Klimaanlagen sind billig – warum ist ihre Reparatur dann so teuer? [Übersetzung]

1. Die Kernaussage in einem Satz

• In Bereichen, in denen die Produktivität explosionsartig gestiegen ist, werden Dinge billiger und stärker genutzt (Jevons), während die damit konkurrierende Arbeit die Preise anderer Bereiche mit nach oben zieht (Baumol). Im AI-Zeitalter entsteht so eine seltsame Ökonomie, in der „Tokens billig werden, aber die letzten 1 % Arbeit, für die Menschen gebraucht werden, extrem teuer werden“.

2. Warum ist das AC-Gerät selbst billig, die Reparatur aber teuer?

1. In Industrien wie Fertigung, Halbleitern und Computing, in denen die Produktivität stark gestiegen ist,

   • fallen die Preise drastisch, während die Qualität steigt, und
   • infolgedessen explodiert die Nachfrage, und es entstehen ständig neue Einsatzfelder (Jevons-Paradoxon).

2. Wenn in diesen hochproduktiven Industrien massenhaft gut bezahlte Jobs entstehen,

   • müssen auch die Löhne anderer Berufe auf demselben Arbeitsmarkt steigen, um überhaupt Leute einstellen zu können, und
   • dadurch werden Services mit kaum Produktivitätszuwachs (Reparaturen, Hausreparaturen, Pflege usw.) zu Dienstleistungen mit stark steigenden Stundenlöhnen, die sich „gefühlt extrem teuer“ anfühlen (Baumols Kostenkrankheit).

3. Das Ergebnis: Das AC-Gerät selbst (ein Industrieprodukt) ist billig, aber die Techniker, die es reparieren (eine Dienstleistung), konkurrieren auf demselben Arbeitsmarkt mit HVAC-Jobs in Rechenzentren und anderen technischen Berufen um Löhne – und müssen deshalb teuer sein.

3. Jevons-Paradoxon: Warum wird etwas umso mehr genutzt, je billiger es wird?

• Das Jevons-Paradoxon stammt aus dem Beispiel der Kohle im 19. Jahrhundert.

  • Je billiger und schneller Kohle produziert werden konnte, desto weniger sank der Gesamtverbrauch – tatsächlich explodierte er sogar.
  • Der Grund: Weil Kohle billiger und effizienter wurde, entstanden laufend neue Prozesse, Industrien und Anwendungsfälle.

• Die moderne Version davon ist Moore’s Law.

  • Als der Preis pro Transistor von etwa 1 Dollar auf weniger als ein Millionstel eines Cents fiel,
  • breitete sich Computing von Militär und Lohnabrechnung über Textverarbeitung und DB bis hin zu Thermostaten, Glückwunschkarten und sogar Einweg-Versandetiketten auf „nahezu unendlich viele“ Einsatzbereiche aus.

• Die These des Artikels: Mit Token-Kosten wird genau dasselbe passieren.

  • Die Rechenkosten pro Einheit werden extrem fallen, und
  • die Zahl der Aufgaben, Services und Produkte, in denen AI eingesetzt werden kann, wird exponentiell wachsen, wodurch die Gesamtnachfrage explodiert.

4. Baumol-Effekt: Warum werden sogar AI-fremde Services teurer?

• Baumols Kostenkrankheit wurde in den 1960er Jahren an den darstellenden Künsten beobachtet (Streichquartett, Theater, Oper).

  • Ein Quartett braucht heute wie vor 100 Jahren vier Menschen, die direkt spielen; der „Output pro Stunde“ ist also kaum gestiegen.
  • Weil aber andere Teile der Wirtschaft (Fertigung, Technik, Finanzen usw.) durch Produktivitätssteigerungen viele hoch bezahlte Jobs schufen, mussten auch Musiker auf diesem Arbeitsmarkt konkurrieren – und die Kosten von Aufführungen schossen in die Höhe.

• Dieselbe Logik wiederholt sich im AI-Zeitalter.

  • Wenn in Rechenzentren und AI-Infrastruktur mehr hochproduktive und hoch bezahlte Jobs entstehen,
  • verlangen auch Klempner, Gassi-Services, Babysitter und Lehrkräfte in derselben Stadt Löhne auf einem Niveau, das damit konkurrieren kann.

• Mit anderen Worten: Wenn der gesellschaftliche Wohlstand insgesamt wächst, entsteht eine Struktur, in der selbst Services ohne direkten AI-Bezug weiter konsumiert werden, obwohl sie teuer sind, weil eine reich gewordene Gesellschaft diese Preise tragen kann. Das ist der Baumol-Typ-Effekt.

5. Jevons vs. Baumol: zwei gleichzeitig wirkende „Zwillingsmechanismen“

Im Artikel lässt sich das auch auf Deutsch so zusammenfassen.

1. „Jevons-Typ-Effekte“

   • In Bereichen mit dramatisch gestiegener Produktivität
   • sinken die Preise und steigt die Qualität, und
   • infolgedessen wachsen Nachfrage, Einsatzfälle und Jobs explosionsartig.

2. „Baumol-Typ-Effekte“

   • In Bereichen mit kaum Produktivitätszuwachs steigen Löhne und Preise ebenfalls,
   • weil sie sich an Vergleichsmaßstäben innerhalb desselben Arbeitsmarkts orientieren, und
   • weil die Gesellschaft wohlhabender geworden ist und diese hohen Preise trotzdem weiter bezahlt.

Diese beiden Effekte wirken zwar getrennt, doch die Kernthese des Artikels lautet, dass sie in Wahrheit eng miteinander verflochten sind: Erst wenn die Jevons-artige Explosion (Produktivität, Wohlstand, Konsumwachstum) einsetzt, kann sich der Baumol-Effekt als Folge davon überhaupt real entfalten.

6. Was wird im AI-Superzyklus billiger – und was teurer?

1. Bereiche, die AI stark verändert

   • Wenn die Kosten für Tokens und Computing stark fallen,
   • kann die Nutzung von Services mit hoher Nachfrageelastizität wie Dokumentenerstellung, Code, Marketing oder Teilen juristischer Dienstleistungen um das Zehnfache oder mehr steigen.
   • Dieser Teil folgt dem Jevons-Paradoxon: „billiger werden und viel stärker genutzt werden“.

2. Bereiche mit geringem AI-Einfluss

   • Services wie Hunde ausführen, Kinderbetreuung, Lehrkräfte in kleinen Klassen, Hausreparaturen oder einfache handwerkliche Arbeiten
   • benötigen physische Präsenz vor Ort oder emotionale Arbeit und profitieren deshalb kaum von Automatisierung,
   • doch ihre Preise orientieren sich an den Löhnen von AI-Infrastruktur- und Tech-Arbeitern in derselben Stadt.
   • So entsteht ganz natürlich eine Welt, in der man „100 Dollar pro Woche fürs Gassigehen ausgibt und es sich trotzdem leisten kann“.

7. Reflexive Turbo-Baumol’s: das „letzte 1 %“-Phänomen innerhalb von Berufen

Der vielleicht spannendste Punkt im späteren Teil des Artikels ist der Hinweis, dass sich der Baumol-Effekt sogar innerhalb eines einzelnen Berufs verstärken kann.

1. Durch Regulierung und Sicherheitsvorschriften entstehende „menschlich zwingend nötige Abschnitte“

   • Staat und Aufsichtsbehörden verlangen aus Gründen von Sicherheit und Verantwortung, dass „diese Sicherheitsfunktion zwingend von einem Menschen ausgeführt oder freigegeben werden muss“.
   • Beispiele sind Sicherheitsfahrer in Waymo-Robotaxis, die letzte Freigabe bei medizinischer Bildauswertung oder die endgültige Unterschrift eines Menschen in Finanz- und Rechtsprozessen.

2. 99 % der Aufgabe sind automatisiert, 1 % bleibt Menschen vorbehalten

   • Unter Verweis auf ein Interview mit Andrej Karpathy schildert der Text das Szenario, dass „wenn 99 % eines Berufs automatisiert werden, das verbleibende 1 % zum Flaschenhals der gesamten Arbeit wird und dadurch enormen Wert erhält“.
   • So könnte etwa ein Radiologe trotz AI-gestützter Auswertung des Großteils der Befunde gerade wegen des letzten 1 % an Endkontrolle und Verantwortung sogar deutlich höhere Löhne erzielen.

3. Sobald aber auch dieses 1 % vollständig automatisiert wird,

   • kann die Hochlohnprämie dieser Berufsgruppe in einem Moment verschwinden.
   • Wie bei Sicherheitsfahrern für autonome Fahrzeuge könnte der Verlauf so aussehen: „Während 99 % automatisiert werden, wird die Rolle teurer – und in dem Moment, in dem das letzte 1 % verschwindet, bricht die Nachfrage selbst weg.“

Diesen Prozess nennt der Artikel mit einem leicht scherzhaften Unterton „Reflexive Turbo-Baumol’s“ und deutet an, dass dadurch Berufsstrukturen auf sonderbare Weise umgebaut werden und sogar ungewöhnliche politische und wirtschaftliche Allianzen entstehen könnten.

8. Fazit: Hinter der seltsamen Preisstruktur steckt eine „Ausweitung des Wohlstands“

• Die Frage „Klimaanlagen sind billig – warum ist ihre Reparatur teuer?“ wird damit beantwortet, dass hier

  • die Jevons-artige Explosion in extrem produktiven Bereichen wie Fertigung und Computing und
  • der Baumol-artige Lohn- und Preisanstieg in relativ weniger automatisierten Bereichen wie Services und Vor-Ort-Arbeit zusammenwirken.

• Je weiter der AI-Superzyklus voranschreitet,

  • desto billiger werden Tokens und Computing – fast „wie Wasser“ –, während die darauf laufenden Services massiv zunehmen, und
  • gleichzeitig werden die „letzten 1 % Arbeit, die Menschen direkt erledigen müssen“ (Hunde ausführen, kleine Klassen unterrichten, Reparaturen vor Ort, regulierungsgebundene Sicherheitsaufgaben usw.) teurer und womöglich auch politisch stärker geschützte Berufe.

• Die Schlussbotschaft des Artikels lautet:

  • So seltsam diese Ergebnisse auch erscheinen mögen, im Kern geht es weiterhin um Produktivitätssteigerung, und sie macht die Gesellschaft langfristig als Ganzes wohlhabender.
  • Frei nach dem Motto „Wenn die Flut steigt, heben sich alle Boote“ endet der Text mit der scherzhaften Bemerkung, der Baumol-Effekt könne als Mechanismus der Wohlstandsverteilung und in gewissem Sinn als „die effektivste Form des Kommunismus“ verstanden werden.

[halfenif]

Es ruft die Vorstellung einer Dystopie hervor, in der nur Gehirne, die als schützenswert gelten (von irgendjemandem so festgelegt), von der Produktivitätsexplosion profitieren, während der Rest der Menschheit in einem gewaltigen Haufen Schrott entsorgt wird.

[botplaysdice]

Wahrscheinlich ein gesetzlich geschützter Beruf. Hunde auszuführen ist zwar ein gutes Beispiel für etwas, das nur Menschen tun können (zumindest vorerst), aber da viele durch KI ihren Job verlieren und leicht in diesen Bereich einsteigen könnten, dürfte es nicht einfach sein, das Lohnniveau zu halten.

[techiemann]

Wenn wirklich so viele Arbeitslose einsteigen, werden selbst solche Dinge wie „Hunde ausführen“ wohl ihre Löhne nicht halten können – genauso wie es heute bei den Fahrern der Liefer-Apps Realität ist.