Wenn Befürworter der KI betonen, dass KI nicht Arbeitsplätze beseitigt, sondern (tendenziell unbegrenzt) neue schafft, so gilt das nur für immer höhere Begabungsstufen. Das heißt, die Masse der white collar Jobs fallen fort, übrig bleiben von denen nur noch die "silicon-valley-Jobs". Da KI der Machtwille und die nach-unten-treten-und-nach-oben-buckeln Mentalität fehlt, das was Hannah Arendt als die Banalität des Bösen erkannt hat, werden Menschen diese Rolle übernehmen. Was tun?

Diese Argumentation verknüpft eine ökonomische Rationalisierungsthese mit einer sozialpsychologischen und ethischen Diagnose. Um dieser Komplexität gerecht zu werden, lässt sich die Fragestellung in zwei Kerndimensionen untergliedern: die Verschiebung der Arbeitsmarktstruktur und die ethisch-funktionale Rolle des Menschen in KI-dominierten Hierarchien.

1. Die Arbeitsmarkt-Transformation: Das Schmelzen der Mitte

Die Sorge, dass KI vor allem die mittlere Qualifikationsebene ("White-Collar"-Kognitionsarbeiten) ersetzt und eine Polarisierung erzeugt, betrifft das Phänomen der Arbeitsmarktpolarisierung.

• Hochqualifizierte Spezialisierung: Jobs an der Spitze verlangen zunehmend nicht nur fachliche Expertise, sondern extreme Adaptivität, Systemarchitektur-Verständnis und strategisches Denken.

• Das Verschieben der Schwelle: Während frühere Automatisierungswellen routinierte körperliche Arbeit trafen, ersetzt generative und analytische KI nun routinierte kognitive Arbeit (z. B. Standard-Analysen, Texterstellung, Basis-Programmierung, Sachbearbeitung).

2. Die ethisch-bürokratische Komponente: Der Mensch als "moralischer Puffer"

Der Bezug auf Hannah Arendts Banalität des Bösen berührt einen zentralen Punkt in bürokratischen und hierarchischen Systemen. KI agiert nach Mustern, Optimierungsfunktionen und Wahrscheinlichkeiten; ihr fehlen intrinsische Motivationen wie Machtstreben, Gefälligkeit oder Angst vor Repressalien.

• Funktionalisierung von Härte: Wenn KI Entscheidungen trifft oder vorbereitet (z. B. Budgetkürzungen, Entlassungen, Risikobewertungen), verbleibt die Ausführung und gesellschaftliche / organisatorische Durchsetzung beim Menschen.

• Verantwortungsdelegation: Es entsteht das Risiko einer "Ethik-Oder-Verantwortungs-Oder-Verlagerung": Führungskräfte berufen sich auf datenbasierte Empfehlungen der KI, nutzen aber menschliche Erfüllungsgehilfen für die unangenehmen Schnittstellen zum Untergebenen.

Handlungsansätze: Was tun?

Um dieser Entwicklung konstruktiv zu begegnen, anstatt sie unhinterfragt geschehen zu lassen, ansetzen lässt sich auf drei Ebenen:

Gesellschaftlich & Politisch

• Entkopplung von Existenz und klassischer Erwerbsarbeit: Wenn der Markt für durchschnittlich qualifizierte Denkarbeit schrumpft, müssen soziale Sicherungssysteme angepasst werden (z. B. durch Umverteilungsmodelle, Besteuerung von KI-Wertschöpfung oder Anpassung von Arbeitszeitmodellen).

• Demokratische Kontrolle und Regulierungen: Richtlinien wie der EU AI Act zielen bereits darauf ab, hochriskante KI-Anwendungen zu regulieren. Es braucht strikte Vorgaben zur Transparenz, wo KI zur Leistungskontrolle oder Verhaltensbewertung eingesetzt wird.

Organisatorisch & Ethisch

• Verantwortung statt "Befehlskette": Institutionen müssen verhindern, dass menschliche Führungskräfte zu reinen Vollstreckern von Algorithmen verkommen. Ethikrichtlinien in Unternehmen müssen sicherstellen, dass menschliche Empathie und Einzelfallgerechtigkeit Priorität vor reiner Effizienzlogik behalten.

• Schutz von Whistleblowern und Kritikern: Systeme, die Konformismus belohnen und Härte nach unten fordern, müssen durch starke Arbeitnehmerrechte und Transparenzpflichten aufgebrochen werden.

Individuell

• Fokussierung auf echte menschliche Stärken: Fähigkeiten wie komplexe Beziehungsarbeit, tiefes Urteilsvermögen, kritische Hinterfragung von Systemen und ethische Haltung gewinnen an Wert – genau jene Eigenschaften, die sich nicht in Kennzahlen oder Algorithmen pressen lassen.

• Aktives Mitgestalten: Statt KI-Systeme passiv als unumstößliche Autorität zu akzeptieren, gilt es, eine kritische KI-Kompetenz (AI Literacy) zu entwickeln, um automatisierte Banalitäten und Fehlentscheidungen fachlich und ethisch anfechten zu können.