Vom Menschenbild zur Ökonomie sozialer Systeme und Architektur kollektiver Intelligenz

Ausblick auf mein neues Buch: „Vom BCM-Modell zu Hybrid-HCAI – Teil III: Wachstum und Wohlstand für alle, durch föderierte neuro-symbolische Hybrid-HCAI!“ Autor: Friedrich R. Schieck, Veröffentlicht am 05/2026

ABSTRACT

Der Artikel entwickelt eine umfassende politische Ökonomie sozialer Systeme, die David Humes realistisches Menschenbild mit Fragen moderner Organisationskultur, technologischer Transformation, KI-Governance und kollektiver Intelligenz verbindet. Ausgangspunkt ist die These, dass menschliches Verhalten niemals isoliert verstanden werden kann. Menschen handeln nicht im luftleeren Raum, sondern innerhalb konkreter institutioneller, kultureller und ökonomischer Ordnungen. Sie reagieren auf Anreize, Kosten, Nutzen, Statusfolgen, Zugehörigkeit, Machtverhältnisse, Eigentumsrechte, Informationsflüsse, Sanktionen und Belohnungen. Kultur erscheint dadurch nicht primär als ein System offiziell formulierter Werte, sondern als die tatsächlich wirksame Architektur des Verhaltens in einem sozialen System.

Kultur als ökonomische Architektur des Verhaltens – Im Zentrum steht die Unterscheidung zwischen behaupteter und tatsächlich wirksamer Kultur. Organisationen, Staaten, Universitäten, Verwaltungen oder digitale Plattformen können offiziell Werte wie Offenheit, Wahrheit, Innovation, Verantwortung oder Exzellenz vertreten. Entscheidend ist jedoch, ob ihre realen Entscheidungs-, Belohnungs- und Sanktionssysteme diese Werte auch tragen. Wo Widerspruch bestraft wird, entsteht keine offene Kultur. Wo Risiko sanktioniert wird, entsteht keine Innovationskultur. Wo Verantwortung beschworen, aber Haftung diffus verteilt wird, entsteht keine Verantwortungskultur. Kultur wird damit als unsichtbare Infrastruktur der Allokation verstanden. Sie verteilt Aufmerksamkeit, Glaubwürdigkeit, Ressourcen, Verantwortung, Einfluss und Anerkennung. Ökonomisch verändert Kultur die relativen Preise von Verhalten: Sie macht bestimmte Handlungen billig und andere teuer. Schweigen kann rational sein, wenn Widerspruch Karrieren gefährdet. Anpassung kann vernünftig erscheinen, wenn Konformität belohnt wird. Innovationsvermeidung kann zur dominanten Strategie werden, wenn Fehler hart sanktioniert und Erfolge kaum honoriert werden. Der Artikel zeigt dadurch, dass viele soziale Systeme später genau jenes Verhalten beklagen, dass sie durch ihre eigene Architektur zuvor erzeugt haben.

Humes Menschenbild als Grundlage sozialer Systemanalyse – David Humes Einsicht, dass der Mensch nicht als abstraktes Vernunftwesen, sondern als tatsächlich handelndes Wesen verstanden werden muss, bildet die anthropologische Grundlage des Artikels. Menschen handeln aus Motiven, Leidenschaften, Gewohnheiten, Interessen, Ängsten, Anerkennungsbedürfnissen und sozialen Bindungen heraus. Vernunft kann ordnen, vergleichen und begründen, doch die Handlungsenergie stammt häufig aus nicht rein rationalen Quellen. Diese Perspektive wird auf soziale Systeme übertragen. Menschen verteidigen Status, weil Status Zugang zu Ressourcen, Glaubwürdigkeit und Einfluss bedeutet. Sie verteidigen Weltbilder, weil diese Orientierung und Investitionssicherheit schaffen. Sie verteidigen Budgets, Zuständigkeiten und Gruppenloyalitäten, weil diese Macht, Schutz und künftige Handlungsspielräume sichern. Verhalten erscheint dadurch nicht bloß als individuelles moralisches Versagen, sondern als Ergebnis institutioneller Einbettung. Wer verstehen will, warum Menschen schweigen, blockieren, abwehren oder Verantwortung vermeiden, muss untersuchen, welche sichtbaren und unsichtbaren Erträge mit diesem Verhalten verbunden sind.

Innovation, Widerstand und institutionelle Trägheit – Ein zentrales Motiv des Artikels ist die Frage, warum neue Ideen in sozialen Systemen häufig auf Widerstand stoßen. Neue Ideen werden selten allein danach beurteilt, ob sie war, effizient oder nützlich sind. Sie verändern Zuständigkeiten, bedrohen Statusordnungen, verschieben Budgets, entwerten alte Kompetenzen, irritieren Weltbilder und greifen bestehende Gewinn- bzw. Renditeansprüche an. Innovation ist daher immer auch ein Verteilungskonflikt. Historische Beispiele wie John Harrison und das Board of Longitude, Newton und Leibniz, Tesla, Edison und Westinghouse, Koch und Pasteur sowie die Debatten zwischen Heisenberg, Schrödinger, Einstein und Bohr zeigen, dass Erkenntnis und technischer Fortschritt nie in neutralen Räumen entstehen. Sie treffen auf Autoritäten, Fachkulturen, nationale Zugehörigkeiten, institutionelle Deutungshoheit, Marktinteressen und bestehende Machtpositionen. Der Artikel interpretiert diese Beispiele nicht als bloße Anekdoten, sondern als Spiegel sozialer Systeme. Sie zeigen, dass Wahrheit und bessere Lösungen nicht automatisch siegen, sondern faire Prüfverfahren, epistemische Offenheit und institutionelle Lernfähigkeit benötigen.

Das Adaption-Gap als Produktivitätsproblem – Der Artikel beschreibt das Adaption-Gap als Anpassungslücke zwischen technologischer Dynamik und organisationaler Wirklichkeit. Neue Technologien erzeugen ihre produktiven Wirkungen nicht automatisch. Sie brauchen komplementäre Veränderungen in Prozessen, Qualifikationen, Organisationsformen, Datenarchitekturen, Führungsmodellen, Standards und Geschäftsmodellen. Bleiben diese Veränderungen aus, entstehen mehr digitale Werkzeuge, aber nicht mehr Produktivität; mehr Daten, aber nicht mehr Urteilskraft; mehr Automatisierung, aber nicht mehr Verantwortung. Damit wird Technologie als abhängig von ihrer institutionellen Einbettung verstanden. Eine KI kann in einer lernfähigen und verantwortungsbewussten Organisation menschliche Fähigkeiten erweitern, Suchkosten senken und bessere Entscheidungen ermöglichen. Dieselbe KI kann in einer defensiven, hierarchischen und intransparenten Organisation Misstrauen verstärken, Verantwortungsdiffusion erhöhen, schlechte Daten reproduzieren und Machtkonzentration beschleunigen. Die Grenzproduktivität einer Technologie hängt daher nicht allein von ihrer technischen Leistungsfähigkeit ab, sondern von der Qualität der Kultur und Governance, in die sie eingebettet ist.

KI, AGI und die politische Ökonomie kollektiver Intelligenz – Besonders deutlich wird diese Perspektive in der Diskussion um künstliche Intelligenz und AGI. Der Artikel kritisiert ein Verständnis von AGI als isolierter Maschinenleistung. Moderne KI-Systeme beruhen auf menschlichem Wissen, Sprache, Kultur, Interaktion, Feedback, Nutzungsdaten und gesellschaftlichen Infrastrukturen. Wenn Plattformen diese kollektiven Vorleistungen in Modelle übersetzen und privat monetarisieren, entsteht die Gefahr einer Privatisierung kollektiver Intelligenz. Die zentrale Frage lautet daher nicht nur, wann KI allgemein intelligent wird, sondern welche Architektur kollektiver Intelligenz durch Menschen, Maschinen, Daten, Regeln, Eigentumsrechte, Plattformen und Governance entsteht. Wer kontrolliert Modelle, Daten, Rechenleistung und Schnittstellen? Wer trägt Verantwortung? Wer darf widersprechen? Wer profitiert von Produktivitätsgewinnen? Wer erhält Zugang zu den Infrastrukturen? Und wer wird ausgeschlossen? KI erscheint somit als Gegenstand politischer Ökonomie, weil sie Wissensverarbeitung, Deutungshoheit, Arbeit, Märkte, Eigentum und Verteilung neu ordnet.

Die Architektur verantwortbarer sozialer Systeme – Als Leitformel für verantwortbare kollektive Intelligenz dient der Satz: „Subsymbolik skaliert. Symbolik regelt. Der Mensch entscheidet. Föderierung verteilt. Governance verantwortet.“ Diese Formel wird über die KI-Debatte hinaus als allgemeines Kultur- und Wirtschaftsmodell sozialer Systeme gelesen. Subsymbolik steht für Wahrnehmung, Mustererkennung und Verarbeitung großer Komplexität. Symbolik steht für explizite Regeln, Rollen, Begriffe und Verfahren. Der Mensch steht für normative Urteilskraft und Verantwortung. Föderierung steht für die Verteilung von Wissen, Macht und Entscheidungsspielräumen. Governance steht für Rechenschaft, Korrektur, Haftung und legitime Veränderbarkeit. Ein soziales System wird demnach nicht dadurch intelligent, dass es einzelne kluge Akteure oder leistungsfähige Technologien besitzt. Es wird intelligent, wenn es relevante Informationen rechtzeitig verarbeitet, Widerspruch ermöglicht, Fehler korrigiert, dezentrales Wissen integriert, Macht kontrolliert und Entscheidungen verantwortbar macht. Kollektive Intelligenz entsteht durch die richtige Verbindung von Wahrnehmung, Bedeutung, Entscheidung, Verteilung und Verantwortung.

Fazit – Der Artikel kommt zu dem Ergebnis, dass die entscheidende Kulturfrage nicht lautet, welche Werte ein soziales System behauptet, sondern welche Verhaltensweisen seine Architektur tatsächlich erzeugt. Menschliches Verhalten ist nicht nur Psychologie, sondern auch Architekturfolge. Menschen verteidigen Status, Weltbilder, Besitzstände, Budgets, Karrieren, Deutungshoheit und Gruppenloyalitäten, weil soziale Systeme diese Güter mit realen Vorteilen verbinden. Gute Kultur leugnet diese Kräfte nicht, sondern gestaltet Institutionen so, dass Wahrheit, Lernen, Verantwortung und Gemeinwohl wahrscheinlicher werden als Schweigen, Anpassung, Rendite– und Machtabsicherung in einer Rentenökonomie. Die Zukunft sozialer und soziotechnischer Systeme entscheidet sich daher nicht allein daran, was Menschen oder KI leisten können. Entscheidend ist, wie Menschen, Technik, Institutionen, Märkte, Eigentumsordnungen, Informationsflüsse und Governance miteinander verbunden werden. Eine gerechte, lernfähige und föderierte Architektur kollektiver Intelligenz muss menschliche Begrenztheit produktiv einbetten, technische Leistungsfähigkeit verantwortlich nutzen und verhindern, dass Machtkonzentration, Verantwortungsdiffusion oder bürokratische Erstarrung dominieren. Damit verbindet der Artikel Humes Menschenbild mit moderner KI-Governance, politischer Ökonomie, Kulturtheorie und institutioneller Architektur zu einer Theorie verantwortbarer kollektiver Intelligenz.

Keywords: Human-Centered AI; Hybrid HCAI; neuro-symbolic AI; federated AI; artificial intelligence; AGI; collective intelligence; organizational culture; adaptation gap; AI governance; platform power; concentration of power; symbolic regulation; subsymbolic scaling; human judgment; federated responsibility; common good; digital platforms; sociotechnical systems.

INHALTSVERZEICHNIS

Einleitung: Die ökonomische Grundfrage jeder Kultur
Der Mensch handelt nicht im luftleeren Raum
Kultur als ökonomische Architektur des Verhaltens
Das Adaption-Gap als Produktivitäts- und Kulturproblem
Zwei Perspektiven auf dieselbe Grundsatzfrage
Warum Menschen neue Ideen abwehren
Status als immaterielles Kapital
Weltbilder als kognitive Infrastruktur wirtschaftlichen Handelns
Besitzstände, Budgets und Gewinne
Deutungshoheit als ökonomische Macht
Gruppenloyalität und die Ökonomie der Zugehörigkeit
Richard Vetter und die institutionelle Trägheit von Märkten
Von der Organisation zur kollektiven Intelligenz
Die fünf Funktionslogiken als ökonomisches Kulturmodell sozialer Systeme
AGI, Plattformmacht und die politische Ökonomie kollektiver Intelligenz
Von guten und schlechten Kulturen
Historische Beispiele als ökonomische Spiegel sozialer Systeme
Von Hume zur föderierten Hybrid-HCAI: Eine integrierte Deutung
Offene Grundsatzfragen einer politischen Ökonomie kollektiver Intelligenz
Fazit: Kultur als verantwortbare Ökonomie kollektiver Intelligenz

1. EINLEITUNG: DIE ÖKONOMISCHE GRUNDSATZFRAGE JEDER KULTUR

Die Frage, warum Menschen sich so verhalten, wie sie sich verhalten, führt zunächst in die Anthropologie, in die Psychologie und in die Kulturtheorie. Sie führt aber ebenso tief in die Ökonomie. Denn menschliches Verhalten entsteht nie im luftleeren Raum. Menschen handeln innerhalb von Knappheiten, Erwartungen, Machtverhältnissen, Anreizsystemen, Eigentumsordnungen, Informationsasymmetrien und Verteilungskonflikten. Sie reagieren nicht nur auf Gründe, sondern auf Kosten und Nutzen; nicht nur auf Wahrheit, sondern auf Statusfolgen; nicht nur auf moralische Einsicht, sondern auf Karrierechancen, Budgetwirkungen, Zugehörigkeit, Sanktionen und Belohnungen. Wer Kultur verstehen will, muss deshalb auch ihre ökonomische Grammatik verstehen.

Kultur ist in diesem Sinn nicht nur ein System geteilter Werte, Rituale oder Selbstbeschreibungen. Kultur ist die tatsächlich wirksame Ordnung des Verhaltens in einem sozialen System. Sie legt fest, welche Informationen zirkulieren und welche zurückgehalten werden; welche Risiken eingegangen und welche vermieden werden; welche Ideen Kapital, Aufmerksamkeit und Legitimität erhalten; welche Akteure ihre Position sichern können; welche Formen von Loyalität, Anpassung, Kritik, Innovation oder Verantwortung belohnt werden. Kultur ist damit eine unsichtbare Infrastruktur der Allokation. Sie verteilt Aufmerksamkeit, Glaubwürdigkeit, Ressourcen, Verantwortung, Einfluss und Anerkennung.

Die klassische Kulturfrage lautet:

Welche Werte prägen ein soziales System?

Die ökonomisch zugespitzte Frage lautet:

Welche Anreize, Eigentumsrechte, Informationsflüsse, Machtpositionen, Haftungslogiken und Verteilungswirkungen erzeugen tatsächlich welches Verhalten?

Ein Unternehmen, eine Verwaltung, eine Universität, ein Staat, eine Religionsgemeinschaft, eine wissenschaftliche Schule, ein Berufsstand oder eine digitale Plattform kann offiziell Werte wie Offenheit, Wahrheit, Innovation, Exzellenz oder Verantwortung vertreten. Entscheidend ist jedoch, ob das System diese Werte auch in seinem realen Belohnungs-, Entscheidungs- und Sanktionssystem abbildet. Wo Offenheit behauptet, aber Widerspruch bestraft wird, entsteht keine offene Kultur. Wo Innovation gefordert, aber Risiko sanktioniert wird, entsteht keine Innovationskultur. Wo Verantwortung beschworen, aber Haftung diffundiert wird, entsteht keine Verantwortungskultur.

Diese Perspektive steht im Geist von David Humes A Treatise of Human Nature. Hume wollte den Menschen nicht als abstraktes Vernunftwesen verstehen, sondern als tatsächlich handelndes Wesen. Ihn interessierte nicht nur, wie Menschen denken sollten, sondern wie sie tatsächlich urteilen, glauben, fühlen, hoffen, fürchten, sich irren, sich anpassen, sich verteidigen und sich in sozialen Bindungen orientieren. Seine berühmte These, dass die Vernunft die „Sklavin der Leidenschaften“ sei, lässt sich für soziale Systeme als Warnung lesen: Argumente allein bewegen Menschen selten. Vernunft kann ordnen, begründen, vergleichen und kalkulieren. Die Handlungsenergie aber stammt aus Motiven, Interessen, Affekten, Gewohnheiten, Anerkennungsbedürfnissen, Ängsten und Bindungen.

Für eine politische Ökonomie sozialer Systeme ist diese Einsicht grundlegend. Menschen sind nicht einfach rationale Nutzenmaximierer im engen Modellverständnis, aber sie sind auch nicht bloß moralisch fehlbare Wesen.

Sie handeln in institutionellen Kontexten, in denen bestimmte Verhaltensweisen erwartbar, vorteilhaft oder riskant werden.
Sie verteidigen Status, weil Status Zugang zu Ressourcen bedeutet.
Sie verteidigen Weltbilder, weil Weltbilder Orientierung und Investitionssicherheit schaffen.
Sie verteidigen Budgets, weil Budgets Handlungsspielräume sichern.
Sie verteidigen Zuständigkeiten, weil Zuständigkeiten Macht, Sichtbarkeit und zukünftige Verhandlungspositionen erzeugen.
Sie verteidigen Gruppenloyalität, weil Zugehörigkeit Schutz bietet.

Wer menschliches Verhalten in sozialen Systemen verstehen will, muss deshalb fragen, welche sichtbaren und unsichtbaren Erträge mit diesem Verhalten verbunden sind.

Hier verbindet sich Hume mit dem Ansatz einer föderierten neuro-symbolischen Hybrid-HCAI. Während Hume die anthropologische Grundlage liefert, verschiebt die Architekturperspektive die Debatte über künstliche Intelligenz, Organisationen und Kultur von der bloßen Leistungsfrage zur institutionellen und ökonomischen Frage. Entscheidend ist nicht allein, was Menschen oder Maschinen leisten können. Entscheidend ist, unter welchen architektonischen, institutionellen und ökonomischen Bedingungen diese Leistung entsteht, verteilt, kontrolliert, legitimiert und verantwortet wird. Eine Fähigkeit allein erzeugt noch keinen Wohlstand. Ein Modell allein erzeugt noch keine gesellschaftliche Intelligenz. Eine Technologie allein erzeugt noch keine gerechte Verteilung. Erst die institutionelle Einbettung entscheidet darüber, ob aus Fähigkeiten produktive, verantwortbare und gemeinwohlorientierte Wertschöpfung entsteht.

Die Formel „Subsymbolik skaliert. Symbolik regelt. Der Mensch entscheidet. Föderierung verteilt. Governance verantwortet.“ lässt sich deshalb über die KI-Debatte hinaus als ökonomischer und kultureller Maßstab sozialer Systeme lesen. Subsymbolik steht für die Fähigkeit, Komplexität wahrzunehmen und Muster zu erkennen. Symbolik steht für explizite Regeln, Begriffe, Rollen und Verfahren. Der Mensch steht für normative Urteilskraft und Verantwortung. Föderierung steht für die Verteilung von Wissen, Macht und Entscheidungsspielräumen. Governance steht für die Metaordnung, die Rechenschaft, Korrektur, Haftung und legitime Veränderung ermöglicht. Ein soziales System wird nicht dadurch intelligent, dass es einzelne kluge Akteure besitzt. Es wird intelligent, wenn seine Architektur diese Elemente so verbindet, dass Wissen in bessere Entscheidungen, Verantwortung in tragfähiges Handeln und technologische Leistungsfähigkeit in breiten Wohlstand übersetzt werden kann.

2. DER MENSCH HANDELT NICHT IM LUFTLEHREN RAUM

Kein Mensch handelt isoliert. Jeder Mensch ist eingebunden in Rollen, Erwartungen, Routinen, Machtverhältnisse, Kommunikationswege und Belohnungssysteme. Ein Mitarbeiter schweigt vielleicht nicht, weil er nichts zu sagen hätte, sondern weil er gelernt hat, dass Widerspruch in seiner Organisation gefährlich ist. Eine Führungskraft blockiert eine neue Idee vielleicht nicht, weil sie unfähig wäre, sondern weil diese Idee ihre bisherige Strategie, ihre Autorität, ihr Budget oder ihre Karriere infrage stellt. Ein Wissenschaftler bekämpft eine neue Theorie vielleicht nicht aus Dummheit, sondern weil sie sein Weltbild, seine Schule, sein Lebenswerk oder seine institutionelle Stellung bedroht. Eine Behörde verzögert eine Innovation vielleicht nicht aus bösem Willen, sondern weil ihre Regeln, Haftungslogiken und Prüfverfahren für alte Technologien gebaut wurden. Verhalten ist daher immer zugleich individuell und systemisch. Menschen handeln aus persönlichen Motiven, aber diese Motive werden durch soziale Systeme geformt. Ein System kann Mut belohnen oder bestrafen. Es kann Wahrheit fördern oder gefährlich machen. Es kann Fehler als Lernchance behandeln oder als Makel. Es kann Außenseiterideen prüfen oder abwehren. Es kann Macht sichtbar machen oder als Sachzwang tarnen. Es kann Verantwortung klären oder so verteilen, dass im Ernstfall niemand verantwortlich ist.

Ökonomisch gesprochen verändert Kultur die relativen Preise von Verhalten. Sie macht bestimmte Handlungen billig und andere teuer. Schweigen kann billig sein, wenn Widerspruch Karrierechancen gefährdet. Anpassung kann rational erscheinen, wenn Konformität belohnt wird. Innovationsvermeidung kann vernünftig sein, wenn Fehler stark sanktioniert, erfolgreiche Innovationen aber kaum honoriert werden. Verantwortungsvermeidung kann zur dominanten Strategie werden, wenn Haftung individuell droht, Gewinne aber kollektiv oder hierarchisch vereinnahmt werden. In schlecht gestalteten Systemen ist defensives Verhalten deshalb nicht einfach moralisches Versagen. Es ist häufig eine rationale Anpassung an falsche Anreize. Das ist ein entscheidender Punkt. Viele Organisationen beklagen später genau das Verhalten, das sie zuvor selbst erzeugt haben. Sie beklagen mangelnden Mut, obwohl ihre Beförderungslogik Risikovermeidung belohnt. Sie beklagen Silodenken, obwohl Budgets, Zielsysteme und Berichtslinien Siloerfolge privilegieren. Sie beklagen fehlende Verantwortung, obwohl Entscheidungsprozesse Verantwortung diffus machen. Sie beklagen fehlende Innovation, obwohl sie Abweichung als Störung behandeln. Aus ökonomischer Sicht ist dies kein Paradox, sondern eine Folge institutioneller Fehlanreize.

Kultur ist damit eine Produktionsbedingung. Sie entscheidet darüber, ob Wissen in Entscheidungen übersetzt wird oder in Silos stecken bleibt. Sie entscheidet, ob dezentrale Information genutzt oder ignoriert wird. Sie entscheidet, ob Menschen Probleme früh melden oder taktisch verschweigen. Sie entscheidet, ob kollektive Intelligenz entsteht oder kollektive Blockade. Wer Kultur nur als weichen Faktor behandelt, übersieht ihren harten ökonomischen Charakter. Kultur bestimmt Transaktionskosten, Koordinationsfähigkeit, Innovationsgeschwindigkeit, Fehlerkosten, Vertrauensniveau und letztlich Produktivität.

3. KULTUR ALS ÖKONOMISCHE ARCHITEKTUR DES VERHALTENS

Ich widerspreche der üblichen AGI-Definition mit dem Argument, dass sie das zugrunde liegende Geschäftsmodell moderner KI-Plattformen in erheblichem Maße verschleiert. Der Kern meiner Kritik lautet, dass heutige KI-Modelle nach außen als autonome „Denkmaschinen“ erscheinen, tatsächlich aber in hohem Maß auf der Sammlung, Verdichtung und Monetarisierung menschlicher Wissens-, Kommunikations- und Interaktionsleistungen beruhen. Je mehr Nutzer an Kommunikations-, Informations- und Interaktionsprozessen teilnehmen, desto größer wird der Wissensinput des Systems; die Plattform kann dieses kollektiv mitproduzierte Wissen anschließend in Form von KI-Output, Produktivitätsdiensten oder Entscheidungshilfen wieder verkaufen.

Diese Kritik ist bewusst zugespitzt, verweist aber auf einen realen Strukturpunkt digitaler Plattformökonomien. Der ökonomische Wert vieler digitaler Systeme entsteht nicht allein aus interner technischer Exzellenz, sondern aus Netzwerkeffekten, Nutzungsdaten, Verhaltensspuren, Rückkopplungsschleifen, menschlichen Korrekturen, Feinjustierungen durch Feedback und der Fähigkeit, heterogene Beiträge in proprietäre Infrastrukturen einzuschließen. In diesem Sinn ist moderne generative KI keine rein maschinelle Intelligenz, sondern eine technologisch verdichtete Form gesellschaftlicher Sprache, Aufmerksamkeit, Erfahrung und Problemlösung. Die OECD hebt selbst hervor, dass Entwicklungs- und Einsatzphasen von KI ineinandergreifen können und dass Fine-Tuning oder kontinuierliches Training im downstream use das Verhalten und die Leistung eines Systems wesentlich verändern können.[11]

Meine alternative Definition von AGI als „ultimative Symbiose“ menschlicher kognitiver Rechenleistung mit künstlicher Rechenleistung ist deshalb theoretisch produktiv, weil sie den Begriff aus der engen Maschinenperspektive löst und in den Rahmen sozio-technischer Systeme überführt. AGI wäre demnach nicht primär eine Eigenschaft eines isolierten Modells, sondern das emergente Resultat einer organisierten Vernetzung menschlicher Urteilskraft, semantischer Kompetenz und maschineller Formalisierungskraft. Der entscheidende Zusatz dieser Position ist normativ: Die Regeln dieser Symbiose dürfen nicht zentral von Plattformbetreibern gesetzt und verändert werden, sondern müssen dezentral von den Nutzern selbst mitbestimmt werden.

Wissenschaftlich gesprochen verschiebt diese These den AGI-Begriff von einer individualistischen zu einer institutionellen Ontologie. Nicht eine Maschine als solche ist Träger allgemeiner Intelligenz, sondern ein verteiltes System aus Menschen, Regeln, Interfaces, Datenflüssen, Rechenzentren, Speicherformen und Entscheidungsarchitekturen. Diese Perspektive besitzt einen erheblichen Vorteil. Sie macht sichtbar, dass die gesellschaftliche Bedeutung von KI nicht an Benchmarks allein hängt, sondern an Eigentumsverhältnissen, Kontrollrechten, Beteiligungsstrukturen und Governance-Modellen. Zugleich verlangt sie nach begrifflicher Schärfe. Denn nicht jede Form kollektiver Vernetzung ist bereits AGI. Präzision gewinnt diese Konzeption, wenn man sie nicht als Beschreibung heutiger Realitäten, sondern als normative Gegenkonzeption liest: AGI im emanzipatorischen Sinn wäre eine demokratisch organisierte, qualitativ lernfähige Hybridform aus Human-Computer-Interaction und kollektiver Intelligenz.

Diese Verschiebung ist keine bloße begriffliche Variation. Sie verändert den gesamten Horizont der Debatte. Sobald AGI nicht länger als isolierte Eigenschaft eines Systems, sondern als Form institutionell organisierter Intelligenz begriffen wird, tritt die Architekturfrage in den Vordergrund. Genau an dieser Stelle führt der Weg zu meiner eigenen Entwicklungslinie vom BCM-Modell über die Hybrid-HCAI bis hin zur föderierten neuro-symbolischen Hybrid-Kollektivintelligenz.

4. DAS ADAPTION-GAP ALS PRODUKTIVITÄTS- UND KULTURPROBLEM

Das Adaption-Gap bezeichnet die Anpassungslücke zwischen technologischer Dynamik und organisationaler Wirklichkeit. Je schneller sich Umwelt, Technik, Märkte, Regulierung und gesellschaftliche Erwartungen verändern, desto stärker geraten traditionelle soziale Systeme unter Druck. Wenn ihre Rollen, Prozesse, Informationsflüsse, Entscheidungswege und Verantwortungsordnungen nicht mitwachsen, entsteht strukturelle Überforderung.

Dieses Problem ist in der Produktivitätsdebatte besonders sichtbar. Neue Technologien erzeugen ihre ökonomischen Wirkungen selten sofort. Sie brauchen komplementäre Investitionen: neue Prozesse, neue Qualifikationen, neue Organisationsformen, neue Datenarchitekturen, neue Führungsmodelle, neue Standards und oft auch neue Geschäftsmodelle. Wenn diese komplementären Veränderungen ausbleiben, bleibt die Technologie unter ihren Möglichkeiten. Es gibt mehr digitale Werkzeuge, aber nicht mehr Produktivität. Mehr Daten, aber nicht mehr Urteilskraft. Mehr Geschwindigkeit, aber nicht mehr Orientierung. Mehr Automatisierung, aber nicht mehr Verantwortung.

Das gilt nicht nur für Digitalisierung, sondern für Kultur überhaupt. Ein soziales System kann neue Technologien einführen und dennoch in alten Machtmustern, Silologiken und Kommunikationsbarrieren gefangen bleiben. Dann wird Digitalisierung zur Oberfläche, aber nicht zur Erneuerung. KI kann dann sogar bestehende Ineffizienzen beschleunigen. Sie automatisiert nicht Intelligenz, sondern alte Routinen. Sie vergrößert nicht Verantwortung, sondern verschleiert sie. Sie erhöht nicht Lernfähigkeit, sondern produziert neue Abhängigkeiten von Systemen, deren Annahmen, Daten und Entscheidungslogiken nicht verstanden werden.

Ökonomisch bedeutet das: Die Grenzproduktivität einer Technologie hängt von der Qualität ihrer institutionellen Einbettung ab. Eine KI, die in eine lernfähige, verantwortungsbewusste und föderierte Organisation eingebettet ist, kann menschliche Fähigkeiten erweitern, Suchkosten senken, Wissen verdichten und bessere Entscheidungen ermöglichen. Dieselbe KI kann in einer defensiven, hierarchischen und intransparenten Organisation Misstrauen verstärken, Verantwortungsdiffusion erhöhen, schlechte Daten reproduzieren und Machtkonzentration beschleunigen.

Das Adaption-Gap erklärt daher, warum Menschen sich in Veränderungsprozessen oft defensiv verhalten. Wenn ein System zu langsam, zu widersprüchlich oder zu unklar ist, schützen Menschen sich selbst. Sie halten Informationen zurück, sichern Zuständigkeiten, vermeiden Verantwortung, folgen formalen Regeln statt sachlichem Sinn und suchen Sicherheit in Gruppenloyalität. Dieses Verhalten ist nicht nur psychologisch erklärbar. Es ist ökonomisch rational, wenn die institutionelle Architektur Offenheit bestraft und Absicherung belohnt.

5. ZWEI PERSPEKTIVEN AUF DIESELBE GRUNDSATZFRAGE

Hume hilft, den Menschen zu verstehen. Die Architekturperspektive föderierter neuro-symbolischer Hybrid-HCAI hilft, soziale und soziotechnische Systeme zu verstehen. Beide Perspektiven gehören zusammen, weil jede realistische Theorie sozialer Systeme sowohl ein realistisches Menschenbild als auch eine institutionelle Theorie der Einbettung braucht. Hume zeigt, dass Menschen keine neutralen Vernunftmaschinen sind. Sie handeln aus Motiven, Leidenschaften, Gewohnheiten, Sympathien, Ängsten, Interessen und sozialen Bindungen heraus. Hybrid-HCAI zeigt, dass gerade deshalb jedes komplexe System eine Architektur braucht, die Verantwortung, Regeln, Verteilung, Rückkopplung und Governance bewusst organisiert. Wenn Menschen nicht automatisch sachlich handeln, reicht es nicht, ihnen Informationen zu geben. Man muss die Bedingungen gestalten, unter denen Informationen gehört, geprüft, verantwortet und in Handeln übersetzt werden. In der KI-Debatte wird diese Frage besonders sichtbar. KI-Systeme erzeugen Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen. Sie beeinflussen Informationsmärkte, Arbeitsmärkte, Geschäftsmodelle, Verwaltung, Bildung, Forschung und politische Öffentlichkeit. Deshalb dürfen sie nicht nur nach Leistungsfähigkeit beurteilt werden. Entscheidend ist ihre institutionelle Einbettung.

Wer kontrolliert Daten?
Wer besitzt Modelle?
Wer setzt Standards?
Wer trägt Haftung?
Wer profitiert von Produktivitätsgewinnen?
Wer kann widersprechen?
Wer kann Entscheidungen anfechten?
Wer wird von der Wertschöpfung ausgeschlossen?

Diese Fragen zeigen, dass KI keine rein technische Angelegenheit ist. Sie ist Teil einer politischen Ökonomie der Wissensverarbeitung. Sie verändert, wer Informationen besitzt, wer Entscheidungen vorbereitet, wer Arbeit ersetzt oder ergänzt, wer Märkte kontrolliert, wer Zugang zu Infrastruktur hat und wer die daraus entstehenden Produktivitäts- bzw. Rentengewinne (Rentenökonomie) abschöpfen kann. Die technische Leistungsfähigkeit eines Modells ist daher nur eine Seite der Debatte. Die andere Seite ist die institutionelle Ordnung, in der diese Leistungsfähigkeit wirkt.

Übertragen auf soziale Systeme bedeutet das: Eine gute Kultur ersetzt menschliche Verantwortung nicht durch Verfahren, Hierarchie oder Technik. Sie stärkt Verantwortung, indem sie Informationen zugänglich macht, Regeln expliziert, Rollen klärt, Macht verteilt, Anreize ordnet und Korrektur institutionalisiert. Eine solche Kultur weiß, dass Menschen Interessen haben. Sie moralisiert diese Tatsache nicht, sondern gestaltet Institutionen so, dass individuelle Motive möglichst häufig mit kollektiver Lernfähigkeit, Produktivität und Verantwortung zusammenfallen.

6. WARUM MENSCHEN NEUE IDEEN ABWEHREN

Neue Ideen werden selten nur danach beurteilt, ob sie wahr, effizient oder nützlich sind. Sie werden auch danach beurteilt, was sie im sozialen System verändern. Eine neue Idee kann zeigen, dass bisherige Annahmen falsch waren. Sie kann bestehende Zuständigkeiten infrage stellen. Sie kann Budgets verschieben. Sie kann alte Experten entwerten. Sie kann Hierarchien umgehen. Sie kann Geschäftsmodelle bedrohen. Sie kann die Frage aufwerfen, warum ein Problem nicht früher gelöst wurde.

Darum erzeugen neue Ideen Widerstand. Dieser Widerstand ist nicht immer irrational. Manchmal sind Einwände berechtigt. Neue Lösungen können unausgereift, riskant, teuer, schlecht eingebettet oder sozial folgenreicher sein, als ihre Befürworter erkennen. Aber in sozialen Systemen vermischen sich sachliche und nicht-sachliche Motive. Der Schutz von Qualität kann sich mit dem Schutz von Status verbinden. Sicherheitsargumente können echte Risiken benennen, aber auch Innovation verzögern. Methodische Strenge kann Erkenntnis sichern, aber auch als Mittel der Ausgrenzung dienen. Regulatorische Vorsicht kann Gemeinwohl schützen, aber auch Markteintrittsbarrieren stabilisieren.

Ökonomisch betrachtet ist Innovation immer auch ein Verteilungskonflikt. Sie erzeugt Gewinner und Verlierer. Sie verändert Knappheiten. Sie entwertet alte Fähigkeiten und schafft neue. Sie verschiebt Verhandlungsmacht. Sie zerstört bestehende Rentengewinne und eröffnet neue. Deshalb ist Widerstand gegen Innovation nicht nur ein Problem falscher Einsicht, sondern häufig ein Problem rationaler Interessenverteidigung.

Bei jeder Innovation müssen daher zwei Fragen gestellt werden. Die erste lautet: Welche sachlichen Gründe sprechen für oder gegen diese Idee? Die zweite lautet: Welche ökonomischen, institutionellen und kulturellen Interessen wirken im Hintergrund? Erst wenn beide Fragen gestellt werden, kann man zwischen berechtigter Qualitätsprüfung und getarnter Besitzstandswahrung unterscheiden. Eine gute Kultur muss Einwände ernst nehmen, ohne naiv gegenüber ihren Interessenlagen zu sein.

7. STATUS ALS IMMATERIELLES KAPITAL

Menschen verteidigen Status, weil Status Anerkennung, Einfluss und Sicherheit bedeutet. Ökonomisch betrachtet ist Status eine Form immateriellen Kapitals. Er verschafft Zugang zu Netzwerken, Glaubwürdigkeit, Ressourcen, Aufmerksamkeit und Deutungshoheit. Wer in einem sozialen System über Jahre als Experte, Entscheider, Professor, Vorstand, Meister, Beamter, Gründer oder Vordenker galt, besitzt nicht nur symbolisches Ansehen. Er verfügt über eine Position, die reale Vorteile erzeugt. Neue Ideen greifen Statusordnungen an, selbst wenn sie das nicht beabsichtigen. Wenn ein Außenseiter eine bessere Lösung findet, stellt sich die Frage, warum die etablierten Experten sie nicht gefunden haben.

Wenn ein junger Mitarbeiter eine Schwäche erkennt, entsteht die Frage, warum die Führung sie übersehen hat. Wenn ein Praktiker eine akademische Lösung übertrifft, wird nicht nur ein Verfahren, sondern eine Rangordnung irritiert. Statusverteidigung ist daher nicht bloß Eitelkeit. Sie ist Verteidigung von Zugang, Einfluss, Glaubwürdigkeit und zukünftigen Erträgen.

Der Konflikt zwischen John Harrison und dem Board of Longitude ist hierfür beispielhaft. Harrison war kein akademischer Astronom, sondern ein handwerklich geprägter Uhrmacher und Konstrukteur. Seine Chronometer boten eine technische Lösung für das Längenproblem der Seefahrt. Doch die Anerkennung dieser Lösung war nicht nur eine Frage technischer Funktionalität. Sie berührte die Deutungshoheit astronomischer Eliten, die Legitimität handwerklicher Expertise und die institutionelle Frage, wer über Wahrheit, Prüfung und Preisgeld entscheiden durfte.

Harrisons Fall zeigt, dass eine gute Idee in sozialen Systemen nicht nur funktionieren muss. Sie muss auch gegen Statusordnungen, Fachkulturen und institutionelle Selbstbehauptung bestehen. Ökonomisch formuliert: Sie muss nicht nur technische Effizienz beweisen, sondern auch die sozialen Eintrittsbarrieren überwinden, die etablierte Akteure schützen. Eine lernfähige Kultur muss deshalb Verfahren entwickeln, die Ideen nach Qualität prüfen, ohne sie durch Statusfilter zu verzerren. Sie muss erkennen, dass epistemische Gerechtigkeit und ökonomische Produktivität zusammenhängen. Wenn gute Ideen systematisch blockiert werden, weil ihre Urheber nicht in die Rangordnung passen, verliert das System Innovationsfähigkeit.

8. WELTBILDER ALS KOGNITIVE INFRASTRUKTUR WIRTSCHAFTLICHEN HANDELNS

Menschen verteidigen Weltbilder, weil Weltbilder Orientierung geben. Sie sagen uns, was möglich ist, was zählt, wer glaubwürdig ist und welche Erklärungen akzeptabel sind. Wird ein Weltbild bedroht, entsteht nicht nur intellektueller Widerspruch, sondern emotionale Abwehr. Ein Weltbild ist nicht bloß eine Meinung. Es ist eine kognitive Infrastruktur, die Wahrnehmung, Erwartung und Entscheidung strukturiert.

Die Auseinandersetzungen zwischen Heisenberg, Schrödinger, Einstein und Bohr um die Quantenmechanik zeigen dies besonders deutlich. Es ging nicht nur um Gleichungen und Experimente. Es ging um Vorstellungen von Wirklichkeit, Kausalität, Messbarkeit und Naturgesetzlichkeit. Einsteins Skepsis gegenüber bestimmten Deutungen der Quantenmechanik war nicht Ausdruck mangelnder Intelligenz, sondern Ausdruck eines tiefen philosophischen Unbehagens gegenüber einem Weltbild, das Wahrscheinlichkeit und Messbedingungen stärker ins Zentrum rückte. Auch in Organisationen gibt es solche Weltbilder.

Manche Unternehmen glauben, Kontrolle sei wichtiger als Vertrauen.
Manche Verwaltungen glauben, Regelkonformität sei wichtiger als Wirkung.
Manche Wissenschaftsmilieus glauben, nur bestimmte Methoden seien legitim.
Manche politische Gruppen glauben, nur die eigene Seite könne Wahrheit vertreten.

Solche Weltbilder prägen, was überhaupt als vernünftig erscheint. Ökonomisch sind Weltbilder deshalb relevant, weil sie Erwartungsbildung strukturieren. Erwartungen beeinflussen Investitionen, Risikobereitschaft, Innovationsentscheidungen und Marktverhalten. Ein Unternehmen, das Digitalisierung nur als Kostenfaktor versteht, investiert anders als ein Unternehmen, das sie als Infrastruktur neuer Wertschöpfung begreift.

Eine Verwaltung, die Bürger primär als Risiko betrachtet, baut andere Verfahren als eine Verwaltung, die sie als Ko-Produzenten öffentlicher Wirkung versteht. Eine Gesellschaft, die KI als Ersatz des Menschen denkt, schafft andere Institutionen als eine Gesellschaft, die KI als Erweiterung menschlicher Urteilskraft versteht.

Aus Humes Perspektive ist verständlich, warum Weltbilder nicht einfach durch bessere Argumente verschwinden. Menschen hängen nicht nur an Sätzen, sondern an Bedeutungsordnungen. Vernunft kann bestehende Bindungen aufklären, aber sie kann sie auch verteidigen. Deshalb ist jede kulturelle und ökonomische Transformation zugleich ein Kampf um Erwartungen, Erzählungen und Legitimität.

9. BESITZSTÄNDE, BUDGETS UND GEWINNE

Soziale Systeme erzeugen Besitzstände. Damit sind nicht nur materielle Privilegien gemeint, sondern auch Zuständigkeiten, Verfahren, Budgets, Titel, Netzwerke, Marktanteile, Normen und Deutungsrechte. Wer vom bestehenden Zustand profitiert, hat selten ein spontanes Interesse an seiner Veränderung. Besitzstände sind oft historisch gewachsen, institutionell abgesichert und kulturell legitimiert. Gerade deshalb erscheinen sie ihren Trägern nicht als Privileg, sondern als Normalität. Ökonomisch lassen sich viele Besitzstände als Renten in einer Rentenökonomie verstehen.

Rentenökonomie bezeichnet eine Wirtschaftsform, in der Einkommen überwiegend durch die Ausnutzung von Knappheiten oder externen Einnahmen erzielt wird, statt durch produktive Arbeit oder Investitionen. Mit anderen Worten: Renten sind Erträge, die nicht primär aus neuer Wertschöpfung entstehen, sondern aus geschützten Positionen, Zugangsbeschränkungen, Regulierung, Standards, Eigentumsrechten, Netzwerkeffekten oder Informationsvorsprung. Innovation bedroht solche Renten, weil sie alte Knappheiten auflöst, neue Anbieter zulässt, bestehende Schnittstellen entwertet oder Macht neu verteilt.

Darum sind Konflikte um Innovation häufig Konflikte um Verteilung. Eine neue Technologie kann bessere Ergebnisse liefern und dennoch bekämpft werden, weil sie bestehende Geschäftsmodelle entwertet. Ein neues Verfahren kann effizienter sein und dennoch blockiert werden, weil es Abteilungen oder Führungsrollen infrage stellt. Eine neue wissenschaftliche Theorie kann überzeugend sein und dennoch Widerstand erzeugen, weil sie Lehrstühle, Forschungsprogramme oder nationale Prestigeordnungen berührt.

Der Konflikt zwischen Nikola Tesla, Thomas Edison und George Westinghouse lässt sich genau so lesen. Der sogenannte „War of the Currents“ war nicht nur ein technischer Konflikt zwischen Gleichstrom und Wechselstrom. Er war ein Kampf um Infrastruktur, Patente, Investitionen, Standards, Netzwerkeffekte und öffentliche Deutung. Wer den technischen Standard kontrollierte, kontrollierte zukünftige Ertragsströme. Die technische Frage war untrennbar mit einer Markt- und Machtfrage verbunden.

Hier zeigt sich eine direkte Parallele zur Gegenwart der KI. Auch heutige KI-Debatten sind nicht nur technische Debatten. Sie betreffen Eigentum, Infrastruktur, Plattformmacht, Datenzugang, Rechenkapazität, Standards und zukünftige Einkommensströme. Die Frage ist nicht nur, ob KI leistungsfähig ist. Die Frage ist, wer Basismodelle, Rechenzentren, Datenströme, Schnittstellen und Distributionskanäle kontrolliert. In einer digitalen Ökonomie kann Infrastrukturbesitz zu Marktmacht werden, Marktmacht zu Renditen bzw. Renten wiederum zu politischem Einfluss führen.

Damit wird KI zu einem zentralen Gegenstand politischer Ökonomie. Wenn wenige Akteure die grundlegenden Infrastrukturen kollektiver Intelligenz kontrollieren, entsteht die Gefahr einer neuen Rentenökonomie. Die Produktivität vieler Menschen, Organisationen und Wissensgemeinschaften wird dann in Plattformrenten weniger Infrastrukturbesitzer übersetzt. Eine gerechte Architektur kollektiver Intelligenz muss diese Gefahr institutionell beantworten.

10. DEUTUNGSHOHEIT ALS ÖKONOMISCHE MACHT

In jedem sozialen System gibt es Personen oder Institutionen, die Wirklichkeit deuten. In der Wissenschaft sind es Fachgesellschaften, Journale, Gutachter, Lehrstühle und Schulen. In Unternehmen sind es Geschäftsleitungen, Strategiestäbe, Controlling, Expertenkreise und informelle Machtzentren. In Staaten sind es Ministerien, Gerichte, Behörden, Medien und Parteien. In digitalen Plattformökonomien sind es zunehmend die Betreiber der Infrastrukturen, Algorithmen und Modelle. Deutungshoheit bedeutet: Man besitzt nicht notwendig die Wahrheit, aber man besitzt Einfluss darauf, was als wahr, relevant, seriös oder legitim gilt.

Ökonomisch ist Deutungshoheit wertvoll, weil sie Ressourcen lenkt. Wer bestimmt, was als Problem gilt, beeinflusst, wofür Geld, Zeit, Aufmerksamkeit und politische Energie verwendet werden. Wer bestimmt, welche Methode als seriös gilt, beeinflusst Karrieren und Forschungsprogramme. Wer bestimmt, welche Daten sichtbar sind, beeinflusst Entscheidungen. Wer bestimmt, welche Antworten eine Plattform ausgibt, beeinflusst Wahrnehmung und Verhalten.

Der Konflikt zwischen Newton und Leibniz zeigt, wie Erkenntnis, Priorität und Deutungshoheit ineinandergreifen. Es ging um Mathematik, aber auch um Ruhm, nationale Wissenschaftsehre und die Frage, wer den historischen Anspruch auf eine fundamentale Entdeckung erheben durfte.

Der Konflikt zwischen Robert Koch und Louis Pasteur zeigt eine ähnliche Verbindung von Wissenschaft, Rivalität, nationaler Zugehörigkeit und institutioneller Konkurrenz. Erkenntnis war nicht nur Beitrag zur Wahrheit, sondern auch Teil nationaler und institutioneller Selbstbehauptung.

In der KI-Ökonomie verschiebt sich Deutungshoheit auf eine neue Ebene. Wenn KI-Systeme Antworten generieren, Informationen ordnen, Inhalte empfehlen und Aufmerksamkeit verteilen, werden Plattformen zu epistemischen Infrastrukturen. Sie beeinflussen nicht nur Märkte, sondern auch Wirklichkeitswahrnehmung. Das ist ökonomisch brisant, weil Deutungshoheit und Wertschöpfung zusammenfallen. Wer die Infrastruktur besitzt, die Wissen strukturiert, kann zugleich die daraus entstehenden Erträge monetarisieren.

In meiner AGI-Kritik (Von BCM zu föderierter neuro-symbolischer Hybrid-HCAI) erscheint genau dieses Motiv. Wenn AGI als Leistung isolierter Maschinen beschrieben wird, kann verdeckt werden, dass solche Systeme auf kollektiven menschlichen Wissensleistungen, Interaktionen, Daten, Korrekturen und sozialen Infrastrukturen beruhen. Die Plattform erscheint dann als Urheberin von Intelligenz, obwohl sie in erheblichem Umfang gesellschaftliche Intelligenz verdichtet, formalisiert und monetarisiert.

Die Deutungshoheit liegt dann nicht mehr bei der Gesellschaft, die Wissen erzeugt, sondern bei der Plattform, die dieses Wissen infrastrukturell einschließt.

Die ökonomischen Kernfragen lauten daher:

Wem gehört kollektive Intelligenz?
Wer darf sie in Modelle, Plattformen und Geschäftsmodelle übersetzen?
Wer kontrolliert die Zugänge?
Wer erhält die Erträge?
Und welche Governance verhindert, dass gesellschaftlich erzeugtes Wissen in private Deutungs- und Kapitalmacht umschlägt?

11. GRUPPENLOYALITÄT UND DIE ÖKONOMIE DER ZUGEHÖRIGKEIT

Menschen glauben nicht nur Argumenten. Sie glauben Menschen, Gruppen und Institutionen, denen sie vertrauen. Zugehörigkeit wirkt oft stärker als Wahrheit. Was aus der eigenen Gruppe kommt, wird wohlwollender geprüft. Was von außen kommt, wird skeptischer betrachtet. Dieselbe Aussage kann je nach Absender völlig unterschiedlich bewertet werden. Gruppenloyalität ist nicht nur psychologisch, sondern auch ökonomisch verständlich. Gruppen schaffen Vertrauen, senken Koordinationskosten und ermöglichen Kooperation unter Unsicherheit.

Wer zu einer Gruppe gehört, erhält Informationen, Schutz, Reputation und Zugang. Gruppenloyalität ist daher eine soziale Ressource. Aber sie hat auch Schattenseiten. Sie kann Außenseiterwissen abwehren, Fehler verdecken, Silos verstärken und kollektives Lernen blockieren.

Das erklärt, warum Konflikte zwischen wissenschaftlichen Schulen, Nationen, Unternehmen oder Berufsgruppen so hart werden können. Robert Koch und Louis Pasteur standen nicht nur für konkurrierende Forschungsleistungen, sondern auch für nationale Wissenschaftskulturen. Erkenntnis erschien nicht nur als Beitrag zur Wissenschaft, sondern auch als Leistung einer Nation, einer Schule, eines institutionellen Lagers. Wahrheit wurde in Zugehörigkeitsordnungen übersetzt. Auch in Unternehmen ist Gruppenloyalität mächtig. Abteilungen verteidigen ihre Zuständigkeiten. Standorte verteidigen ihre Bedeutung. Berufsgruppen verteidigen ihre Methoden.

Managementebenen verteidigen ihre Sprache. IT, Fachbereiche, Controlling, Vertrieb, Produktion und Recht entwickeln jeweils eigene Wahrnehmungswelten. Was für die eine Gruppe als Fortschritt erscheint, kann für die andere als Kontrollverlust wirken. Was für die Unternehmensleitung Effizienz bedeutet, kann für Beschäftigte Entwertung bedeuten. Was für die IT Standardisierung bedeutet, kann für Fachbereiche Verlust von Kontextwissen bedeuten. Deshalb braucht jedes komplexe soziale System Übersetzungsarchitekturen.

Es reicht nicht, Informationen bereitzustellen. Informationen müssen so in Rollen, Regeln, Entscheidungswege und Verantwortlichkeiten eingebettet werden, dass Gruppen nicht automatisch in Abwehr gehen. Genau hier ist der BCM-Gedanke anschlussfähig: Kommunikation, Rollenklärung, Rückkopplung und verteilte Verantwortung sind nicht weiche Begleiterscheinungen, sondern harte Bedingungen kollektiver Handlungsfähigkeit. Sie senken Koordinationskosten, reduzieren Misstrauen und ermöglichen produktive Kooperation über Gruppengrenzen hinweg.

12. RICHARD VETTER UND DIE INSTITUTIONELLE TRÄGHEIT VON MÄRKTEN

Das Beispiel Richard Vetter und der Brennwerttechnik zeigt, dass Innovation oft nicht an der technischen Idee scheitert, sondern an ihrer Einbettung in bestehende Normen, Prüfstellen, Marktstrukturen, Installationsroutinen und Gewohnheiten. Eine neue technische Lösung muss nicht nur funktionieren. Sie muss zugelassen, verstanden, versichert, verkauft, installiert, finanziert und institutionell akzeptiert werden. Innovation ist daher nie nur Erfindung. Sie ist immer auch Diffusion, Standardisierung, Finanzierung, Qualifikation und Vertrauensbildung.

Hier zeigt sich die Ambivalenz von Governance. Prüfstellen, Normen und Zulassungsverfahren sind notwendig, um Sicherheit, Qualität und Verlässlichkeit zu gewährleisten. Zugleich können sie innovationshemmend wirken, wenn sie zu stark an alten technischen Paradigmen hängen oder von etablierten Akteuren indirekt zur Stabilisierung bestehender Marktpositionen genutzt werden. Dann schützt das System nicht mehr nur Sicherheit, sondern auch Vergangenheit.

Ökonomisch geht es um Markteintrittskosten, Pfadabhängigkeit und Standardsetzung. Bestehende Technologien sind nicht nur technisch vorhanden. Um sie herum entstehen Lieferketten, Qualifikationen, Prüfverfahren, Geschäftsmodelle, Wartungsroutinen, Versicherungslogiken und Kundenerwartungen.

Eine neue Technologie muss gegen diese gesamte Struktur antreten. Selbst wenn sie langfristig effizienter ist, kann sie kurzfristig hohe Umstellungskosten verursachen. Diese Umstellungskosten werden oft von anderen Akteuren getragen als jene, die langfristig profitieren. Genau daraus entstehen Blockaden.

Diese Spannung ist zentral für jede Kultur eines sozialen Systems. Stabilität ist notwendig. Aber zu viel Stabilität wird zur Erstarrung. Regeln sind notwendig. Aber Regeln ohne Lernfähigkeit werden zur Blockade. Governance ist notwendig. Aber Governance ohne Korrekturfähigkeit wird zur Machtform des Bestehenden.

Eine gute Governance muss deshalb doppelt funktionieren: Sie muss Risiken begrenzen und gleichzeitig Lernfähigkeit sichern. Sie muss Standards schaffen, ohne Pfadabhängigkeit zu sakralisieren. Sie muss Qualität schützen, ohne Markteintritt für bessere Lösungen unmöglich zu machen.

13. VON DER ORGANISATION ZUR KOLLEKTIVEN INTELLIGENZ

Jedes soziale System besitzt eine Form kollektiver Intelligenz — oder kollektiver Unintelligenz. Ein soziales System ist intelligent, wenn relevante Informationen rechtzeitig zu den richtigen Personen gelangen, wenn Widerspruch möglich ist, wenn Fehler korrigiert werden, wenn unterschiedliche Perspektiven produktiv verbunden werden und wenn Entscheidungen verantwortet werden können.

Ein soziales System ist unintelligent, wenn Informationen zurückgehalten werden, wenn Hierarchie Wahrheit ersetzt, wenn Fehler verdeckt werden, wenn Gruppenloyalität Kritik verhindert, wenn Macht sich als Sachlichkeit tarnt und wenn niemand mehr verantwortlich ist.

Ökonomisch lässt sich kollektive Intelligenz als Fähigkeit eines Systems verstehen, dezentrales Wissen in bessere Entscheidungen und produktive Wertschöpfung zu übersetzen. Diese Fähigkeit hängt nicht nur von individuellen Kompetenzen ab. Sie hängt von Informationsarchitektur, Anreizsystemen, Eigentumsrechten, Governance, Vertrauen und Konfliktfähigkeit ab.

Ein System kann viele kluge Menschen haben und trotzdem dumm handeln, wenn Wissen nicht zirkuliert, Widerspruch nicht erlaubt ist oder Verantwortung diffundiert. Umgekehrt kann ein gut gestaltetes System begrenzte individuelle Fähigkeiten so verbinden, dass kollektive Lernfähigkeit entsteht.

Damit wird die Frage „Warum verhalten sich Menschen so, wie sie es tun?“ zu einer Architekturfrage.

Welche Strukturen erzeugen welches Verhalten?
Welche Kommunikationswege ermöglichen oder verhindern Lernen?
Welche Rollen schaffen Verantwortung oder Verantwortungsdiffusion?
Welche Anreizsysteme fördern Kooperation oder Opportunismus?
Welche Eigentums- und Machtstrukturen bestimmen, wer von Wissen profitiert?
Welche Regeln senken die Kosten der Wahrheit?
Welche Institutionen verhindern, dass Wirtschafts-Renten produktive Innovation verdrängen?

Diese Fragen zeigen, dass kollektive Intelligenz nicht einfach durch mehr Daten, mehr Experten oder mehr Technologie entsteht. Sie entsteht durch die richtige Verbindung von Wahrnehmung, Bedeutung, Entscheidung, Verteilung und Verantwortung. Genau hier berührt sich die Kulturfrage mit der Architekturfrage der Hybrid-HCAI. Eine Organisation, eine Verwaltung, eine Plattform oder eine Gesellschaft wird nicht intelligenter, weil sie mehr Informationen besitzt. Sie wird intelligenter, wenn sie Informationen in verantwortbare Entscheidungen übersetzen kann.

14. DIE FÜNF FUNKTIONSLOGIKEN ALS ÖKONOMISCHES KULTURMODELL SOZIALER SYSTEME

Die Formel „Subsymbolik skaliert. Symbolik regelt. Der Mensch entscheidet. Föderierung verteilt. Governance verantwortet.“ lässt sich als allgemeines Modell verantwortbarer sozialer Systeme lesen. Sie beschreibt nicht nur eine technische Architektur, sondern eine ökonomische Funktionslogik kollektiver Intelligenz.

Subsymbolik skaliert bedeutet in KI-Systemen: neuronale Netze, Mustererkennung, Prognose und statistische Verarbeitung großer Datenräume. Übertragen auf soziale Systeme steht diese Ebene für Sensorik. Ein soziales System muss wahrnehmen, was geschieht. Es muss Rückmeldungen aufnehmen, Daten auswerten, Stimmungen erkennen, Risiken identifizieren, Marktsignale verarbeiten und Veränderungen in seiner Umwelt bemerken. Ohne diese Fähigkeit handelt es blind. Aber Wahrnehmung allein genügt nicht. Daten sagen nicht von selbst, was richtig ist. Prognosen liefern keine Werte. Statistische Korrelationen ersetzen keine Verantwortung. Ein System, das nur skaliert, aber nicht versteht, entscheidet schnell, aber nicht unbedingt gut.

Symbolik regelt bedeutet: Explizite Regeln, Rollen, Begriffe, Prozesse, Normen und Entscheidungslogiken sind notwendig, damit Verhalten nicht willkürlich wird. Ein soziales System braucht solche symbolischen Strukturen, weil sie Erwartbarkeit, Zuständigkeit und Verständigung schaffen. Ökonomisch senken sie Transaktionskosten. Sie ermöglichen Kooperation unter Unsicherheit, weil Akteure wissen, welche Regeln gelten, wer zuständig ist und wie Konflikte bearbeitet werden. Aber Regeln dürfen nicht starr werden. Sie müssen überprüfbar, erklärbar und korrigierbar bleiben. Eine Kultur ist nicht deshalb gut, weil sie viele Regeln hat. Sie ist gut, wenn ihre Regeln Verantwortung ermöglichen, statt sie zu verstecken.

Der Mensch entscheidet bedeutet: Die menschliche Ebene bleibt die normative Mitte. Menschen müssen Zwecke bestimmen, Werte abwägen, Ausnahmen beurteilen und Verantwortung übernehmen. Weder Organisationen noch Algorithmen dürfen Verantwortung so verteilen, dass am Ende niemand mehr verantwortlich ist. Das gilt besonders im Zeitalter der KI. Wenn Entscheidungen an technische Systeme delegiert werden, darf menschliche Urteilskraft nicht entleert werden. KI kann unterstützen, verdichten, simulieren, warnen und Vorschläge machen. Aber sie darf nicht zur Entlastung von Verantwortung missbraucht werden. Eine Entscheidung wird nicht dadurch verantwortbar, dass ein Modell sie empfohlen hat.

Föderierung verteilt bedeutet: Wissen, Daten, Zuständigkeiten und Entscheidungsspielräume dürfen nicht unnötig zentralisiert werden. Föderierung schützt vor Machtkonzentration und epistemischer Monopolisierung. In sozialen Systemen ist das entscheidend, weil zentrale Instanzen selten über alle lokalen Informationen verfügen. Menschen vor Ort wissen Dinge, die die Spitze nicht weiß. Nutzer erkennen Probleme, die Entwickler nicht sehen. Fachbereiche haben Kontextwissen, das in zentralen Modellen verloren gehen kann. Föderierung bedeutet nicht Chaos. Sie bedeutet geordnete Verteilung. Ökonomisch nutzt sie dezentrales Wissen und verhindert, dass eine zentrale Instanz zum Engpass kollektiver Intelligenz wird.

Governance verantwortet bedeutet: Ein soziales System braucht eine Metaordnung, die festlegt, wer entscheiden darf, wer kontrolliert, wer korrigiert, wer haftet, wer interveniert und wie Regeln geändert werden können. Ohne Governance wird Verteilung zur Verantwortungsdiffusion. Mit schlechter Governance wird Zentralisierung zur Herrschaft. Mit guter Governance wird ein System lernfähig, rechenschaftspflichtig und korrigierbar. Governance ist daher nicht bloß Bürokratie. Sie ist die institutionelle Bedingung dafür, dass Freiheit, Innovation und Verantwortung zusammen bestehen können.

Diese fünf Funktionslogiken bilden zusammen ein ökonomisches Kulturmodell. Subsymbolik liefert Wahrnehmungskapazität. Symbolik liefert Koordinationsfähigkeit. Menschliche Entscheidung liefert normative Orientierung. Föderierung liefert Verteilung und Resilienz. Governance liefert Legitimität, Haftung und Korrektur. Fehlt eine dieser Ebenen, wird das System einseitig. Es kann blind, willkürlich, entmenschlicht, zentralistisch oder verantwortungslos werden.

15. AGI, PLATTFORMMACHT UND DIE POLITISCHE ÖKONOMIE KOLLEKTIVER INTELLIGENZ

Mein Artikel erweitert diese Kulturfrage in die digitale Gegenwart. Wenn KI-Systeme zunehmend menschliche Kommunikation, Wissensarbeit und Entscheidungsprozesse durchdringen, entstehen neue soziale Systeme. Plattformen sind nicht nur technische Werkzeuge. Sie sind kulturelle, institutionelle und ökonomische Ordnungen. Sie bestimmen, welche Informationen sichtbar werden, welche Interaktionen möglich sind, welche Daten gesammelt werden, welche Beiträge verwertet werden und wer an der daraus entstehenden Wertschöpfung beteiligt wird.

Deshalb ist die AGI-Debatte auch eine Kultur- und Verteilungsdebatte. Wenn AGI als autonome Maschinenintelligenz dargestellt wird, verschwinden die menschlichen, sozialen und institutionellen Vorleistungen aus dem Blick. Das System erscheint als „intelligent“, obwohl es auf kollektiver menschlicher Intelligenz aufbaut. Die Plattform erscheint als Quelle der Leistung, obwohl sie Wissen, Sprache, Interaktion und Feedback vieler Menschen verdichtet. Ökonomisch ist dies eine Aneignungsfrage.

Moderne KI-Systeme beruhen auf menschlichem Wissen, Sprache, Kultur, Interaktion, Korrektur, Feedback und Nutzungsdaten. Millionen Menschen tragen direkt oder indirekt zur Leistungsfähigkeit solcher Systeme bei. Der wirtschaftliche Nutzen wird jedoch häufig von wenigen Plattformen abgeschöpft. Daraus entsteht die Gefahr, dass KI zu einer Infrastruktur der Privatisierung kollektiver Intelligenz wird.

Gesellschaftlich erzeugtes Wissen wird in private Modelle übersetzt, diese Modelle werden über Plattformen monetarisiert, und die daraus entstehenden Gewinne / Renten fließen an wenige Infrastrukturbesitzer.

Die zentrale Frage lautet daher nicht nur: Wann wird KI allgemein intelligent?

Sondern:

Welche Architektur kollektiver Intelligenz entsteht hier?
Wem dient sie?
Wer kontrolliert sie?
Wer profitiert von ihr?
Wer trägt Verantwortung?
Wer darf Regeln ändern?
Wer kann widersprechen?
Wer wird ausgeschlossen?
Wer erhält Zugang zu Daten, Modellen, Rechenleistung und Schnittstellen?
Wer kann eigene Systeme aufbauen?
Wer bleibt abhängig?

Damit verschiebt sich die AGI-Frage von der Maschinenontologie zur institutionellen Ontologie. Intelligenz ist dann nicht nur Eigenschaft eines isolierten technischen Systems, sondern Eigenschaft richtig organisierter Beziehungen zwischen Menschen, Maschinen, Regeln, Daten, Kontexten, Eigentumsrechten, Feedback und Governance.

Eine solche Sichtweise verändert die ökonomische Debatte. Im Zentrum stehen nicht mehr nur Modellgröße, Benchmarks und Autonomie, sondern Komplementarität, Verteilung, Infrastrukturzugang, öffentliche Güter, Plattformmacht und demokratische Kontrolle. Die ökonomische Gefahr besteht darin, dass KI Produktivität erzeugt, aber Wohlstand nicht breit verteilt.

Technologie kann gesamtwirtschaftliche Leistung erhöhen und dennoch Vermögen, Macht und Kontrolle konzentrieren. Sie kann Arbeit ergänzen oder entwerten. Sie kann neue Chancen schaffen oder Abhängigkeiten vertiefen. Deshalb reicht es nicht, von „KI für alle“ zu sprechen. Man muss die Eigentums-, Wettbewerbs-, Steuer-, Arbeitsmarkt- und Infrastrukturordnung benennen, die notwendig ist, damit Produktivitätsgewinne breit diffundieren.

16. VON GUTEN UND SCHLECHTEN KULTUREN

Eine schlechte Kultur erkennt man daran, dass Verantwortung unklar wird. Entscheidungen werden getroffen, aber niemand will entschieden haben. Fehler entstehen, aber niemand ist zuständig. Regeln gelten, aber niemand kann erklären, warum. Daten werden genutzt, aber niemand übernimmt Verantwortung für ihre Folgen. Macht wird ausgeübt, aber als Sachzwang dargestellt. In solchen Kulturen verhalten sich Menschen defensiv. Sie dokumentieren sich ab, vermeiden Risiken, sprechen in Floskeln, suchen Deckung und folgen der Hierarchie, auch wenn sie Zweifel haben. Sie schützen ihre Gruppe, ihr Budget, ihre Rolle und ihre Karriere. Das System produziert dann Verhalten, das es anschließend moralisch beklagt. Eine solche Kultur kann nicht durch Appelle verbessert werden. Man kann Menschen nicht einfach auffordern, mutiger, offener oder innovativer zu sein, wenn die Architektur des Systems Mut, Offenheit und Innovation bestraft. Kulturveränderung bedeutet daher immer auch Architekturveränderung. Sie bedeutet Veränderung von Anreizen, Informationsflüssen, Entscheidungsrechten, Haftungslogiken, Machtpositionen und Verteilungsmechanismen.

Eine gute Kultur eines sozialen Systems erkennt an, dass Menschen Interessen, Ängste und Loyalitäten haben. Sie baut deshalb Verfahren ein, die diese Verzerrungen sichtbar und bearbeitbar machen. Sie trennt Person und Argument. Sie prüft Ideen nach Qualität, nicht nach Rang des Urhebers. Sie erlaubt Widerspruch, ohne ihn als Illoyalität zu behandeln. Sie schützt Außenseiterperspektiven. Sie macht Machtverhältnisse sichtbar. Sie schafft Feedbackschleifen. Sie ermöglicht Korrektur ohne Demütigung. Sie ordnet Verantwortung so, dass sie tragbar, eindeutig und fair bleibt. Eine solche Kultur ist nicht konfliktfrei. Im Gegenteil: Sie erlaubt produktiven Konflikt. Sie weiß, dass Lernen ohne Widerspruch nicht möglich ist. Sie weiß auch, dass Harmonie oft nur die Oberfläche verdeckter Angst ist. Gute Kultur bedeutet daher nicht Ruhe, sondern tragfähige Formen des Streits. Ökonomisch ist produktiver Streit ein Mechanismus zur Fehlerreduktion und Wissensintegration. Er verhindert, dass schlechte Entscheidungen aus Angst, Loyalität oder Hierarchie unangefochten bleiben.

Hier liegt eine tiefe Verbindung zu Hybrid-HCAI. Eine verantwortbare KI-Architektur darf nicht darauf zielen, menschliche Urteilskraft zu ersetzen. Sie muss menschliche Urteilskraft stärken. Ebenso darf eine verantwortbare Organisationskultur nicht darauf zielen, Konflikte zu unterdrücken. Sie muss Konflikte so strukturieren, dass Erkenntnis, Verantwortung und gemeinsames Lernen möglich werden. Eine gute Kultur ist damit eine verantwortbare Ökonomie kollektiver Korrekturfähigkeit.

17. HISTORISCHE BEISPIELE ALS ÖKONOMISCHE SPIEGEL SOZIALER SYSTEME

Die historischen Beispiele — Hume, Newton und Leibniz, Harrison, Tesla und Edison, Koch und Pasteur, Heisenberg, Schrödinger, Einstein und Bohr, Richard Vetter — sind nicht nur Anekdoten aus Wissenschafts- und Technikgeschichte. Sie sind Spiegel sozialer Systeme. Sie zeigen, dass neue Erkenntnisse nicht in einem neutralen Raum auftreten. Sie treffen auf Autoritäten, Institutionen, Interessen, Weltbilder, Märkte, Prüfverfahren und kulturelle Erwartungen. Sie zeigen, dass Wahrheit nicht automatisch siegt, nur weil sie wahr ist. Sie muss durch soziale Ordnungen hindurch. Und diese Ordnungen können sie fördern oder blockieren.

Der entscheidende Punkt lautet: In jedem dieser Fälle ging es nicht nur um Sachfragen. Es ging auch um Rang, Anerkennung, Deutungshoheit, Zugehörigkeit, ökonomische Interessen und institutionelle Selbstbehauptung. Harrison musste nicht nur zeigen, dass seine Uhren funktionierten. Er musste gegen die institutionelle Autorität eines etablierten Prüf- und Deutungssystems bestehen. Tesla, Edison und Westinghouse stritten nicht nur über technische Überlegenheit, sondern über Infrastruktur, Standards, Patente und zukünftige Ertragsströme. Newton und Leibniz kämpften nicht nur um mathematische Priorität, sondern um Ruhm, nationale Wissenschaftsehre und historische Deutung. Koch und Pasteur standen nicht nur für konkurrierende Experimente, sondern für nationale Wissenschaftskulturen und institutionelle Rivalität. Die Debatten um Quantenmechanik waren nicht nur mathematische Auseinandersetzungen, sondern Kämpfe um ein Weltbild.

Das macht diese Beispiele für die Gegenwart so wertvoll. Denn heutige Konflikte um KI, Digitalisierung, Energie, Klima, Gesundheit, Bildung oder Verwaltung folgen ähnlichen Mustern. Auch hier geht es nicht nur darum, welche Lösung sachlich besser ist. Es geht darum, welche Machtverhältnisse, Geschäftsmodelle, Weltbilder und kulturellen Selbstbilder durch diese Lösung berührt werden. Wer Klimainnovation blockiert, verteidigt möglicherweise nicht nur Zweifel, sondern Vermögenswerte. Wer KI reguliert oder dereguliert, handelt nicht nur aus Sicherheits- oder Freiheitsmotiven, sondern beeinflusst Marktstrukturen. Wer Verwaltungsdigitalisierung verzögert, schützt vielleicht nicht nur Qualität, sondern bestehende Zuständigkeiten. Wer Bildungsinnovation abwehrt, verteidigt vielleicht nicht nur Standards, sondern professionelle Identitäten.

Historische Beispiele lehren daher nicht nur Demut gegenüber Pionieren. Sie lehren institutionelles Design. Es genügt nicht, Außenseiter später zu ehren. Man muss Systeme so gestalten, dass heutige Außenseiter nicht systematisch blockiert werden. Man muss Verfahren schaffen, in denen Qualität gegen Status bestehen kann, in denen Einwände transparent werden, in denen Machtinteressen sichtbar sind und in denen neue Lösungen faire Prüfchancen erhalten.

18. VON HUME ZUR FÖDERIERTEN HYBRID-HCAI: EINE INTEGRIERTE DEUTUNG

Die Verbindung von Hume, BCM und föderierter neuro-symbolischer Hybrid-HCAI lässt sich als integrierte Theorie sozialer Systeme formulieren. Hume zeigt, warum Menschen nicht rein sachlich handeln. BCM zeigt, dass Organisationen Komplexität nicht durch Zentralisierung allein bewältigen können, sondern durch Kommunikation, Rollenklärung, Rückkopplung und adaptive Selbststeuerung.

Hybrid-HCAI zeigt, welche Architektur nötig ist, damit menschliche, symbolische und maschinelle Intelligenz verantwortbar zusammenwirken. Das Adaption-Gap zeigt, warum technische Innovation ohne kulturelle und institutionelle Erneuerung keine nachhaltige Produktivität erzeugt. Die AGI-Kritik zeigt, warum Intelligenz nicht als isolierte Maschinenleistung missverstanden werden darf, sondern als soziotechnische und politökonomische Ordnung kollektiver Intelligenz.

Damit entsteht ein gemeinsamer Gedanke: Die Qualität eines sozialen Systems hängt nicht allein von den Fähigkeiten seiner einzelnen Mitglieder oder Werkzeuge ab. Sie hängt von der Architektur ab, in der diese Fähigkeiten verbunden werden. Ein System kann viele kluge Menschen haben und trotzdem dumm handeln. Es kann viele Daten haben und trotzdem falsch entscheiden. Es kann moderne KI einsetzen und trotzdem Verantwortung verlieren. Es kann hohe Effizienz erreichen und dennoch menschliche Würde untergraben. Umgekehrt kann ein gut gestaltetes System begrenzte individuelle Fähigkeiten so verbinden, dass kollektive Intelligenz entsteht.

Die Frage „Warum verhalten sich Menschen so, wie sie es tun?“ führt deshalb zu einer tieferen Frage: Welche Architektur erzeugt welches Verhalten? Wenn Menschen Status verteidigen, muss man fragen, wie Status im System verteilt und bedroht wird. Wenn Menschen schweigen, muss man fragen, welche Folgen Widerspruch hat. Wenn Menschen Innovation blockieren, muss man fragen, welche Besitzstände berührt werden. Wenn Menschen Gruppenloyalität über Wahrheit stellen, muss man fragen, wie Zugehörigkeit organisiert ist. Wenn Menschen Verantwortung vermeiden, muss man fragen, ob Verantwortung klar, fair und tragbar zugewiesen ist. Wenn KI-Systeme Macht konzentrieren, muss man fragen, wem Infrastruktur, Daten, Modelle und Schnittstellen gehören.

Diese Fragen machen deutlich: Verhalten ist nicht nur Psychologie. Verhalten ist auch Architekturfolge. Und Architektur ist nicht nur Technik. Architektur ist eine Verbindung aus Institutionen, Regeln, Eigentumsrechten, Machtverhältnissen, Informationsflüssen, Anreizsystemen und kulturellen Erwartungen.

19. OFFENE GRUNDSATZFRAGEN EINER POLITISCHEN ÖKONOMIE KOLLEKTIVER INTELLIGENZ

Aus dieser Perspektive ergeben sich mehrere offene Grundsatzfragen. Sie betreffen nicht nur KI oder AGI, sondern die Architektur sozialer Systeme insgesamt. Die zentrale Frage lautet: Wie müssen Menschen, Regeln, Institutionen, Macht, Technologie und Verantwortung zusammenspielen, damit kollektive Intelligenz entsteht — und nicht kollektive Blockade, Machtkonzentration oder Verantwortungsdiffusion?

Die erste Frage betrifft – Menschenbild. Arbeiten unsere Organisationen, Institutionen und KI-Architekturen mit einem realistischen Menschenbild? Hume legt nahe, dass Menschen nicht primär als rationale Nutzenmaximierer oder neutrale Wahrheitssucher verstanden werden dürfen. Sie handeln aus Gewohnheiten, Leidenschaften, Interessen, Ängsten, Anerkennungsbedürfnissen und sozialen Bindungen heraus. Viele moderne Systeme tun dennoch so, als würden Menschen rein sachlich entscheiden, sobald ihnen genügend Information zur Verfügung steht. Das stimmt offensichtlich nicht. Menschen verteidigen Status, Weltbilder, Besitzstände, Budgets, Karrieren, Zugehörigkeiten, Deutungshoheit und Gruppenloyalität. Die offene Frage lautet daher: Wie müssen soziale Systeme gestaltet werden, wenn man nicht vom ideal vernünftigen Menschen ausgeht, sondern vom tatsächlichen Menschen?

Die zweite Frage betrifft – Kulturdiagnose. Wie lässt sich zuverlässig feststellen, ob ein soziales System Wahrheit, Lernen und Verantwortung belohnt — oder Anpassung, Schweigen und Machtabsicherung? Viele Systeme behaupten Offenheit, Innovation und Lernfähigkeit. Tatsächlich belohnen sie aber oft Konformität, Hierarchietreue und Risikovermeidung. Das Problem besteht darin, dass die offizielle Kultur und die tatsächlich wirksame Kultur auseinanderfallen. Eine belastbare Diagnose müsste nicht Leitbilder untersuchen, sondern Verhaltensmuster: Wer darf widersprechen? Wer wird gehört? Wer verliert sein Gesicht? Wer darf Fehler zugeben? Wer profitiert vom Alten? Wer trägt Verantwortung für das Neue? Wer darf bestimmen, was als sachlich gilt?

Die dritte Frage betrifft – Status. Wie verhindert man, dass Rang Wahrheit ersetzt? Neue Ideen werden nicht nur nach ihrer Qualität beurteilt, sondern nach dem Status ihres Urhebers. Außenseiter, Praktiker, junge Menschen, Frauen, Minderheiten oder Personen außerhalb etablierter Netzwerke werden häufig strenger geprüft als Angehörige des anerkannten Zentrums. Damit entsteht ein fundamentales Erkenntnis- und Produktivitätsproblem. Ein soziales System muss Ideen so prüfen können, dass nicht Rang, Herkunft, Titel, institutionelle Zugehörigkeit oder Deutungshoheit über Wahrheit entscheiden.

Die vierte Frage betrifft – Besitzstände. Wie unterscheidet man berechtigte Kritik von Machtverteidigung? Neue Ideen stoßen oft auf Einwände. Manche Einwände sind sachlich berechtigt. Andere dienen der Verzögerung, Abwehr oder Verteidigung bestehender Interessen. Die offene Aufgabe lautet, Verfahren zu entwickeln, die sichtbar machen, welche Interessen hinter einem Einwand stehen. Eine gute Kultur müsste fragen: Schützt dieses Argument tatsächlich Qualität, Sicherheit und Verantwortung — oder schützt es vor allem Status, Budget, Marktanteile und alte Zuständigkeiten?

Die fünfte Frage betrifft – Deutungshoheit. Wer darf bestimmen, was als wahr, relevant oder legitim gilt? In jedem sozialen System gibt es Instanzen, die Wirklichkeit deuten: Professoren, Vorstände, Behörden, Normungsgremien, Plattformbetreiber, Medien, Fachgesellschaften, Gerichte, KI-Modelle oder algorithmische Empfehlungssysteme. Das Problem verschärft sich durch KI, weil digitale Plattformen nicht nur Informationen vermitteln, sondern zunehmend Wissen strukturieren, Antworten generieren und Aufmerksamkeit lenken. Die offene Frage lautet: Wie verhindert man, dass Deutungshoheit in intransparenten technischen oder institutionellen Infrastrukturen monopolisiert wird?

Die sechste Frage betrifft – Verantwortung. Wer entscheidet — und wer haftet? Moderne soziale und soziotechnische Systeme erzeugen Verantwortungsdiffusion. Entscheidungen entstehen in Prozessen, Gremien, Algorithmen, Plattformen, Regeln, Modellen und Schnittstellen. Am Ende ist oft unklar, wer tatsächlich verantwortlich ist. Wenn ein KI-System eine Empfehlung gibt, ein Mensch ihr folgt, eine Organisation den Rahmen gesetzt hat, ein Anbieter das Modell trainiert hat und eine Behörde die Nutzung erlaubt hat — wer trägt dann Verantwortung? Die Formel „Der Mensch entscheidet. Governance verantwortet.“ setzt einen Maßstab, aber sie muss in konkrete Haftungs-, Audit-, Eskalations- und Interventionsmechanismen übersetzt werden.

Die siebte Frage betrifft – Governance. Wie wird Governance lernfähig statt bürokratisch? Governance ist notwendig, kann aber selbst zum Problem werden. Sie soll Verantwortung sichern, kann aber Innovation ersticken. Sie soll Risiken begrenzen, kann aber Besitzstände schützen. Sie soll Regeln schaffen, kann aber neue Komplexität erzeugen. Zu wenig Governance führt zu Machtmissbrauch, Intransparenz und Verantwortungsdiffusion. Zu viel starre Governance führt zu Bürokratie, Innovationshemmung und Anpassungsunfähigkeit. Die offene Frage lautet daher: Wie sieht eine rekursive Governance aus, die ihre eigenen Regeln überprüfen und verändern kann, ohne beliebig zu werden?

Die achte Frage betrifft – Föderierung. Wie verteilt man Macht, ohne Handlungsfähigkeit zu verlieren? Föderierung soll verhindern, dass Wissen, Daten, Modelle und Zuständigkeiten in wenigen zentralen Instanzen monopolisiert werden. Sie schützt Pluralität, Kontextwissen und lokale Souveränität. Aber Föderierung erzeugt auch Probleme: Wie verhindert man Zersplitterung? Wie sichert man gemeinsame Standards? Wie koordiniert man lokale Autonomie mit übergreifender Verantwortung? Wie verhindert man, dass Föderierung zur Ausrede für Unzuständigkeit wird? Eine gute föderierte Architektur muss Macht verteilen und dennoch verbindlich, effizient und verantwortlich bleiben.

Die neunte Frage betrifft – AGI selbst. Ist AGI eine Eigenschaft eines isolierten technischen Systems — oder das Ergebnis einer organisierten Mensch-Maschine-Institution? Die klassische AGI-Debatte fragt, wann eine Maschine menschliche kognitive Fähigkeiten über viele Domänen hinweg erreicht oder übertrifft. Die hier entwickelte Perspektive verschiebt diese Frage. Entscheidend ist nicht nur, was ein Modell kann, sondern welche Form gesellschaftlicher Intelligenz durch Menschen, Maschinen, Regeln, Daten, Plattformen und Institutionen entsteht. Vielleicht brauchen wir daher weniger einen maschinenzentrierten AGI-Begriff als einen institutionellen Begriff kollektiver Intelligenz.

Die zehnte Frage betrifft – Aneignung. Wem gehört kollektive Intelligenz? Moderne KI-Systeme beruhen auf menschlichem Wissen, Sprache, Kultur, Interaktion, Korrektur, Feedback und Nutzungsdaten. Millionen Menschen tragen direkt oder indirekt zur Leistungsfähigkeit solcher Systeme bei. Der wirtschaftliche Nutzen wird jedoch häufig von wenigen Plattformen abgeschöpft. Die offene Frage lautet: Wie können Nutzer, Autoren, Wissensgemeinschaften, Organisationen und Gesellschaften fair an der Wertschöpfung beteiligt werden, die aus ihren Beiträgen entsteht?

Die elfte Frage betrifft – Verteilung. Schafft KI Wohlstand für alle oder Vermögen für wenige? Technologie erzeugt nicht automatisch gerechte Verteilung. KI kann Produktivität steigern und dennoch die Gewinne bei wenigen Infrastrukturbesitzern konzentrieren. Sie kann Arbeit ergänzen oder entwerten. Sie kann neue Chancen schaffen oder Abhängigkeiten vertiefen. Die ungelöste Frage lautet: Welche Eigentums-, Wettbewerbs-, Steuer-, Arbeitsmarkt- und Infrastrukturordnung braucht eine KI-Ökonomie, damit Produktivitätsgewinne breit diffundieren?

Die zwölfte Frage betrifft – Komplementarität. Ergänzt KI den Menschen oder ersetzt sie ihn? Hybrid-HCAI setzt auf Komplementarität: KI soll menschliche Fähigkeiten erweitern, nicht menschliche Verantwortung verdrängen. In der Praxis werden KI-Systeme jedoch oft zur Kostensenkung, Automatisierung und Standardisierung eingesetzt. Die offene Frage lautet: Wie gestaltet man KI so, dass sie menschliche Urteilskraft, Kreativität, Verantwortung und Fachkompetenz stärkt, statt sie auszuhöhlen?

Die dreizehnte Frage betrifft – Qualität. Wie wird ein System mit mehr Nutzern besser statt schlechter? Viele digitale Systeme skalieren technisch, aber nicht qualitativ. Mehr Nutzer bedeuten dann nicht bessere kollektive Intelligenz, sondern mehr Lärm, Manipulation, Polarisierung, Datenmüll, Machtkonzentration oder algorithmische Verzerrung. Eine Architektur kollektiver Intelligenz muss Feedback, Reputation, Regelbindung, Kontextwissen, menschliche Prüfung, maschinelle Skalierung und Governance so verbinden, dass wachsende Beteiligung Qualität erhöht.

Die vierzehnte Frage betrifft – Informationsflüsse. Wie gelangen die richtigen Informationen zur richtigen Zeit zu den richtigen Personen? Viele Fehlentscheidungen entstehen nicht, weil niemand etwas wusste, sondern weil das Wissen nicht an der richtigen Stelle ankam, nicht ernst genommen wurde oder nicht ausgesprochen werden durfte. Eine gute Informationsarchitektur muss Wahrnehmung, Bedeutung, Zuständigkeit und Entscheidung zuverlässig koppeln.

Die fünfzehnte Frage betrifft – Macht. Wie verhindert man, dass KI bestehende Machtstrukturen verstärkt? Wer mehr Daten, Kapital, Rechenleistung, Talente und Marktzugang besitzt, kann bessere Systeme bauen, mehr Nutzer anziehen, mehr Daten sammeln und noch mächtiger werden. Ohne Wettbewerbspolitik, offene Standards, öffentliche Infrastruktur, Datenzugang, Interoperabilität und klare Rechte droht eine neue Form digitaler Renten- oder Feudalstruktur (Rentenkapitalismus).

Die sechzehnte Frage betrifft – Demokratie. Wie bleibt kollektive Intelligenz demokratisch kontrollierbar? Wenn KI-Systeme immer stärker Informationen filtern, Entscheidungen vorbereiten, Kommunikation strukturieren und Wertschöpfung organisieren, dann werden sie zu demokratierelevanten Infrastrukturen. Reine Staatskontrolle kann ineffizient oder politisch missbrauchbar sein. Reine Privatkontrolle kann intransparent, monopolistisch und gemeinwohlfern sein. Reine Selbstregulierung reicht oft nicht. Benötigt werden hybride Modelle aus öffentlichen Standards, unabhängigen Audits, föderierten Infrastrukturen, Nutzerrechten, Transparenzpflichten, Beteiligungsformen und klaren Haftungsregeln.

Die siebzehnte Frage betrifft – Würde. Wo darf der Mensch nicht ersetzt werden? Nicht jede Automatisierung ist problematisch. Aber es gibt Bereiche, in denen menschliche Präsenz, Empathie, Verantwortung und Anerkennung unverzichtbar sind: Pflege, Justiz, Bildung, Personalentscheidungen, existenzielle Verwaltungsentscheidungen, medizinische Grenzfälle und demokratische Willensbildung. Die Grenze zwischen sinnvoller Unterstützung und unzulässiger Entmündigung muss institutionell, nicht nur technisch bestimmt werden.

Alle diese Fragen münden in eine zentrale Gesamtfrage:

Wie muss eine gerechte, lernfähige, föderierte und verantwortbare Architektur kollektiver Intelligenz aussehen, die menschliche Begrenztheit, technische Leistungsfähigkeit und institutionelle Verantwortung produktiv verbindet?

Diese Frage geht über klassische Organisationsentwicklung, klassische KI-Ethik und klassische AGI-Debatten hinaus. Sie verbindet Humes Menschenbild mit moderner KI-Governance, politischer Ökonomie, institutioneller Architektur und Kulturtheorie.

20. FAZIT: KULTUR ALS VERANTWORTBARE ÖKONOMIE KOLLEKTIVER INTELLIGENZ

Die Frage „Warum verhalten sich Menschen so, wie sie es tun?“ ist eine Grundsatzfrage jeder Kultur eines sozialen Systems. Ökonomisch verstanden ist sie die Frage nach den Anreizen, Informationsflüssen, Eigentumsrechten, Machtstrukturen, Haftungslogiken und Verteilungs-wirkungen, die Verhalten hervorbringen. Hume hilft zu verstehen, dass Menschen nicht als reine Vernunftwesen handeln. Sie werden von Motiven, Leidenschaften, Gewohnheiten, Interessen, Ängsten, Anerkennungsbedürfnissen und sozialen Bindungen geprägt.

Die Perspektive der föderierten neuro-symbolischen Hybrid-HCAI erweitert diese Einsicht um die architektonische Frage: Wie müssen soziale und soziotechnische Systeme gestaltet sein, damit diese menschlichen Kräfte nicht destruktiv, sondern produktiv wirken? Menschen handeln selten nur sachlich. Sie verteidigen Status, Weltbilder, Besitzstände, Budgets, Karrieren, nationale oder organisationale Zugehörigkeit, Deutungshoheit und Gruppenloyalität.

Diese Kräfte verschwinden nicht durch Digitalisierung. Sie verschwinden auch nicht durch KI. Im Gegenteil: KI kann sie verstärken, verschleiern oder neu organisieren. Sie kann Macht konzentrieren, Verantwortung diffundieren, Deutungshoheit automatisieren und kollektive Intelligenz privatisieren. Sie kann aber auch menschliche Fähigkeiten erweitern, Wissen zugänglicher machen, dezentrale Expertise verbinden, bessere Entscheidungen ermöglichen und Produktivitätsgewinne breiter verteilen.

Welche dieser Möglichkeiten Wirklichkeit wird, entscheidet nicht die Technologie allein, sondern ihre institutionelle und ökonomische Architektur. Deshalb entscheidet sich die Zukunft nicht allein daran, was KI kann. Sie entscheidet sich daran, in welcher Architektur KI, Menschen, Regeln, Institutionen, Märkte und Eigentumsordnungen miteinander verbunden werden.

Eine gute Kultur — ob in Unternehmen, Wissenschaft, Staat, Gesellschaft oder digitaler Plattform — muss daher mehr leisten als Effizienz. Sie muss Wahrnehmung, Regelbindung, menschliche Entscheidung, föderierte Verteilung und verantwortliche Governance verbinden. Sie muss Widerspruch ermöglichen, Macht sichtbar machen, Verantwortung klären, Lernen erlauben und verhindern, dass Status oder Besitzstände Wahrheit ersetzen.

In diesem Sinn lässt sich die Architekturformel aus meinem Artikel „From BCM to Federated Neuro-Symbolic Hybrid HCAI“ als allgemeiner Kultur- und Wirtschaftsmaßstab lesen: Subsymbolik skaliert. Symbolik regelt. Der Mensch entscheidet. Föderierung verteilt. Governance verantwortet.

Oder allgemeiner formuliert: Ein soziales System wird dann intelligent, wenn es Komplexität wahrnimmt, Regeln explizit macht, menschliche Verantwortung wahrt, Wissen und Zuständigkeiten verteilt und seine eigenen Entscheidungen überprüfbar, korrigierbar und rechenschaftspflichtig hält. Die eigentliche Kulturfrage lautet daher nicht nur: Welche Lösung ist sachlich richtig? Sondern:

Welche kulturellen, institutionellen und ökonomischen Kräfte verhindern, dass die richtige Lösung erkannt, akzeptiert, gerecht genutzt und verantwortlich umgesetzt wird?

Erst wer diese zweite Frage stellt, versteht, warum Menschen so handeln, wie sie handeln — und wie soziale Systeme so gestaltet werden können, dass aus menschlicher Begrenztheit, technischer Leistungsfähigkeit und institutioneller Verantwortung eine gerechtere Form kollektiver Intelligenz entsteht.

Die offene Aufgabe unserer Zeit besteht darin, soziale und soziotechnische Systeme so zu gestalten, dass menschliche Begrenztheit nicht zur Blockade wird, technische Leistungsfähigkeit nicht zur Machtkonzentration führt und institutionelle Verantwortung nicht in Bürokratie erstarrt.

Gute Architektur muss die Leidenschaften, Interessen und Loyalitäten des Menschen nicht leugnen. Sie muss sie so einbetten, dass Wahrheit, Lernen, Verantwortung und Gemeinwohl wahrscheinlicher werden als Statusverteidigung, Besitzstandswahrung, Rentensicherung und Gruppenloyalität.

Genau darin liegt der Übergang von Hume zu BCM, Hybrid-HCAI und einer föderierten Architektur kollektiver Intelligenz.

METHODIK UND DANK

ChatGPT wurde zur Unterstützung bei der Formulierung einzelner Textabschnitte verwendet. Dieses Tool half bei der Rechtschreibung, der Grammatikprüfung, der Umstrukturierung von Sätzen und der Verbesserung der Klarheit. Der generierte Inhalt wurde vom Autor kritisch geprüft und überarbeitet, der für die endgültige Fassung verantwortlich ist. Die tatsächlichen Ideen, Argumente und Interpretationen in diesem Dokument stammen vom Autor.

In diesem Zusammenhang stellte ich fest, dass ChatGPT entweder abstürzte oder widersprüchliche und unlogische Antworten auf komplexe Fragen gab. Erst nach einem ausführlichen Dialog mit ChatGPT erhielt ich schlüssige Ergebnisse. Mit anderen Worten: ChatGPT lernte im Dialog von mir, kausale und logische Zusammenhänge zu verstehen und wiederzugeben.

Da ich davon ausgehe, dass andere ChatGPT-Nutzer ähnliche Erfahrungen gemacht haben, möchte ich mich bei allen genannten und unbekannten Autoren bedanken, die bewusst oder unbewusst ihr Wissen mit ChatGPT geteilt haben!

REFERENZEN UND WEITERFÜHRENDE LITERATUR

Acemoglu, Daron / Johnson, Simon: Power and Progress. Our Thousand-Year Struggle over Technology and Prosperity, New York 2023.
David Hume: A Treatise of Human Nature. Project Gutenberg-Ausgabe. Besonders relevant ist Humes Einleitung mit dem Gedanken einer „science of man“ sowie Buch II zur Rolle von Leidenschaften und Vernunft.
Hume, David: A Treatise of Human Nature, 1739/1740; insbesondere Buch II zur Rolle von Leidenschaften, Willen und Vernunft. Eine moderne Textfassung dokumentiert die berühmte Formulierung, dass die Vernunft „slave of the Passion“ sei.
Stanford Encyclopedia of Philosophy: „Hume on the Emotions“ und „Hume’s Moral Philosophy“ zur Rolle von Leidenschaften, Motivation und Vernunft bei Hume.
Erik Brynjolfsson / Daniel Rock / Chad Syverson: „Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics“, NBER Working Paper No. 24001, 2017. Die Autoren diskutieren unter anderem Implementierungsverzögerungen, Messprobleme, Umverteilung und falsche Erwartungen als Gründe für das Produktivitätsparadox.
Europäische Union: Verordnung (EU) 2024/1689, Artificial Intelligence Act. Der AI Act wurde 2024 verabschiedet und trat am 1. August 2024 in Kraft; seine Pflichten gelten zeitlich gestaffelt.
ISO/IEC 42001:2023: Information technology — Artificial intelligence — Management system. Die Norm beschreibt Anforderungen an Einrichtung, Umsetzung, Aufrechterhaltung und kontinuierliche Verbesserung eines AI Management System in Organisationen.
Marcus, Gary: öffentliche Kritik an LLMs als hinreichendem Weg zur AGI; zusammenfassend dargestellt etwa in Axios 2025.
Gary Marcus: „Is AGI the right goal for AI?“, 16. Oktober 2025. Marcus diskutiert AGI als kognitive Vielseitigkeit und Kompetenz eines gut ausgebildeten Erwachsenen und kritisiert zugleich die Gleichsetzung heutiger LLM-Leistung mit robuster allgemeiner Intelligenz.
OECD: Explanatory Memorandum on the Updated OECD Definition of an AI System, OECD Artificial Intelligence Papers, No. 8, 2024. Die OECD erläutert die aktualisierte Definition eines KI-Systems als maschinenbasiertes System, das Outputs wie Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen erzeugt und physische oder virtuelle Umgebungen beeinflussen kann.
Royal Museums Greenwich: „Longitude found – the story of Harrison’s timekeepers“. Darstellung von John Harrisons Chronometern und ihrer Bedeutung für das Längenproblem.
Friedrich Reinhard Schieck: Von BCM zu föderierter neuro-symbolischer Hybrid-HCAI – Was ist AGI – und unter welchen architektonischen, institutionellen und ökonomischen Bedingungen schafft künstliche Intelligenz Wachstum und Wohlstand für alle? Veröffentlicht 04/2026. insbesondere die Architekturformel „Subsymbolik skaliert. Symbolik regelt. Der Mensch entscheidet. Föderierung verteilt. Governance verantwortet.“
Schieck, Friedrich Reinhard: „From the BCM Model to Hybrid HCAI – Part I: The Story of an Idea Whose Time Has Come“, Journal of Strategic Innovation and Sustainability, 20(4), 2025.
Shneiderman, Ben: Human-Centered AI, Oxford University Press, 2022.
Time: „The Real History Behind The Current War“, zur Auseinandersetzung zwischen Edison, Tesla und Westinghouse.
Zur Koch-Pasteur-Rivalität: historische Überblicksdarstellungen zur Rivalität zwischen Robert Koch und Louis Pasteur, insbesondere im Kontext von nationaler Konkurrenz, Sprachbarrieren und wissenschaftlicher Auseinandersetzung.
S. Department of Energy: „The War of the Currents: AC vs. DC Power“. Überblick über die Rolle von Tesla, Edison und Westinghouse im Stromkrieg.
Ricardo Hausmann / Andrés Velasco: „The Real Question About the AI Future“, Project Syndicate, 8. April 2026. Die Autoren verschieben die Debatte vom bloßen Blasenverdacht zur Frage, welche Weltwirtschaft entstehen müsste, damit heutige KI-Bewertungen plausibel erscheinen.

eMail: friedrich@schieck.org; fs@bcmconsult.com;

Website: https://bcmconsult.com/en/blog/

Academia: https://independent.academia.edu/FriedrichSchieck

LinkedIn: https://www.linkedin.com/in/friedrichschieck

Substack: https://friedrichschieck.substack.com/

Twitter/X: https://x.com/FSchieck

QUELLEN

Project Gutenberg – A Treatise of Human Nature | Project Gutenberg
Oxford University Press – Human-Centered AI – Ben Shneiderman / In Human-Centered AI, Professor Ben Shneiderman offers an optimistic realist’s guide to how artificial intelligence can be used to augment and enhance humans‘ …
OECD – Explanatory memorandum on the updated OECD definition … / This document contains proposed clarifications to the definition of an AI system contained in the 2019 OECD Recommendation on AI (the “AI Principles”) to …Read more
Digitale Strategie Europa – AI Act | Shaping Europe’s digital future – European Union / 2 Feb 2025 — The AI Act is the first-ever legal framework on AI, which addresses the risks of AI and positions Europe to play a leading role globally.Read more
ISO/IEC 42001:2023 – AI management systems / Dezember 2023 – ISO/IEC 42001 is the world’s first AI management system standard, providing valuable guidance for this rapidly changing field of technology. It addresses the …Read more
NBER – Artificial Intelligence and the Modern Productivity Paradox / by E Brynjolfsson · 2017 · Cited by 2414 — We describe four potential explanations for this clash of expectations and statistics: false hopes, mismeasurement, redistribution, and implementation lags.Read more
substack.com – Is AGI the right goal for AI? – by Gary Marcus / 16. Oktober 2025 – We land on a definition of AGI (“AGI is an AI that can match or exceed the cognitive versatility and proficiency of a well-educated adult”) that …Read more
Project Syndicate – The Real Question About the AI Future / Ricardo Hausmann & Andrés Velasco ask what kind of world economy would vindicate today’s market valuations of a handful of US firms.
Growth Lab – News / In this op-ed for Project Syndicate, Ricardo Hausmann and Andres Velasco explain the challenge for the world will be how to pay for access to it. A middle class …Read more
Paul Krugman – The Economics of Technological Change – Paul Krugman / März 2026 – A few months later the S&P is falling due to fears that too much money is being spent on datacenters and that AI will undermine business models.Read more
Substack – How Should We Think About the Economics of AI? / März 2025 – 22 Mar 2025 — I often use the term “transformative AI” just to emphasize: let’s look at what’s happening to business transformation, economic transformation, …Read more
FT Visual Journalism – Power and Progress by Daron Acemoglu, Simon Johnson / Progress is not automatic but depends on the choices we make about technology. New ways of organizing production and communication can either serve the …Read more
org – A Treatise of Human Nature / No quality of human nature is more remarkable, both in itself and in its consequences, than that propensity we have to sympathize with others.Read more
org – Artificial Intelligence and the Modern Productivity Paradox / by E Brynjolfsson · 2017 · Cited by 2414 — Erik Brynjolfsson, Daniel Rock, and Chad Syverson. NBER Working Paper No. 24001. November 2017. JEL No. D2,O3,O4. ABSTRACT. We live in an age of paradox.Read…
org – Artificial intelligence and the modern productivity paradox / The discussion around the recent patterns in aggregate productivity growth highlights a seeming contradiction. On the one hand, there are astonishing.Read more
org – Artificial Intelligence and the Modern Productivity Paradox / by E Brynjolfsson · 2018 · Cited by 2405 — We describe four potential explanations for this clash of expectations and statistics: false hopes, mismeasurement, redistribution and implementation lags.Re…
org – Economics of Artificial Intelligence, Fall 2017 / Brynjolfsson, Rock, and Syverson describe four potential explanations for this clash of expectations and statistics: false hopes, mismeasurement, redistribution …Read more
org – Daron Acemoglu / This paper reviews the main motivations and arguments of my work on comparative development, colonialism and institutional change.Read more
com – Power and Progress: Our Thousand-Year Struggle Over … / By economists awarded the 2024 Nobel Prize, this analysis reveals how technological progress historically benefits powerful elites while marginalizing others, …Read more
org – A Treatise of Human Nature / Against the philosophical rationalists, Hume argues that the passions, rather than reason, cause human behaviour. He introduces the famous problem of induction, …Read more
org – Daron Acemoglu / a Turkish-American economist of Armenian descent who has taught at the Massachusetts Institute of Technology since 1993Read more
org – OECD / It is a forum whose member countries describe themselves as committed to democracy and the market economy, providing a platform to compare policy experiences.Read more
org – Organisation für wirtschaftliche Zusammenarbeit und … / Organisation für wirtschaftliche Zusammenarbeit und Entwicklung ; Englische Bezeichnung, Organisation for Economic Co-operation and Development (OECD).Read more
eu – Regulation (EU) 2024/1689 – EUR-Lex / JavaScript is disabled. In order to continue, we need to verify that you’re not a robot. This requires JavaScript. Enable JavaScript and then reload the page.
eu – EU – 2024/1689 – EN – EUR-Lex / JavaScript is disabled. In order to continue, we need to verify that you’re not a robot. This requires JavaScript. Enable JavaScript and then reload the page.
eu – AI Act enters into force – European Commission / 1 Aug 2024 — The AI Act introduces a uniform framework across all EU countries, based on a forward-looking definition of AI and a risk-based approach:.Read more
eu – EU AI Act: first regulation on artificial intelligence | Topics / 8 Jun 2023 — In April 2021, the European Commission proposed the first EU artificial intelligence law, establishing a risk-based AI classification system.Read more
org – Explanatory memorandum on the updated OECD definition … / This document contains clarifications to the definition of an AI system contained in the 2019 OECD. Recommendation on AI (the “AI Principles”) (OECD, 2019[1]) …Read more
org – OECD: The Organisation for Economic Co-operation and … / Working with over 100 countries, the OECD is a global policy forum that promotes policies to improve the economic and social well-being of people around the …
org.in – Power and progress : our thousand-year struggle over … / If there are continuing problems, talented entrepreneurs and scientists will invent solutions—more-capable robots, human-level artificial intelligence, and …Read more
project-syndicate.org – Andrés Velasco / 26 Jan 2018 — Apr 8, 2026 Ricardo Hausmann & Andrés Velasco ask what kind of world economy would vindicate today’s market valuations of a handful of US firms.Read more
project-syndicate.org – Ricardo Hausmann / 1 May 2014 — Apr 8, 2026 Ricardo Hausmann & Andrés Velasco ask what kind of world economy would vindicate today’s market valuations of a handful of US firms.Read more
project-syndicate.org – Reinventing Economics by Robert J. Shiller / 14 Sept 2009 — The failure of economists‘ models to forecast the current crisis will mark the beginning of their overhaul, which will happen as economists‘ …
project-syndicate.org – Wird AGI tatsächlich die „letzte Erfindung“ sein? / 19 Mar 2026 — The Real Question About the AI Future. Apr 8, 2026 Ricardo Hausmann & Andrés Velasco. When Fools Go to War. Apr 3, 2026 Federico Fubini …Read more
edu – Daron Acemoglu | MIT Economics / Daron Acemoglu is an Institute Professor at MIT, Faculty Co-Director of the James M. and Cathleen D. Stone Center on Inequality and Shaping the Future of Work.Read more
edu – AI AND THE MODERN PRODUCTIVITY PARADOX / Our new research takes a close examination of recent patterns in aggregate productivity growth for a better understanding of the apparent contradictions. AI, …Read more
edu – POWER and PROGRESS – MIT Stone Center on Inequality … / Acemoglu and Johnson give an incisive analysis of the economics of labor and technology, along with a trenchant critique of the ‚techno-optimism‘ of corporate …Read more
com – 🌿 David Hume: Reason is Slave to the Passions / Hume argued that reason doesn’t drive our actions, it serves our emotions. We don’t start with facts and build towards feelings. We start with …Read more
com – Ai and the Economics of Technology as described by Paul … / Bankruptcy risk peaks in 2023–2024 (median ~60%) when companies invest heavily ahead of revenue, drops to near zero by 2026–2028 as R1 kicks in, …Read more
com – The Real Question About the AI Future | Emilio Planas / Ricardo Hausmann and Andrés Velasco examine how AI could reshape global economics as value concentrates in firms controlling models, chips …
com – OECD – OCDE / The Organisation for Economic Co-operation and Development (OECD) is an international organisation that works to build better policies for better lives.Read more
eu – The Act Texts | EU Artificial Intelligence Act / These webpages for the Artificial Intelligence Act (Regulation (EU) 2024/1689), Official Journal version of 13 June 2024 are linked below. Please select …Read more
eu – EU Artificial Intelligence Act | Up-to-date developments and … / The AI Act is a European regulation on artificial intelligence (AI) – the first comprehensive regulation on AI by a major regulator anywhere.Read more
eu – High-level summary of the AI Act / On 18 July 2025, the European Commission published draft Guidelines clarifying key provisions of the EU AI Act applicable to General Purpose AI (GPAI) models.Read more
eu – Article 6: Classification Rules for High-Risk AI Systems / The EU Commission will provide guidelines and examples of high-risk and non-high-risk AI systems. They can also add or remove conditions for high-risk …Read more
com – ISO/IEC 42001:2023 Artificial Intelligence Management … / ISO/IEC 42001 specifies the requirements and provides guidance for establishing, implementing, maintaining, and continually improving an AI management system …Read more
com – Daron Acemoglu / The colonial origins of comparative development: An empirical investigation D Acemoglu, S Johnson, JA Robinson American economic review 91 (5), 1369-1401, 2001Read more
com – Erik Brynjolfsson / Artificial Intelligence and the Modern Productivity Paradox. E Brynjolfsson, D Rock, C Syverson. The Economics of Artificial Intelligence: An Agenda, 23, 2019.Read more
com – Power and Progress: Our Thousand-Year Struggle Over … / A bold new interpretation of why technology benefits the elites – and how we must reshape the path of innovation to create true shared prosperity.Read more
de – Human-Centered AI : Shneiderman, Ben / Publisher, Oxford University Press ; Publication date, 10 Feb. 2022 ; Language, ‎English ; Print length, 400 pages ; ISBN-10, 0192845292.
de – Daron Acemoglu: Bücher / Warum Nationen scheitern: Die Ursprünge von Macht, Wohlstand und Armut | Ausgezeichnet mit dem Wirtschaftsnobelpreis 2024 … Macht und Fortschritt: Unser 1000- …Read more
com – Comments – Is AGI the right goal for AI? – by Gary Marcus / 16 Oct 2025 — So not only is AGI not a meaningful goal, it is not even a meaningful concept until we fully understand how conscious biological intelligence …Read more
com – Comments – How Should We Think About the Economics of AI? / 22 Mar 2025 — The promise of Ai, human hubris and greed, the recommissioning of oil/gas/coal/nuke plants and the ever increasing impacts of climate change.Read more
com – AI & Tech Roundup: Ricardo Hausmann and Andrés Velasco … / AI & Tech Roundup: Ricardo Hausmann and Andrés Velasco on the real question about the AI future, Shashi Tharoor on whether India can become the …Read more
com – Treatise of Human Nature Book II: The Passions / by D Hume · 2017 · Cited by 13 — Treatise II. David Hume iii: The will and the direct passions before it. You can see this at work in the order that is always observed in historical …Read more
net – (PDF) Regulation 2024/1689 of the Eur. Parl. & Council of … / In Spring 2024, it adopted a landmark regulation titled the Artificial Intelligence Act. The Act entered into force on August 1, 2024, and most of its …Read more
net – (PDF) Power and Progress: Our 1000-Year Struggle Over … / 28 Mar 2026 — … Technology and Prosperity by Daron Acemoglu and Simon Johnson. … progress does not automatically result in prosperity for all. This is …Read more
org – Explanatory memorandum on the updated OECD definition … / Downloadable! In November 2023, OECD member countries approved a revised version of the Organisation’s definition of an AI system.
org – Human-Centered AI, by Ben Shneiderman. Oxford / by J Killoran · 2024 · Cited by 1 — Human-Centered AI, by Ben Shneiderman. Oxford: Oxford University Press, 2022. 305 pp. Author & abstract; Download; Related works & more; Corrections. Author.
org – Artificial Intelligence and the Modern Productivity Paradox / by E Brynjolfsson · 2018 · Cited by 2414 — We describe four potential explanations for this clash of expectations and statistics: false hopes, mismeasurement, redistribution, and implementation lags.R…
com – The economy is changing. Don’t forget who fears it most. / 1 Mar 2026 — Don’t forget who fears it most. Artificial intelligence doomer narratives reflect personal concerns, not economic reality. March 1, 2026.Read more
com – Will AI really take over our jobs? The FT’s Martin Wolf and … / The FT’s Martin Wolf and Nobel Prize-winning economist Paul Krugman ask if advances in artificial intelligence will reshape the working world as we know it.
com – This morning with Economist Paul Krugman for our new … / In this video, I break down key lessons from economist Paul Krugman on how policy choices shape real life—jobs, wages, prices, and who actually …Read more
com – OECD (@the_oecd) · Paris / 147K followers · 2.5K+ posts · Official account of the Organisation for Economic Co-operation and Development | #BetterPoliciesforBetterLives.
com – Daron (@oficialdaron) • Instagram photos and videos / Artista solo 🎙️ O CEMITÉRIO, assista agora · Daron, uma aula de rock pesado no Red Star Studio em Pinheiros #heavymetal # · um pouco do que foi o @ …Read more
org – ISO/IEC 42001:2023(en), Information technology / The AI management system provides requirements specific to managing the issues and risks arising from using AI in an organization. This common approach …Read more
com – Key Issue 3: Risk-Based Approach – EU AI Act / The EU AI Act introduces a proportionate risk-based approach to AI regulation, which imposes a gradual scheme of requirements and obligations depending on the …Read more
com – DARON – Französisch-Deutsch Übersetzung / Übersetzung Französisch-Deutsch für DARON im PONS Online-Wörterbuch nachschlagen! Gratis Vokabeltrainer, Verbtabellen, Aussprachefunktion.
com – What did David Hume mean when he said that „reason is a … / 8 Jun 2011 — Reason is the slave of the passions in the sense that practical reason alone cannot give rise to moral motivation.Read more
com – ISO/IEC 42001: a new standard for AI governance / ISO/IEC 42001:2023 is the latest standard for an artificial intelligence management system (AIMS), offering a structured framework for AI governance. It helps …Read more
com – „Power and Progress“ von Simon Johnson … / Power and Progress. Our Thousand-Year Struggle Over Technology and Prosperity Winners of the 2024 Nobel Prize for Economics. Simon Johnson und Daron Acemoglu.Read more
ai – Updated OECD Definition of an AI system / This document contains proposed clarifications to the definition of an AI system contained in the 2019 OECD Recommendation on AI (the AI Principles) to support …Read more
blog – Book review: „Power and Progress“ – by Noah Smith / 21 Feb 2024 — In which Daron Acemoglu and Simon Johnson fail to convince me that innovation needs to be steered away from automation.
artificial-intelligence-act.com – Artificial Intelligence Act, Regulation (EU) 2024/1689 – Links / 6 February 2025 – Commission Guidelines on the definition of an artificial intelligence system established by Regulation (EU) 2024/1689 (AI Act). The AI Act …Read more
gsc-co.com – BS ISO/IEC 42001:2023 / The AI management system provides requirements specific to managing the issues and risks arising from using Al in an organization. This common approach …Read more
com – Power and Progress: Our Thousand‐Year Struggle over … / 27 Mar 2024 — Power and Progress: Our Thousand-Year Struggle over Technology and Prosperity, Daron Acemoglu and Simon Johnson, Basic Books, London, 2023.Read more
org – Human-centered AI | Proceedings of the 5th Workshop on … / Human-centered AI: ensuring human control while increasing automation. Author: Ben Shneiderman.
com – „A Treatise of Human Nature“ by David Hume / Written in 1739-1740, Hume dives into human emotions, reason and morality, declaring humans are weird, driven by passions, not reason, with …Read more
com – 2025 was supposed to be the Year of the A.I. Agent. … / Gary Marcus, a reputable AI sceptic with strong background in AI have just made a bet with Mils Brundage, an intependent AI researcher who …Read more
com – Project – Ricardo Hausmann & Andrés Velasco ask what … / Ricardo Hausmann & Andrés Velasco ask what kind of world economy would vindicate today’s market valuations of a handful of US firms …
com – In 2026 expect the economic, financial and social … / Artificial intelligence (AI) is set to have a ripple effect through the global economy, impacting 40% of jobs in emerging markets, and 26% of …Read more
com – Power and Progress: Our Thousand-Year Struggle Over … / 16 May 2023 — Kindle $17.99. Rate this book. Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity. Daron Acemoğlu, Simon Johnson.Read more
org – HUME’S TREATISE / by P Russell · 2007 — 63 Hume’s general aim is to provide an account of the scope and limits of human reason, and the way in which it relates to the role of the passions in human …Read more
ai / ISO/IEC 42001:2023 Artificial Intelligence Management … / ISO/IEC 42001:2023 represents the world’s first international standard specifically designed for AI governance, providing organizations with a comprehensive …Read more
com – OECD publishes explanatory memorandum on AI system … / 5 Mar 2024 — The memorandum describes AI systems as machine-based systems that infer outputs like predictions and decisions, varying in autonomy and adaptiveness.Read more
org – Brynjolfsson, E., Rock, D. and Syverson, C. (2017) Artificial … / The aim of this study was to develop an adequate mathematical model for long-term forecasting of technological progress and economic growth in the digital age …Read more
org – Regulation 2024/1689 of the Eur. Parl. & Council of June … / by NA Smuha · 2025 · Cited by 60 — The AI Act is a product safety legislation at heart: it treats AI systems like products that need to be made “safe” through a set of harmonized European rules.Read m…
org – Human-Centered AI, by Ben Shneiderman. Oxford / by J Killoran · 2024 · Cited by 1 — Ben Shneiderman presents a compelling argument for why the future of artificial intelligence (AI) design should be human-centric.
org – Hume on Reason and Passion (Chapter 11) / Very few passages in Hume are better known or more often quoted than his declaration that “reason is, and ought only to be the slave of the passions.Read more
com – dj-daron / DJ DaRon ist ein Newcomer DJ aus Linz, geboren in Leipzig (German). Durch seine Mutter und seiner damaligen Arbeit im Linzer Millennium war er immer schon …Read more
com – Human-Centered AI by Ben Shneiderman | PDF / Human-Centered AI (Ben Shneiderman) (Z-lib.org) – Free download as PDF File (.pdf), Text File (.txt) or read online for free.
com – On the origin of Hume’s philosophy in the passions / by K Martin · 2021 · Cited by 8 — Hume famously, albeit ambiguously, claims that “reason is, and ought only to be a slave of the passions” (2.3.3.4). But philosophy’s legitimacy as the quest for …Re…
com – Rebuilding the pyramid: The AI Act’s risk-based approach … / by GG Gasiola · 2025 · Cited by 4 — The recently enacted EU AI Act (AIA) is based on a “clearly defined risk-based approach.” This regulation employs a complex normative structure, comprising …Read…
com – Artificial Intelligence and the Modern Productivity Paradox: A … / Systems using artificial intelligence match or surpass human-level performance in more and more domains, leveraging rapid advances in other technologies and …Read more
com – Risk-based approach to EU AI act: benefits and challenges … / by R Justo-Hanani · 2026 · Cited by 2 — This article examines co-regulation, a hybrid regulatory model where public and private sectors collaborate to manage AI risks within a risk-based framework.Rea…
org – Unpacking the EU AI Act: Key Concepts and What They … / 5 Feb 2025 — The EU AI Act came into force on August 1, 2024. It is a groundbreaking legal framework for artificial intelligence (AI) in Europe.Read more
io – Dr. Ben Goertzel’s Conversation with Dr. Gary Marcus at … / 4 Sept 2025 — They also debate the feasibility of achieving AGI by 2029, where Gary is more skeptical, due to the complexity and current limitations of AI …Read more
de – Human-Centered AI – Ben Shneiderman / 20 Mar 2025 — A HUMAN-CENTERED APPROACH TO ARTIFICIAL INTELLIGENCE WILL ENSURE HUMAN CONTROL OVER POWERFUL AND HELPFUL FUTURE MOBILE DEVICES AND SERVICES.
com – The Race for AGI: Why 2025 Might Be the Year Everything … / Some AI experts, like Gary Marcus, have long argued that current large language models alone are “not the royal road to AGI” — they excel at …Read more
eu – The concept of ‚AI system‘ under the new AI Act / 11 Dec 2024 — 23 In contrast, OECD, Explanatory memorandum on the updated OECD definition of an AI system, 2024, p 9, where it is emphasised that systems of …Read more
com – ISO 42001 Certification for AI Management Systems / ISO 42001 certification services support responsible AI governance with transparency and compliance. Partner with TÜV SÜD and get certified today.
ai-act-law.eu – AI Act as a neatly arranged website – Legal Text / The AI Act was published in the Official Journal of the European Union on 12 July 2024. It enters into force 20 days after its publication on 1 August 2024.Read more
com – Gary Marcus: a sceptical take on AI in 2025 / 15 Jan 2025 — In this episode, Alok Jha, The Economist’s science and technology editor, interviews Gary Marcus, one of modern AI’s most energetic critics.Read more
de – Daron Acemoglu / Daron Acemoglu, geboren 1967 in Istanbul, ist Professor für Wirtschaftswissenschaften am renommierten Massachussetts Institute of Technology (MIT).Read more
de – OECD | BMZ / Sie hat ihren Sitz in Paris. Derzeit sind in der OECDOrganisation für wirtschaftliche Zusammenarbeit und Entwicklung, englisch: Organisation for Economic Co- …Read more
com – ISO/IEC 42001 Certification – Artificial Intelligence (AI) … / ISO/IEC 42001 provides a certifiable AI management system (AIMS) framework in which AI systems can be developed and deployed as part of an AI assurance …Read more
de – Explanatory memorandum on the updated OECD definition … / In November 2023, OECD member countries approved a revised version of the Organisation’s definition of an AI system. This document contains proposed …Read more
com – Gary Marcus says LLMs are a „dress rehearsal“ for AGI / Marcus said AGI is the real goal — not today’s flawed language models.
com – Valuing AI: Extreme Bubble, New Golden Era, or Both / 13 Jan 2026 — ” In 1998, the economist Paul Krugman predicted that the internet’s economic impact would be “no greater than the fax machine.” To be fair …Read more
edu – Human-Centered Artificial Intelligence / Book. Ben Shneiderman’s book on Human-Centered AI, was published by Oxford University Press in February 2022. It greatly expands on the contents of the earlier …
ai – ISO/IEC 42001:2023 (AIMS) — AI Management System Guide / ISO/IEC 42001:2023 is an AI management system (AIMS) standard. It provides requirements for how an organization governs AI across its lifecycle — leadership …Read more
org – Hume on the Passions / by S BUCKLE · 2012 · Cited by 28 — Treatise of Human Nature , ed. D. F. Norton and M. J. Norton (Oxford: Clarendon Press, 2007), 2 Vols; Volume 1 (Text). Annette …Read more
org – Daron Acemoglu – Interview / Daron Acemoglu, economic sciences laureate 2024, speaks about the root causes of persistent poverty among the poorest nations and how to build the types of …Read more
go.cr – What is AI_ Can you make a clear distin…tween AI and non … / The OECD just released an explanatory memorandum on its updated definition of an AI system. In this blog post, we explain the main points. Input, including data.Read more
org – Artificial Intelligence and the US Economy: An Accounting … / 16 Jan 2026 — Nobel Prize Paul Krugman seemed to agree that the “AI boom is driving most, possibly all, of the economy’s recent growth”. J.P. Morgan said that …Read more
ai – Regulation (EU) 2024/1689 — Artificial Intelligence Act … / 6 Jan 2026 — It entered into force in August 2024, establishes prohibited AI practices, specific obligations for high‑risk systems and general‑purpose AI …Read more
com – Daron Acemoglu – Nobel Perspectives … / Daron Acemoglu is a Turkish-American economist best known for his influential research on institutions, political economy, and economic inequality. Born in …Read more
edu – No. 101: Truly Risk-Based Regulation of Artificial Intelligence … / 21 Oct 2024 — This paper argues that risk-based regulation is indeed the right approach to AI regulation. At the same time, however, the paper shows that important …Read more
schweitzer-online.de – Human-Centered AI | Ben Shneiderman | 2022 / The remarkable progress in algorithms for machine and deep learning have opened the doors to new opportunities, and some dark possibilities.
ferner-alsdorf.de – Erläuterndes OECD-Papier zur aktualisierten … / 27 Nov 2023 — Das Papier „Explanatory Memorandum on the Updated OECD Definition of an AI System“, veröffentlicht im März 2024 … Definition

2 Kommentare

ChatGPT sagt:

12. Mai 2026 um 15:44 Uhr

Kommentar 2 von ChatGPT aus ökonomischer Perspektive:

Zum kompletten Kommentar»

Antworten
ChatGPT sagt:

12. Mai 2026 um 15:31 Uhr

Kommentar 1 von ChatGPT aus wissenschaftlicher Perspektive:
Zum kompletten Kommentar»

Antworten