodukt aufgebläht und das reale Zinsniveau immer noch niedrig. Schwaches Wachstum und strukturelle Verkrustungen in Ostasien und Europa¹⁰ tragen dazu bei, dass das Leitzinsniveau dort vergleichsweise niedrig bleibt und viel Kapital in die USA abfließt, wo das Zinsniveau höher liegt.

Auch in den USA sind die Wachstumsperspektiven in den meisten Sektoren beschränkt, weshalb sich die immer noch übermäßig vorhandene Liquidität aufgrund des hohen Zukunftspotenzials auf die Künstliche Intelligenz konzentriert zu haben scheint. Das könnte eine Spekulationsblase in diesem Sektor begünstigt haben, die die Dimension der Dotcomblase um die Jahrtausendwende deutlich übersteigt (Abb. 7). Während die Magnificent Seven (Apple, Microsoft, Alphabet (Google), Amazon, Meta Platforms, Nvidia und Tesla) ihre Investitionen bisher über den Cashflow finanziert haben, hat bezüglich der KI der Zukunft ein immenser kreditfinanzierter Investitionsboom nach dem Muster der Überinvestitionstheorie eingesetzt (Abb. 1). J.P. Morgan schätzt die Kosten für die geplante KI-Infrastruktur einschließlich Energieversorgung auf 5.000 Milliarden Dollar (Wigglesworth 2025).

b. Künstliche Intelligenz und Beschäftigungseffekte in der KI-Branche

Seit dem Einsetzen des KI-Booms ist zunächst auch die Beschäftigung der Magnificent Seven stark gewachsen, von 324.000 Vollzeitbeschäftigten im Jahr 2011 auf derzeit rund 2,4 Millionen (Abb. 8). Der Anstieg der Beschäftigung war zunächst erheblich und hat sich 2019 nochmals deutlich beschleunigt. Ab 2021 hat er sich merklich abgeflacht, mit einem nur noch leicht positiven Aufwärtstrend. Der Boom in der KI-Industrie hatte damit positive Effekte auf den Arbeitsmarkt, da bisher keine signifikanten Arbeitsplatzverluste durch die KI sichtbar geworden sind. Die Arbeitslosenquote in USA befindet sich entsprechend aus historischer Sicht eher auf einem niedrigen Stand (Abb. 3).

Andererseits gibt es durch die KI deutliche Einsparpotentiale in anderen Branchen.¹¹ Die Künstliche Intelligenz wird voraussichtlich vor allem dort Arbeitsplätze reduzieren, wo Tätigkeiten standardisiert, wiederholbar und informationsbasiert sind. Brynjolfsson und McAfee (2014) und Acemoglu (2024) sehen das vor allem bei informationsintensiven Dienstleistungen.¹² Tätigkeiten, die effizienter gestaltet werden können, sind unter anderem Recherche, Dokumentation, Vertragsprüfung, Dokumentenerstellung, Übersetzung und Graphiken. Als betroffene Branchen bzw. Unternehmensbereiche werden unter anderem Verwaltung, Kundenservice, Banken, Versicherungen, Rechtswesen, Buchhaltung, Marketing, Medien, Softwareentwicklung, Personalwesen und Produktion genannt. Unter dem Schlagwort „Great Flattening" bauen Konzerne bereits Führungsebenen ab (Boyle 2026 und Le 2026).¹³

Theoretisch ist damit der langfristige Beschäftigungseffekt unbestimmt. Die OECD (2023) unterscheidet zwischen einem Verdrängungseffekt – die KI ersetzt menschliche Arbeit bei bestimmten Aufgaben, wodurch Arbeitsplätze verloren gehen –, einem Produktivitätseffekt – höhere Produktivität senkt Kosten und steigert die Nachfrage, was zusätzliche Arbeitsplätze schafft –, und einem Reinstatement-Effekt – die KI schafft neue Aufgaben, Berufe und Tätigkeiten, die wiederum neue Arbeitsplätze entstehen lassen. Die Gesamtwirkung auf die Beschäftigung hänge davon ab, welcher dieser Effekte langfristig überwiegen. Während Acemoglu (2024) insgesamt eine negativen Beschäftigungseffekt der KI sieht, geht das World Economic Forum (2025) davon aus, dass bis 2030 weltweit 78 Millionen Jobs zusätzlich entstehen werden. 170 Millionen neuen Arbeitsplätzen stünden 92 Millionen wegfallende entgegen. Die Schätzungen deuten damit darauf hin, dass es infolge der Künstlichen Intelligenz keine Massenarbeitslosigkeit geben wird. Es zeichnen sich aber signifikante Veränderungen in der Struktur des Arbeitsmarktes ab, die eine ausreichende Flexibilität der Arbeitsmärkte erfordern, damit keine strukturelle Arbeitslosigkeit entsteht.

c. Beschäftigungseffekte der KI in Abhängigkeit von der Geldpolitik

Welcher Effekt überwiegt und wie das mit den erhofften arbeitsplatzschaffenden Produktivitätsgewinnen zusammenfällt, könnte maßgeblich von der Geldpolitik abhängen. So führte seit der Jahrtausendwende die bahnbrechende Revolution des Internets in einer Phase der zunehmenden geld- und fiskalpolitischen Expansion zu keinen spürbaren Produktivitätsgewinnen (Abb. 6). Die sogenannte Dotcomblase, der auch das Kurs-Gewinn-Verhältnis des S&P 500 um das Jahr 2000 steil stieg (Abb. 2), ließ zwar zunächst die Nachfrage auf dem Arbeitsmarkt stark steigen. Es gab Engpässe auf dem Arbeitsmarkt, insbesondere für IT-Stellen (Freeman und Aspray 1999) und die Arbeitslosenquote sank.

Mit dem Platzen der Dotcom-Blase wurde diese Entwicklung jedoch wieder korrigiert. Nach Gordon (2016) brachte die IT-Revolution zwar enorme Produktivitätsgewinne in bestimmten Branchen, für die Gesamtwirtschaft seien diese aber kleiner ausgefallen, weil große Bereiche – insbesondere staatliche Dienstleistungen – kaum Produktivitätsfortschritte erzielten.¹⁴ Cowen (2011) erkennt zwar an, dass Computer und Internet die Grenzproduktivität hochqualifizierter Wissensarbeiter massiv erhöht haben, identifiziert aber in Wirtschaftsbereichen wie Bildung und Gesundheit geringe Produktivitätsfortschritte.

In der Tat konnten in den USA mit der starken Ausweitung der Staatsausgaben für Gesundheit und mit umfangreichen Studienkrediten die Beschäftigung und das reale Lohnniveau in diesen Sektoren stark steigen (Abb. 9), ohne dass die Produktivität stark gewachsen ist.¹⁵ Viele Berufsgruppen, denen ein geringes Potenzial für Produktivitätserhöhungen durch KI zugeschreiben wird, sind Teil des öffentlichen Sektors – konkret Gesundheitswesen, Bildung, Soziale Berufe, Polizei, Feuerwehr, Verteidigung und Rettungsdienste. Es ist damit möglich, dass sich auf im Falle der KI bei einer anhaltend expansiven Geld- und Finanzpolitik sektorale Produktivitätsgewinne nicht hin zu gesamtwirtschaftlichen Produktivitätsgewinnen kanalisieren werden. Bei anhaltend niedrigen Zinsen ist zudem der Druck auf Unternehmen geringer, durch Innovationen Potenziale für Produktivitätsgewinne zu heben.¹⁶

Dass die KI-Branche bei der Beschäftigung sensibel auf Zinsveränderungen reagiert, zeigte sich ab dem Jahr 2022 mit den Zinserhöhungen der US-Zentralbank Fed, die den starken Anstieg der Beschäftigung bei den Magnificent Seven stark ausgebremst haben (Abb. 8). Meta-Chef Mark Zuckerberg (2023) kündigte umfangreiche Stellenkürzungen und einen stärkeren Fokus auf Effizienz an. Die Anzahl von Stellenausschreibungen ging im US-Tech-Sektor stärker zurück als in anderen Sektoren (Abb. 10). Das deutet nicht nur darauf hin, dass es in der KI-Branche möglicherweise einen Überinvestitionsboom gibt¹⁷, sondern dass sich die KI-Branche schnell an eine Veränderung der geldpolitischen Rahmenbedingungen anpassen kann. Es mögliches Platzen einer KI-Blase könnte einen gesamtwirtschaftlichen Anstieg der Arbeitslosigkeit nach sich ziehen.

US-Zentralbankpräsident Kevin Warsh hat argumentiert, dass KI ein sehr hohes Innovationspotential hat. Die US-Regierung habe zwar durch eine weitreichende Deregulierung und umfassende Steuersenkungen die Voraussetzungen für mehr Investitionen in den USA geschaffen. Doch es hänge von der Zentralbank ab, ob die US-Amerikaner auf Dauer von steigender Produktivität¹⁸ und damit steigenden Löhnen profitieren könnten (Warsh 2025).¹⁹ Dafür müsse die Fed die Bilanz verkürzen und die Regulierung für kleine und mittlere Banken reduzieren, um die Kreditvergabe zu stimulieren. Der Druck zu produktivitätserhöhenden Investitionen würde durch Zinserhöhungen der Fed steigen. Die Diffusion des Innovationspotentials durch KI könnte durch die Warsh geforderte Deregulierung der kleinen und mittelgroßen Banken erleichtert werden.

Die von Warsh signalisierte Verkürzung der Fed-Bilanz und die Deregulierung der Kreditvergabe der Banken könnten darauf abzielen über höhere langfristige Zinsen einerseits etwas Luft aus der möglichen KI-Blase zu nehmen und andererseits den Druck auf die gesamte US-Wirtschaft zu erhöhen durch Investitionen in die KI die gesamtwirtschaftlichen Produktivitätsgewinne zu erhöhen. Letzteres entspräche nach Perez (2002) der Phase der Diffusion, in der die neue Technologie in die gesamte Wirtschaft diffundiert, wodurch die Produktivität stark steigt und der Wohlstand für alle wächst. Der KI-bedingte Verlust von Arbeitsplätzen in standardisierbaren, informationsbasierten Dienstleistungsbereichen, könnte so durch ein dynamisches Wachstum kompensiert werden.

5. Ausblick: Die Substitution von Arbeit durch Kapital

Mit der industriellen Revolution hat unter dem Goldstandard die Substitution von Arbeit durch Kapital in der Agrarwirtschaft eingesetzt, welche später in der zweiten Phase auf die Industrie übergegriffen hat. Dieser Prozess war zu Beginn der industriellen Revolution gesellschaftlich disruptiv, weil das Einkommensniveau gering und der Aufgabenbereich der Staaten auf Kernaufgaben wie innere und äußere Sicherheit beschränkt war. Die Produktivitätsgewinne durch technischen Fortschritt haben seitdem das Wohlstandsniveau deutlich erhöht, sodass bei einer Ausweitung der technologischen Arbeitslosigkeit auf den Dienstleistungssektor durch KI, ein ausreichend großer sozialer Puffer zur Verfügung steht. Zu einer Verelendung wie bei Marx wird damit nicht kommen. 

Entscheidend für die Frage, ob Massenarbeitslosigkeit entsteht, und damit die dauerhafte Tragfähigkeit der sozialen Sicherungssysteme, ist jedoch, wie das hohe Potenzial der Künstlichen Intelligenz für Produktivitätsgewinne gesamtwirtschaftlich genutzt werden wird. Also ob durch Produktivitätsgewinne neue Arbeitsplätze entstehen. Absorbiert der Staat wie im Falle der Internetökonomie entstehende Arbeitslosigkeit durch eine Ausweitung der Staatsausgaben und damit verbundene expansive Geldpolitiken, dann kann zwar eine breite technologische Arbeitslosigkeit durch die Künstliche Intelligenz verhindert werden. Die daraus resultierenden negativen Wachstums- und Verteilungseffekte würden sich jedoch fortsetzen, was die bereits bestehenden gesellschaftlichen Konflikte verschärfen würde.

Denn das Produktivitätspotential der KI wird nur unter knappen Finanzierungsbedingungen, die Fehlinvestitionen verhindern, gehoben werden, d.h. bei einer eher restriktiven Geld- und Finanzpolitik. Gelingt es Kevin Warsh in den USA die Bilanz der Fed zu verkürzen und damit die Unternehmen und Banken zu mehr Effizienz zu drängen, dann wird die Auswirkung der KI auf die Gesellschaft positiv sein. Die resultierenden Produktivitätsgewinne könnten entweder in Form höherer Löhne oder in Form einer weiteren Verkürzung der Arbeitszeiten an die Bevölkerung weitergegeben werden. In Europa, wo aufgrund hoher Schuldenstände vieler Euroländer eine dauerhafte finanz- und geldpolitische Straffung nicht in Sicht ist, könnte die Künstliche Intelligenz mehr wirtschaftliche und gesellschaftliche Disruptionen mit sich bringen.

¹ Früher konnten Dorfbewohner gemeinschaftliche Flächen (Allmenden) nutzen, etwa zum Weiden von Vieh. Großgrundbesitzer ließen diese Flächen einzäunen und machten sie zu ihrem privaten Eigentum.

² Schumpeter (1911) spricht von schöpferischer Zerstörung.

³ In den 1920er-Jahren brachten die Fließbandproduktion (vor allem durch Ford) und die Elektrifizierung der Industrie große Produktivitätsgewinne (Hounshell 1984). Hayek erkannte die Bedeutung der Innovationen für den Aufschwung in den 1920er-Jahren an, betonte aber, dass der Boom über das innovationsbedingte Gleichgewicht hinaus durch eine zu expansive Geld- und Kreditpolitik verlängert wurde. Field (2011) argumentiert, dass die Zuwächse bei der Gesamtfaktorproduktivität der 1920er Jahre eng auf das verarbeitende Gewerbe konzentriert waren und erst in den 1930er-Jahren breiter die gesamte Wirtschaft erfassten.

⁴ Ähnlich verläuft nach Perez (2002) ein gesamtwirtschaftlicher Innovationsprozess in Zyklen. In der Phase der Installation entsteht eine Basistechnologie. Finanzkapital treibt Euphorie und Spekulationsblasen (Frenzy). Am Wendepunkt platzt die Blase und es kommt zu einer Bereinigung. In der Entfaltungsphase diffundiert die neue Technologie in die gesamte Volkswirtschaft. Produktivität und Wohlstand steigen breit. 

⁵ In der Praxis erforderte das die Aufhebung der Goldbindungen der Währungen, was einen kompetitiven Abwertungswettlauf auslöste.

⁶ Die Arbeitslosigkeit wurde in vielen Ländern durch den Zweiten Weltkrieg endgültig beseitigt, weil viele Männer zum Militärdienst eingezogen wurden.

⁷ Die fallenden Preise waren damit nicht – wie von Keynes argumentiert – mit einer dauerhaft schlechten konjunkturellen Lage verbunden. Es kam nicht – wie von Marx prognostiziert – zu einer immer weiter steigenden Arbeitslosigkeit.

⁸ Wenn Arbeitnehmer in neue Branchen wandern, brauchen sie eine andere Qualifikation, die in der Regel nur mit Zeitverzögerung erworben werden kann. Es entsteht sogenannte friktionelle Arbeitslosigkeit. Heute ist der Spezialisierungsgrad der Wirtschaft hoch und damit auch die Qualifikationsprofile in vielen Berufen. Andererseits sind in vielen serviceorientierten Dienstleistungsberufen, die bei steigendem Wohlstand entstehen, die Anforderungen an die Qualifikation vergleichsweise gering.

⁹ Noch 1987 hatte Robert Solow angemerkt, dass man „das Computerzeitalter überall nur nicht in der Produktivitätsstatistik" sehe.

¹⁰ Banerjee et al. (2024) sehen eine weitreichende Zombifizierung der Weltwirtschaft aufgrund dauerhaft niedriger Zinsen.

¹¹ Die potenziellen Einspareffekte könnten jedoch dadurch begrenzt sein, dass verhindert werden muss, dass Ki-Agenten außer Kontrolle geraten (siehe Guccione und Fryba 2026).

¹² Im Finanzsektor gibt es beispielsweise Routinearbeit, also standardisierbare Abläufe in Backoffice, Sachbearbeitung, Reporting und Kundenservice, die sich mit KI weitgehend automatisieren lassen. Zum anderen gibt es urteilsabhängige Aufgaben, die menschliche Beziehungen und persönliche Verantwortung erfordern, welche nicht durch KI ausführbar sind (Immenkötter 2026).

¹³ Möglich wird das durch „agentische" KI, die Koordinations- und Berichtsaufgaben übernimmt, die bislang Manager erledigten. Die Kontrollspanne je verbleibender Führungskraft steigt. Autor (2024) argumentiert, dass Berufe, die aus einem Bündel unterschiedlicher Aufgaben bestehen – z.B. technisches Wissen, soziale Interaktion, Urteilsvermögen, Improvisation, situatives Handeln und physische Geschicklichkeit – robuster gegen KI sind. Je „messier“ (vielfältiger) das Arbeitsprofil, desto weniger gefährdet ist es durch die KI.

¹⁴ Die überdurchschnittlichen Produktivitätsgewinne in den USA für den Zeitraum von 2001Q1 bis 2007Q4 können teilweise auf einen Anstieg der Produktivität im US-Finanzsektor aufgrund stark steigender Preise hypothekenbesicherter Wertpapiere zurückgeführt werden. Die stark steigenden Vermögenspreise führten dazu, dass die gesamtwirtschaftliche Produktivität überschätzt wurde. Siehe Haldane et al. (2010).

¹⁵ Die derzeit sehr niedrige Arbeitslosquoten in den USA und Deutschland dürften auf die indirekt zentralbankfinanzierte Ausweitung der Staatsausgaben und der damit verbundenen Schaffung zahlreicher Beschäftigungsverhältnisse in staatlich finanzierten Wirtschaftsbereichen zusammenhängen.

¹⁶ Ein verkürzter Aufwand für die Erledigung von Arbeitsabläufen durch KI könnte sich in längeren Pausen oder verlängerten unproduktiven Homeoffice-Zeiten niederschlagen. Alternativ könnten Staaten die höhere Produktivität in der Industrie und im Dienstleistungssektor zum Anlass nehmen, die Steuern zu erhöhen und mit den zusätzlichen Ausgabenspielräumen die Anzahl der Beschäftigungsverhältnisse im öffentlichen Sektor erhöhen.

¹⁷ Groundbreaker (2026) sieht deutliche Parallelen zum US-Hypothekenmarktboom zwischen 2003 und 2007.

¹⁸ Acemoglu (2024) sieht einen Zuwachs bei der Gesamtfaktorproduktivität von maximal bis zu 0,66 Prozent jährlich über 10 Jahre hinweg. Aghion und Bunel (2024) gehen auf der Grundlage eines historischen Vergleiches von 0,8 bis 1,3 Prozentpunkten zusätzlichen jährlichen Produktivitätswachstum über 10 Jahre hinweg aus. Die Federal Reserve Bank of St. Louis (2026) rechnet rund einen Prozentpunkt des realen BIP-Wachstums in den ersten drei Quartalen 2025 der KI zu.

¹⁹ „Americans would benefit from higher take-home pay and greater purchasing power if only the Federal Reserve’s leadership stopped defending its mistakes and started correcting them.” (Warsh 2025). Denn nach Warsh hat diese durch dauerhaft niedrige Zinsen und die Ausweitung der Bilanz das Wachstums gebremst und negative Verteilungseffekte zugunsten reicher Bevölkerungsschichten bewirkt (Bugdalle und Schnabl 2026).

Literatur:

Acemoglu, Daron (2024): The Simple Macroeconomics of AI. NBER Working Paper 32487.

Adams, Gina Martin / Casper, Michael / Sanders, Matthew (2026): A Deep Dive: Magnificent-Seven’s Breakup Continues Amid Capex Boom. HB Wealth, 07.05.2026. Verfügbar unter: https://hbwealth.com/insights/a-deep-divemagnificent-sevens-breakup-continues-amid-capex-boom/ (Zugriff am: 01.08.2026).

Aghion, Philippe / Bunel, Simon (2024): AI and Growth: Where Do We Stand? Federal Reserve Bank of San Francisco, Juni 2024. Verfügbar unter: https://www.frbsf.org/wp-content/uploads/AI-and-Growth-Aghion-Bunel.pdf (Zugriff am: 01.08.2026).

Autor, David (2024): Applying AI to Rebuild Middle Class Jobs. NBER Working Paper 32140.

Banerjee, Ryan / Doerr, Sebastian / Hofmann, Boris (2024): Whither the Walking Dead? The Consequences of Artificial Intelligence for Zombie Firms. The Economists’ Voice 21 (2), 237–248.

Boyle, Matthew (2026): Why Companies Are Cutting Middle Managers in the AI Era. Bloomberg, 17.06.2026. Verfügbar unter: https://www.bloomberg.com/news/articles/2026-06-17/why-companies-are-cutting-middle-managers-in-the-ai-era (Zugriff am: 01.08.2026).

Brynjolfsson, Erik / McAfee, Andrew (2014): The Second Machine Age. New York: W. W. Norton.

Bugdalle, Tom / Schnabl, Gunther (2026): US Fed: Kommt die Warsh-Wende? Flossbach von Storch Research Institute, 18.05.2026. Verfügbar unter: https://www.flossbachvonstorch-researchinstitute.com/de/kommentare/detail/us-fed-kommt-die-warsh-wende (Zugriff am: 01.08.2026).

Cowen, Tyler (2011): The Great Stagnation: How America Ate All the Low-Hanging Fruit of Modern History, Got Sick, and Will (Eventually) Feel Better. New York: Dutton.

Crosley, Blake (2026): Hyperscaler CapEx Hits $600B in 2026: The AI Infrastructure Debt Wave. Introl, 07.01.2026. Verfügbar unter: https://introl.com/blog/hyperscaler-capex-600b-2026-ai-infrastructure-debt-january-2026 (Zugriff am: 01.08.2026).

Ellis, Lindsay / Elinson, Zusha / Li, Tina (2026): The AI Backlash Has Tech Executives Fearing for Their Lives. The Wall Street Journal, 15.07.2026. Verfügbar unter: https://www.wsj.com/us-news/the-ai-backlash-has-tech-executives-fearing-for-their-lives-30c43972 (Zugriff am: 01.08.2026).

Feenstra, Robert C. / Inklaar, Robert / Timmer, Marcel P. (2015): The Next Generation of the Penn World Table. American Economic Review 105 (10), 3150–3182.

Field, Alexander (2011): A Great Leap Forward: 1930s Depression and U.S. Economic Growth. New Haven: Yale University Press.

Ford, Martin (2021): Rule of the Robots: How Artificial Intelligence Will Transform Everything. New York: Basic Books.

Freeman, Peter / Aspray, William (1999): The Supply of Information Technology Workers in the United States. Washington, D.C.: Computing Research Association.

Friedman, Milton (1970): The Counter-Revolution in Monetary Theory. London: Institute of Economic Affairs.

Gompers, Paul / Lerner, Josh (2001): The Venture Capital Revolution. Journal of Economic Perspectives 15 (2), 145–168.

Gordon, Robert (2016): The Rise and Fall of American Growth: The U.S. Standard of Living since the Civil War. Princeton, NJ: Princeton University Press.

Groundbreaker (2026): The Second Derivative: Why No One Understands the AI Boom. 02.07.2026. Verfügbar unter: https://www.groundbrkr.com/p/the-second-derivative-why-no-one (Zugriff am: 01.08.2026).

Guccione, Darren / Fryba, Martin (2026): Systemische Fragilität: KI außer Kontrolle bedroht kritische Infrastruktur. CRN, 17.02.2026. Verfügbar unter: https://www.crn.de/news/2026/systemische-fragilitat-ki-au-er-kontrolle-bedroht-kritische-infrastruktur (Zugriff am: 01.08.2026).

Haldane, Andrew / Brennan, Simon / Madouros, Vasileios (2010): The Contribution of the Financial Sector: Miracle or Mirage? In: Haldane, Andrew / Woolley, Paul / Wadhwani, Sushil / Goodhart, Charles / Smithers, Andrew / Large, Andrew / Kay, John / Wolf, Martin / Boone, Peter / Johnson, Simon / Layard, Richard (Hrsg.): The Future of Finance: The LSE Report. London: London School of Economics and Political Science, S. 87–120.

Hauptmann, Gerhart (1892): Die Weber. Schauspiel aus den vierziger Jahren. Berlin: S. Fischer.

Hayek, Friedrich A. von (1931): Prices and Production. London: George Routledge & Sons.

Hounshell, David A. (1984): From the American System to Mass Production, 1800–1932. The Development of Manufacturing Technology in the United States. Baltimore: Johns Hopkins University Press.

Huberman, Michael / Minns, Chris (2007): The Times They Are Not Changin’: Days and Hours of Work in Old and New Worlds, 1870–2000. Explorations in Economic History 44 (4), 538–567.

Immenkötter, Philipp (2026): Haben Sie auch wieder Angst vor der KI? Flossbach von Storch Research Institute, 27.04.2026. Verfügbar unter: https://www.flossbachvonstorch-researchinstitute.com/de/kommentare/detail/haben-sie-auch-wieder-angst-vor-der-ki (Zugriff am: 01.08.2026).

Jorgenson, Dale / Ho, Mun / Stiroh, Kevin (2008): A Retrospective Look at the U.S. Productivity Growth Resurgence. Journal of Economic Perspectives 22 (1), 3–24.

Kenney, Martin / Han, Kyonghee / Tanaka, Shoko (2004): The Globalization of Venture Capital: The Cases of Taiwan and Japan. In: Bartzokas, Anthony / Mani, Sunil (Hrsg.): Financial Systems, Corporate Investment in Innovation, and Venture Capital. Cheltenham/Northampton, MA: Edward Elgar, S. 52–84.

Keynes, John Maynard (1936): The General Theory of Employment, Interest and Money. London: Macmillan.

Krippner, Greta (2011): Capitalizing on Crisis: The Political Origins of the Rise of Finance. Cambridge, MA: Harvard University Press.

Le, Thao (2026): The Great Flattening: Why Companies Are Cutting Middle Managers and What HR Leaders Are Missing. Lepaya, 01.05.2026. Verfügbar unter: https://www.lepaya.com/blog/insights-great-flattening-middle-management-ai (Zugriff am: 01.08.2026).

Marx, Karl (1867): Das Kapital. Kritik der politischen Oekonomie. Erster Band. Buch I: Der Produktionsprocess des Kapitals. Hamburg: Verlag von Otto Meissner.

Mill, John Stuart (1848): Principles of Political Economy with Some of Their Applications to Social Philosophy. London: John W. Parker.

Mises, Ludwig von (1912): Theorie des Geldes und der Umlaufsmittel. München und Leipzig: Duncker & Humblot.

North, Douglass C. (1990): Institutions, Institutional Change and Economic Performance. Cambridge: Cambridge University Press.

OECD (2023): Employment Outlook 2023: Artificial Intelligence and the Labour Market. Paris: OECD.

Perez, Carlota (2002): Technological Revolutions and Financial Capital: The Dynamics of Bubbles and Golden Ages. Cheltenham, UK: Edward Elgar.

Polanyi, Karl (1944): The Great Transformation: The Political and Economic Origins of Our Time. New York: Farrar & Rinehart.

Ray, Siladitya (2026): Elon Musk Touts Universal Income As Remedy To AI-Driven Unemployment. Forbes, 17.04.2026. Verfügbar unter: https://www.forbes.com/sites/siladityaray/2026/04/17/elon-musk-touts-universal-income-as-remedy-to-ai-driven-unemployment/ (Zugriff am: 01.08.2026).

Rubinton, Hannah / Patro, Bontu Ankit (2026): Tracking AI’s Contribution to GDP Growth. On the Economy, Federal Reserve Bank of St. Louis, 12.01.2026. Verfügbar unter: www.stlouisfed.org/on-the-economy/2026/jan/tracking-ai-contribution-gdp-growth (Zugriff am: 01.08.2026).

Samuelson, Paul A. (1948): Economics: An Introductory Analysis. 1. Aufl. New York: McGraw-Hill Book Company.

Samuelson, Paul A. / Solow, Robert M. (1960): Analytical Aspects of Anti-Inflation Policy. American Economic Review 50 (2), 177–194.

Schnabl, Gunther (2024): Deutschlands fette Jahre sind vorbei. München: FinanzBuch Verlag.

Schnabl, Gunther (2025): Platzt bald eine KI-Blase? Flossbach von Storch Research Institute, 17.11.2025. Verfügbar unter: https://www.flossbachvonstorch-researchinstitute.com/de/kommentare/detail/platzt-bald-eine-ki-blase (Zugriff am: 01.08.2026).

Schumpeter, Joseph A. (1911): Theorie der wirtschaftlichen Entwicklung. Leipzig: Duncker & Humblot.

Thurow, Lester (1980): The Zero-Sum Society: Distribution and the Possibilities for Economic Change. New York: Basic Books.

Warsh, Kevin (2025): The Federal Reserve’s Broken Leadership: Americans Would Have Higher Pay and Greater Purchasing Power if the Fed Got Its Act Together. The Wall Street Journal, 16.11.2025. Verfügbar unter: https://www.wsj.com/opinion/the-federal-reserves-broken-leadership-43629c87 (Zugriff am: 01.08.2026).

Wigglesworth, Robin (2025): The Global Data Centre and AI Build-Out Will Be an Extraordinary and Sustained Capital Markets Event: Inside JPMorgan’s Big Data Centre Report. Financial Times, FT Alphaville, 11.11.2025. Verfügbar unter: https://www.ft.com/content/59133fa3-3071-47b4-8761-c6922d07c34e (Zugriff am: 01.08.2026).

World Economic Forum (2025): Future of Jobs Report 2025: 78 Million New Job Opportunities by 2030 but Urgent Upskilling Needed to Prepare Workforces. World Economic Forum, 08.01.2025. Verfügbar unter: https://www.weforum.org/press/2025/01/future-of-jobs-report-2025-78-million-new-job-opportunities-by-2030-but-urgent-upskilling-needed-to-prepare-workforces/ (Zugriff am: 01.08.2026).

Zuckerberg, Mark (2023): Update on Meta’s Year of Efficiency. about.fb.com, 14.03.2023. Verfügbar unter: https://about.fb.com/news/2023/03/mark-zuckerberg-meta-year-of-efficiency/ (Zugriff am: 01.08.2026).