Es gibt einen vernünftigen Einwand, den man ernst nehmen sollte: Jede Automatisierungswelle kam in Begleitung von Prognosen einer beruflichen Auslöschung, die dann nicht eingetreten sind. Die Geldautomaten hätten die Bankkassierer auslöschen sollen, und doch ist die Beschäftigung der amerikanischen Kassierer vierzig Jahre lang, von 1970 bis 2010, nie in einen dauerhaften Niedergang geraten: James Bessen hat dokumentiert, dass die Geldautomaten die pro Filiale nötigen Kassierer von etwa zwanzig auf rund dreizehn reduzierten, die Filialen aber so günstig zu eröffnen machten, dass die Banken viel mehr davon eröffneten, und die Stellen hielten insgesamt (der Niedergang kam nach 2010, aber durch das Mobile Banking, nicht durch den Geldautomaten). Die Tabellenkalkulation hätte jene auslöschen sollen, die die Rechnungen machten, und in den Vereinigten Staaten sind seit 1980 tatsächlich rund 400.000 Stellen für ausführende Buchhaltungskräfte verschwunden, während 600.000 unter den eigentlichen Buchhaltern entstanden, weil die Analyse so billig geworden war, dass die Kunden viel mehr davon zu verlangen begannen. Wer heute die Angst vor der künstlichen Intelligenz als die x-te ludditische Panik abtut, hat eine lange historische Reihe auf seiner Seite, die für die Unheilspropheten beschämend ist. David Autor, der MIT-Ökonom, der die Art geprägt hat, wie wir diese Übergänge untersuchen, hat das Phänomen mit seinen Koautoren quantifiziert: Rund 60 % der amerikanischen Beschäftigung von 2018 lag in Tätigkeiten, die 1940 nicht einmal als Berufsbezeichnung existierten. Die Arbeit endet nicht. Sie verschiebt sich.
Und doch wird diese tröstliche Lesart, die im Aggregat und über Jahrzehnte hinweg stimmt, falsch, sobald man sie benutzt, um eine einzelne Person über ein einzelnes Jahrzehnt zu beruhigen. Die Schreibkraft, die 1985 die schnellste im Büro war, wurde nicht von der Statistik gerettet, nach der sich die Arbeit im Ganzen anderswo neu zusammensetzen würde. Ihre konkrete Arbeit verdampfte trotzdem, und zu verstehen, warum sie verdampfte, ist das Nützlichste, was wir heute tun können, denn der Mechanismus wiederholt sich gerade mit fast lehrbuchhafter Treue.
Die Geschichte der Schreibkraft, richtig erzählt
Diese Geschichte verdient es, richtig erzählt zu werden, denn die Version, die kursiert, ist ärmer als das Original. 1975 entwickelten Larry Tesler und Tim Mott am Xerox PARC in Palo Alto einen Texteditor namens Gypsy. Er war nicht für einen Massenmarkt gedacht: Er diente Ginn & Company, einem Schulbuchverlag der Xerox-Gruppe mit Sitz in Lexington, Massachusetts. Gypsy führte Dinge ein, die wir heute so selbstverständlich finden, dass wir sie nicht mehr sehen: die Textauswahl durch Ziehen der Maus und den Doppelklick auf ein Wort, dazu die Befehle, die Tesler cut, copy und paste taufte. Es gibt ein Detail dieser Entstehung, das ich fast rührend finde. Um die Oberfläche zu entwerfen, bat Tesler seine neue Sekretärin, die nur hochwertige Schreibmaschinen gekannt hatte, sich vor einen leeren Bildschirm zu setzen und ihre ideale Art zu beschreiben, Notizen zu machen und Dokumente zu verfassen. Was sie beschrieb, wurde Gypsy. Der Beruf, den das Werkzeug auflösen würde, half mit, es zu entwerfen, ohne dass einer von beiden, die Sekretärin oder der Ingenieur, sehen konnte, wo die Sache enden würde.
Denn genau das ist der Punkt: Gypsy und seine Nachfahren machten die Schreibkräfte nicht schneller. Sie machten eine Operation fast kostenlos, die vorher teuer war: einen bereits geschriebenen Text zu ändern. Bei der Schreibmaschine hatte jede Korrektur einen hohen Preis, und dieser Preis rechtfertigte eine ganze Organisationsarchitektur: Der Manager diktierte oder schrieb von Hand, der Entwurf ging in den Schreibpool, kam korrigiert zurück, ging wieder hinaus. Als das Ändern kostenlos wurde, arbeitete die Schreibkraft nicht schneller. Was geschah, war, dass der Manager anfing, selbst zu schreiben, schlecht und gern, weil er sich ohne Kosten endlos korrigieren konnte. Die Aufgabe des Maschineschreibens wurde nicht automatisiert: Sie wurde pulverisiert und auf Millionen von Menschen umverteilt, innerhalb eines Prozesses, den es vorher nicht gab. Das amerikanische Bureau of Labor Statistics erfasst noch heute die Überlebenden der Kategorie „word processors and typists“ und führt sie beständig an der Spitze der am schnellsten schrumpfenden Berufe. Nicht weil eine Maschine besser tippt als sie, sondern weil die Welt aufgehört hat, so organisiert zu sein, dass sie eine eigene Funktion fürs Tippen braucht.
Das Bundle und der Goal-Seeker
Hier wird der „Task Approach“ von Autor zu einem Werkzeug und nicht bloß zu einem akademischen Etikett. Die Idee, 2013 formalisiert, aber verwurzelt in der Arbeit mit Levy und Murnane von 2003, lautet: Die Technologie trifft nie auf einen Beruf, sie trifft auf einzelne Tätigkeiten und weist diese Tätigkeiten nach einem Prinzip des komparativen Vorteils neu zwischen menschlicher Arbeit und Kapital zu. Ein Beruf ist ein Paket von Aufgaben, das von einer Organisation zusammengehalten wird, und selten verschwindet das Paket auf einmal. Sangeet Paul Choudary, in Italien aufgegriffen von Vincenzo Cosenza in einem Artikel, der der Anstoß zu dieser Überlegung ist, nennt das Paket „Bundle“ und beobachtet, dass der Mensch die Automatisierungen bisher überlebt hat, weil er die Funktion des Goal-Seekers behielt: Die Technologie fraß die ausführenden Aufgaben, aber jemand musste noch das Ziel bestimmen, es zerlegen, die Ausnahmen behandeln, das Ergebnis wieder zusammensetzen. Der Berufstitel blieb an der Tür, während sich der Inhalt des Zimmers änderte.
Agenten verschieben die Grenze
Agenten verschieben die Grenze genau dort. Ein Assistent, der jeden einzelnen Schritt eines Prozesses beschleunigt, lässt den Prozess, wie er war: Das ist der Modus, in dem die meisten Unternehmen KI heute einsetzen, und es ist auch der Modus, der die enttäuschendsten Ergebnisse liefert, weil er die Zeiten der Aufgaben komprimiert, ohne die Totzeiten zwischen den Aufgaben anzurühren, die in jeder realen Organisation der dominierende Posten sind. Ein Agent, der vom Ziel ausgeht, einen Plan baut, Quellen sucht, eine erste Version des Ergebnisses produziert und sie zur Prüfung vorlegt, beschleunigt nicht fünf Aufgaben: Er schlägt einen anderen Workflow vor, in dem einige Zwischenpositionen ihre Funktion verlieren und andere eine gewinnen. Der Slogan, die KI werde nicht die ersetzen, die arbeiten, sondern nur die, die sie nicht zu benutzen wissen, setzt voraus, dass der Prozess derselbe bleibt und dass sich das Rennen auf der Ausführungsgeschwindigkeit der bestehenden Schritte entscheidet. Die schnellste Schreibkraft auf Word hatte genau dieses Rennen gewonnen. Es hat ihr nichts genützt, denn inzwischen war die Rennbahn verschwunden.
Der Blick aus der Provinz
So weit die Analyse, die ich größtenteils Autor, Choudary und der Synthese von Cosenza verdanke. Was ich hinzufügen möchte, kommt aus dem besonderen Beobachtungsposten von jemandem, der den technischen Teil eines kleinen Softwarehauses in der Provinz leitet, ein Dutzend Leute, die vor allem für Gesundheitswesen und öffentliche Verwaltung arbeiten, mit gelegentlichen Ausflügen ins Legaltech, und das in den letzten zwei Jahren seine Art, Software zu entwickeln, um agentische Werkzeuge herum neu organisiert hat. Es ist kein theoretischer Beobachtungsposten: Es ist der Ort, an dem diese Dynamiken zuerst und ohne Stoßdämpfer ankommen, denn eine Struktur von zehn Personen hat nicht die organisatorische Redundanz, um einen falschen Workflow aufzufangen.
Das Erste, was ich gelernt habe: In unserem Handwerk hat die Neuzusammensetzung bereits stattgefunden, nur nennen wir sie mit technischen Namen, die ihre Tragweite verbergen. Wenn Code billig zu produzieren wird, wie das Tippen in den Achtzigern, wandert der Wert zu dem Artefakt, das ihm vorausgeht: der Spezifikation. Ich habe an anderer Stelle über die Spezifikationsschulden geschrieben, und jeder Monat, der vergeht, macht mich sicherer. Ein Agent, der an einem Nachmittag erzeugt, was früher zwei Sprints brauchte, hat die Entwicklung nicht beschleunigt: Er hat den Engpass auf die Fähigkeit verschoben, präzise zu sagen, was gebaut werden soll und mit welchen überprüfbaren Eigenschaften. Wer diese Spezifikation schreiben kann und erkennt, wann der Output sie nicht einhält, macht die Arbeit, die zählt. Wer Aufgaben ausführt, die die Spezifikation schon vollständig bestimmt hat, macht die Arbeit, die der Prozess umverteilen kann, und früher oder später wird er es tun.
Das Saatgut
Das Zweite ist unbequemer und betrifft die Pyramide. In einem kleinen Team war die Arbeit der Junioren nie bloß billige Produktion: Sie war der Mechanismus, durch den sich die Senioren bildeten. Wenn die Agenten genau die Art von Aufgaben aufsaugen, an denen ein Junior sein Urteilsvermögen aufbaute, dann isst das Unternehmen, das sich mit dem Feiern der Ersparnis begnügt, sein eigenes Saatgut. Ich habe keine elegante Lösung. Ich habe eine Praxis: Wir nehmen den Junioren die Aufgaben nicht weg, wir ändern ihren Gegenstand. Der Junior schreibt nicht mehr das CRUD, er beaufsichtigt den Agenten, der es schreibt, und er wird an der Qualität der Review gemessen, nicht an der Tippgeschwindigkeit. Es ist eine Wette darauf, dass sich Urteilsvermögen auch beim Prüfen fremder Arbeit bilden kann, wie es in Redaktionen und Anwaltskanzleien seit jeher geschieht. Ob die Wette gut ist, werden wir in einigen Jahren wissen, aber die Alternative, Teams ohne Einstiegspositionen, ist eine Antwort, die sich von selbst kommentiert.
Die Landkarte in den Verordnungen
Das Dritte ist der Grund, aus dem ich dieses Stück schreibe. Cosenza schließt seinen Artikel auf der Ebene des Systems: wer die Ziele definiert, wer Menschen und Agenten koordiniert, wer die Beziehung zum Kunden hält, wer die Verantwortung für das Ergebnis übernimmt. Und das stimmt, aber so gesagt klingt es nach einer Frage der individuellen Positionierung, fast der Karriere. Ich glaube, es ist eine strukturelle Frage, und in Europa hat sie bereits eine geschriebene Adresse. Denn während wir darüber diskutieren, welche Aufgaben die KI erledigen kann, stellt der europäische Gesetzgeber Artikel für Artikel die Liste der Funktionen zusammen, die kein Prozess je an die Maschinen wird umverteilen können, aus dem einfachen Grund, dass das Gesetz sie an eine juristische Person nagelt. Der AI Act verlangt für Hochrisikosysteme eine wirksame menschliche Aufsicht und weist denen, die die Systeme anbieten, und denen, die sie einsetzen, präzise Pflichten zu. Der Cyber Resilience Act macht den Hersteller für die Sicherheit des digitalen Produkts verantwortlich, unabhängig davon, wer, oder was, dessen Code geschrieben hat, während die neue Produkthaftungsrichtlinie diese Haftung auf die Software als solche ausdehnt, und NIS2 geht so weit zu verlangen, dass das Leitungsorgan selbst, nicht ein delegiertes Büro, die Sicherheitsmaßnahmen billigt und dafür einsteht. Man kann all das als bürokratischen Ballast lesen, und das ist die verbreitetste Lesart in unserer Branche. Oder man kann es als Landkarte lesen: als die im Voraus und mit Gesetzeskraft gezeichnete Topographie der Punkte im Workflow, an denen der menschliche Wert nicht verhandelbar ist, weil die Verantwortung nicht delegierbar ist.
Was kein Werkzeug unterschreiben kann
Die Schreibkraft verschwand, als der Prozess aufhörte, eine eigene Funktion fürs Tippen zu brauchen. Die richtige Frage für alle, die mit Wissen arbeiten, ist nicht, welche Aufgaben ein Modell erledigen kann, und auch nicht nur, ob diese Aufgaben so organisiert bleiben wie heute. Sie lautet: Welche Funktion wird der Prozess, so sehr man ihn auch neu zusammensetzt, niemals ausstoßen können? In meiner Branche hat die Antwort aufgehört, eine Meinung zu sein: Die Funktion, die der Prozess nicht ausstoßen kann, ist die Verantwortung, und die Verantwortung steht in Europa in den Verordnungen, noch bevor sie in den Organigrammen steht. Wer sie als Kosten behandelt, bereitet sich darauf vor, über die Ausführungsgeschwindigkeit zu konkurrieren, also das Rennen der Schreibkraft zu gewinnen. Wer sie als Architektur behandelt, wählt heute die Ebene des Systems, auf der er wohnen wird, wenn die Neuzusammensetzung abgeschlossen ist.
Teslers Sekretärin beschrieb einem leeren Bildschirm ihre ideale Art zu schreiben, und aus dieser Beschreibung entstand das Werkzeug, das ihren Beruf auflösen sollte. Mehr als ein halbes Jahrhundert später beschreiben wir alle einem Bildschirm unsere ideale Art zu arbeiten. Man tut gut daran, es in dem Wissen zu tun, dass die Beschreibung wörtlich genommen wird und dass am Ende von dieser Arbeit nur stehen bleibt, was kein Werkzeug an unserer Stelle unterschreiben kann.
Was du mitnimmst
Im Aggregat haben die Optimisten recht: Die Geldautomaten haben die Kassierer vierzig Jahre lang nicht schrumpfen lassen, und die Tabellenkalkulation hat mehr Buchhalterstellen geschaffen, als sie vernichtet hat. Aber die aggregierte Statistik rettet keine einzelne Person in einem einzelnen Jahrzehnt: Die Arbeit der Schreibkraft verdampfte trotzdem.
Gypsy, der Editor von Larry Tesler und Tim Mott am Xerox PARC von 1975, machte das Tippen nicht schneller: Er machte das Ändern fast kostenlos. Die Aufgabe wurde nicht automatisiert, sondern pulverisiert und auf Millionen von Menschen umverteilt, und die eigene Funktion verschwand zusammen mit der Organisationsarchitektur, die sie rechtfertigte.
Autors Task Approach und Choudarys Bundle erklären den Mechanismus: Die Technologie trifft nie auf einen Beruf, sie trifft auf einzelne Aufgaben. Bisher überlebte der Mensch, weil er der Goal-Seeker blieb; Agenten, die vom Ziel ausgehen und ganze Workflows vorschlagen, verschieben die Grenze auf genau diese Funktion.
In einem Softwarehaus hat die Neuzusammensetzung schon stattgefunden: Wenn Code billig wird, wandert der Wert zur Spezifikation und zur Fähigkeit zu erkennen, wann der Output sie nicht einhält. Und den Junioren darf man die Aufgaben nicht wegnehmen, sondern muss ihren Gegenstand ändern, hin zur Supervision des Agenten, sonst isst das Unternehmen, das die Ersparnis feiert, sein eigenes Saatgut.
Die Funktion, die kein Prozess ausstoßen kann, ist die Verantwortung: AI Act, CRA, PLD und NIS2 nageln sie an juristische Personen und Leitungsorgane. Als Landkarte statt als bürokratischer Ballast gelesen, ist sie die Topographie der Punkte im Workflow, an denen der menschliche Wert nicht verhandelbar ist.
Fragen & Antworten
Warum reicht der historische Optimismus über die Automatisierung nicht aus, um zu beruhigen, wer heute arbeitet?
Weil er im Aggregat und über Jahrzehnte hinweg stimmt und falsch wird, sobald man ihn benutzt, um eine einzelne Person über ein einzelnes Jahrzehnt zu beruhigen. Die Geldautomaten haben die Beschäftigung der amerikanischen Kassierer vierzig Jahre lang nicht schrumpfen lassen, und die Tabellenkalkulation hat mehr Buchhalterstellen geschaffen als vernichtet, aber die schnellste Schreibkraft des Büros wurde nicht von der Statistik gerettet, nach der sich die Arbeit anderswo neu zusammensetzen würde. Ihre konkrete Arbeit verdampfte trotzdem, und der Mechanismus, der sie verdampfen ließ, wiederholt sich gerade.
Was lehrt die Geschichte von Gypsy und den Schreibkräften wirklich?
Dass die Technologie nicht besser tippen muss als eine Schreibkraft, um sie verschwinden zu lassen. Gypsy, 1975 von Larry Tesler und Tim Mott am Xerox PARC entwickelt, machte eine Operation fast kostenlos, die vorher teuer war: einen bereits geschriebenen Text zu ändern. Als das Korrigieren nichts mehr kostete, begann der Manager selbst zu schreiben, und die Organisationsarchitektur, die den Schreibpool rechtfertigte, löste sich auf. Die Aufgabe wurde nicht automatisiert: Sie wurde pulverisiert und auf Millionen von Menschen umverteilt, innerhalb eines Prozesses, den es vorher nicht gab.
Was ist der Task Approach von David Autor, und warum ändern Agenten das Bild?
Es ist die 2013 formalisierte Idee, dass die Technologie nie auf einen Beruf trifft, sondern auf einzelne Tätigkeiten, die sie nach komparativem Vorteil zwischen menschlicher Arbeit und Kapital neu zuweist. Ein Beruf ist ein Paket von Aufgaben, das eine Organisation zusammenhält, und bisher überlebte der Mensch, weil er die Funktion des Goal-Seekers behielt: das Ziel bestimmen, es zerlegen, die Ausnahmen behandeln. Ein Agent, der vom Ziel ausgeht und das Ergebnis produziert, beschleunigt nicht fünf Aufgaben: Er schlägt einen anderen Workflow vor, in dem einige Zwischenpositionen ihre Funktion verlieren. Die Grenze verschiebt sich auf genau die Ebene, die garantiert schien.
Wie verändert sich die Arbeit der Junioren in einem Team, das Agenten einsetzt?
Die Arbeit der Junioren war nie bloß billige Produktion: Sie war der Mechanismus, durch den sich die Senioren bildeten. Wenn die Agenten genau die Aufgaben aufsaugen, an denen ein Junior sein Urteilsvermögen aufbaute, isst das Unternehmen, das die Ersparnis feiert, sein eigenes Saatgut. Eine mögliche Praxis besteht darin, den Gegenstand der Aufgaben zu ändern, statt sie wegzunehmen: Der Junior schreibt nicht mehr das CRUD, er beaufsichtigt den Agenten, der es schreibt, und wird an der Qualität der Review gemessen. Es ist eine Wette darauf, dass sich Urteilsvermögen auch beim Prüfen fremder Arbeit bilden kann, wie es in Redaktionen und Anwaltskanzleien seit jeher geschieht.
Welche Rolle spielen AI Act, CRA, PLD und NIS2 in dieser Neuzusammensetzung?
Während wir darüber diskutieren, welche Aufgaben die KI erledigen kann, stellt der europäische Gesetzgeber die Liste der Funktionen zusammen, die kein Prozess je an die Maschinen wird umverteilen können, weil das Gesetz sie an eine juristische Person nagelt. Der AI Act verlangt eine wirksame menschliche Aufsicht für Hochrisikosysteme, der CRA macht den Hersteller für die Produktsicherheit verantwortlich, unabhängig davon, wer den Code geschrieben hat, die PLD dehnt die Produkthaftung auf die Software als solche aus, und NIS2 verlangt, dass das Leitungsorgan selbst die Sicherheitsmaßnahmen billigt und dafür einsteht. Man kann all das als bürokratischen Ballast lesen, oder als Landkarte der Punkte im Workflow, an denen die Verantwortung nicht delegierbar ist.
Der Autor
