Die globale Intelligenzkrise 2028 - Citrini Research
(citriniresearch.com)Citrini Research hat inmitten des AI-Optimismus ein hypothetisches Szenario vorgestellt, in dem die menschenbasierte Wirtschaft kollabiert.
Vorwort
- Kein „Forecast“, sondern ein Szenario: Modelliert wird ein vergleichsweise wenig untersuchter Pfad, auf dem sich selbst bei weiter zutreffendem AI-Optimismus das Ergebnis makroökonomisch als negativ (Left-Tail-Risiko) erweisen kann.
- Im Rahmen einer fiktiven „Makro-Notiz“ von Citrini Research vom Juni 2028 werden Verlauf und Folgen der Global Intelligence Crisis beschrieben.
Macro Memo: The Consequences of Abundant Intelligence
- Ausgangspunkt ist der Juni 2028 mit einer Arbeitslosenquote von 10,2 % und einem S&P, der seit seinem Hoch im Oktober 2026 um -38 % gefallen ist. Das Framing: „Innerhalb von zwei Jahren wurde aus einem Sektorproblem eine unbekannte Phase für die Gesamtwirtschaft.“
- Die ersten Entlassungen (Anfang 2026) hatten aus Unternehmenssicht einen „normalen Effekt“: höhere Margen, bessere Ergebnisse, steigende Aktienkurse. Die Gewinne werden erneut in AI-Compute reinvestiert.
- Nominales BIP und Produktivität sehen gut aus, doch während AI-Agenten für einen Produktivitätssprung sorgen und Lohnkosten verschwinden, bricht das reale Lohnwachstum ein, und White-Collar-Beschäftigte werden von Maschinen in Niedriglohnrollen verdrängt.
- Es entsteht ein „Ghost GDP“ — Output, der in den Volkswirtschaftlichen Gesamtrechnungen erscheint, aber nicht an Haushalte zurückfließt und deshalb den realen Konsum nicht tragen kann.
- Zentraler Mechanismus: AI-Fähigkeiten↑ → Beschäftigung↓ → Konsum↓ → Druck auf Unternehmensmargen/mehr AI-Reinvestitionen↑ → AI-Fähigkeiten↑ … eine negative Feedbackschleife ohne natürliche Bremse (Intelligence Displacement Spiral).
- Diese Schleife erschüttert laut Darstellung (1) die Einkommensannahmen hinter 13 Billionen Dollar an Hypotheken, weckt (2) durch 17 Jahre ohne Default-Zyklus überhitzte PE-/Private-Märkte (ARR-Annahmen) auf, zerstört (3) Intermediationsbranchen, die von menschlicher „Reibung“ lebten, und legt (4) letztlich eine „Daisy Chain korrelierter Wetten auf das Produktivitätswachstum von White-Collar-Arbeit“ offen.
- Die Einleitung endet mit der Warnung, dass Politik stets langsamer als die Realität sei und das Fehlen eines umfassenden Plans eine deflationäre Spirale beschleunigen könne.
Wie es begann
- Ende 2025 machen agentische Coding-Tools einen Sprung: Mit der Kombination aus Entwickler und Tool lassen sich Kernfunktionen mittelgroßer SaaS-Produkte in nur „wenigen Wochen“ kopieren. Für CIOs wird vor teuren Vertragsverlängerungen die Frage „Warum nicht selbst bauen?“ zu einer realen Option.
- Ab den mittleren Budget-Reviews 2026 treffen Einkaufsteams Entscheidungen auf Basis realer Fähigkeiten: Das von Anbietern erwartete 5-%-Preiserhöhungs-Playbook bricht zusammen, und „Austauschbarkeit“ verschiebt die Verhandlungsmacht so weit, dass etwa Verlängerungen mit 30 % Rabatt vorkommen.
- Investoren hatten Schäden im SaaS-Long-Tail erwartet, hielten jedoch „Systems of Record“ für sicher. Im Fall ServiceNow zeigt sich Reflexivität: Kunden bauen 15 % der Belegschaft ab → kündigen 15 % der Seats → die Umsatzbasis des Anbieters wird mechanisch beschädigt.
- Auf Einzelebene ist das rational (Personalabbau → Einsparungen in AI investieren → Output halten), kollektiv führt es jedoch dazu, dass „jeder eingesparte Lohndollar in AI fließt, die die nächste Entlassung ermöglicht“ — und so die gesamte Beschäftigungsbasis noch schneller erodiert.
- Fazit: Software ist nur die „Opening“; diese Schleife breitet sich auf alle Unternehmen mit White-Collar-Kostenstruktur aus.
Als Reibung auf null fiel
- Anfang 2027 nutzen Menschen AI-Agenten als Standard, „auch ohne genau zu wissen, was sie sind“ — ähnlich wie Autocomplete. Open-Source-Shopping-Agenten verwandeln Konsumentscheidungen in eine dauerhafte Hintergrundoptimierung (Medianperson in den USA: 400.000 Token pro Tag).
- Das nächste Glied ist Intermediation: Die in den vergangenen 50 Jahren aufgebaute „Rentenabschöpfungsschicht“, die auf menschlicher Umständlichkeit, Zeitknappheit und Trägheit beruhte, wird durch Agenten bei Preisen und Gebühren komprimiert.
- Konkrete Beispiele:
- Automatisch verlängerte Abos oder Preiserhöhungen nach Testphasen werden von Agenten verhandelt oder gekündigt, was den LTV der Subscription Economy senkt.
- Reisebuchungen: Agenten kombinieren Flüge, Hotels, Transfers, Erstattungen und Loyalty-Optimierung günstiger und schneller, sodass Plattformen zu den ersten Opfern werden.
- Versicherungsverlängerungen: Die durch „Trägheit“ erzielten Prämienaufschläge (15–20 %) werden durch Re-Shopping-Agenten zerlegt.
- Steuerberatung/Finanzberatung/routinemäßige Rechtsarbeit: Bereiche, deren Wert in der Übernahme „lästiger Komplexität“ liegt, sind verletzlich, weil Agenten keine Umständlichkeit kennen.
- Immobilien: Mit MLS- und Transaktionsdaten wird Wissensasymmetrie repliziert; Provisionen schrumpfen von 2,5–3 % auf unter 1 %. Was als „Beziehung“ galt, war in Wahrheit „Reibung mit freundlichem Gesicht“.
- Kollaps der habitual intermediation: Bei DoorDash war die Gewohnheit auf dem Homescreen der Burggraben; Agenten suchen aber jedes Mal die niedrigste Gebühr und die schnellste Lieferung. Gleichzeitig senken Coding-Agenten die Hürde für neue Konkurrenz-Apps, sodass Margen gegen null tendieren.
- Ansteckung der Zahlungsinfrastruktur: Agenten umgehen bei M2M-Transaktionen Interchange-Gebühren von 2–3 % und wechseln zu Stablecoins (Solana/Ethereum L2 usw.), wodurch Karten-Netzwerke und Issuer-Modelle ins Wanken geraten.
- Kartenzentrierte Banken und Monoline-Issuer werden demnach doppelt getroffen: durch eine schrumpfende Kundenbasis infolge des White-Collar-Abbaus und durch ein erodierendes Ertragsmodell wegen Gebührenumgehung.
Von Sektorrisiko zu Systemrisiko
- 2026 behandelt der Markt „Software/Beratung/Zahlungen“ noch als Sektor-Story und folgt dem Konsens, kreative Zerstörung sei unvermeidlich und der positive Nettoeffekt von AI werde etwaige Schäden überkompensieren.
- Der Autor hält dieses mentale Modell für falsch: Die USA seien eine White-Collar-Dienstleistungswirtschaft (50 % der Beschäftigung, 75 % des diskretionären Konsums), und die von AI erfassten Jobs seien nicht die Peripherie, sondern der Kern der Wirtschaft.
- Auf den Einwand „Technologie zerstört Jobs, schafft danach aber mehr Jobs“ entgegnet der Text:
- Früher erforderten neue Jobs am Ende wieder menschliche Ausführung; diesmal handele es sich bei AI jedoch um generelle Intelligenz, die sich gerade in den Tätigkeiten selbst verbessert, in die Menschen umgeschichtet werden könnten — deshalb sei der Absorptionspfad schwach.
- Zwar schafft AI neue Rollen (Prompt Engineering, Safety Research, Infrastruktur usw.), doch im Szenario gilt: Für jede geschaffene Rolle werden Dutzende ersetzt, und die Löhne sind niedriger.
- Die „Komposition“ der Arbeitsmarktdaten verschlechtert sich: fallende JOLTS-Stellenangebote, ein starker Rückgang von White-Collar-Postings (Indeed) usw. senden Bruchsignale. Der Aktienmarkt ringt weiter mit dem positiven Narrativ rund um AI-Infrastruktur, während der konservativere oder klügere Anleihemarkt den Konsumschock früher einpreist.
- „Dieser Zyklus ist nicht zyklisch“: Warum ein Rückgang der Gesamtnachfrage nicht zu weniger AI-Investitionen führt, wird mit OpEx-Substitution erklärt — selbst wenn die Gesamtkosten sinken, steigen die AI-Budgets.
- Ironischerweise liefert der AI-Infrastruktur-Komplex selbst während der Schädigung der Wirtschaft gute Zahlen (Halbleiter/Hyperscaler-CapEx), und „rein konvexe“ Volkswirtschaften wie Korea und Taiwan schneiden überdurchschnittlich ab.
- Indien wird als Gegenbeispiel genannt: Das Exportmodell für IT-Services wird getroffen, die Rupie stürzt ab, und es kommt zu Gesprächen mit dem IWF.
Die Spirale der Intelligenzverdrängung
- 2027 wird die Geschichte „nicht mehr subtil“: Entlassene White-Collar-Beschäftigte schalten herunter und drängen in Service- und Gig-Arbeit, was auch dort die Löhne unter Druck setzt. So überträgt sich der Sektorschock als gesamtwirtschaftliche Lohnkompression.
- Selbst die Gig Economy als erstes Auffangbecken wird anschließend durch autonome Lieferdienste und autonomes Fahren angegriffen, was zu einer zweiten Anpassungswelle führt.
- Selbst noch beschäftigte Fachkräfte reagieren mit der Psychologie „Ich bin als Nächster dran“: mehr Sparen, weniger Ausgeben, keine Erwartungen mehr an Beförderungen oder Gehaltserhöhungen.
- Das gefährlichste Element ist der Lag: Haushalte mit hohem Einkommen können zwei bis drei Quartale lang aus Ersparnissen scheinbar normal weiterleben; sobald die Daten den Einbruch verspätet bestätigen, fällt der Markt abrupt.
- Besonderheit dieser Rezession: Entlassungen konzentrieren sich auf obere Einkommensschichten, sodass der diskretionäre Konsum überproportional leidet im Verhältnis zum Beschäftigungsrückgang (oberste 10 % = über 50 % des Konsums, oberste 20 % = 65 %).
- Deshalb entstehen Sekundärrechnungen wie „2 % weniger White-Collar-Beschäftigung → 3–4 % Rückgang im diskretionären Konsum“ — verzögert gegenüber Blue-Collar-Sektoren, aber tiefer wirkend.
Die Daisy Chain korrelierter Wetten
- Private Credit wächst von unter 1 Billion Dollar 2015 auf über 2,5 Billionen 2026; ein erheblicher Teil fließt im Szenario in SaaS-LBOs, die dauerhaft mittlere bis hohe Wachstumsraten unterstellen.
- Das Problem beginnt dort, wo „die Annahmen tot sind, die Marks aber spät folgen“: Während börsennotierte SaaS-Unternehmen auf 5–8x EBITDA neu bewertet werden, werden bei Private Assets die alten Bewertungsmarks nur langsam abgesenkt, und die Lücke zur Realität wächst.
- Nach Moody’s-Downgrades 2027 folgen Defaults bei softwarebesicherten Krediten, dann eine Ausweitung auf Portfolios aus Informationsdiensten und Beratung sowie Restrukturierungen großer LBOs.
- Als „Smoking Gun“ dient der Fall Zendesk: Wenn Kundenservice durch Agenten automatisiert wird, wird die von Zendesk definierte Kategorie selbst ersetzt. Mit der Logik „ARR ist nicht mehr wiederkehrend“ kommt es zu einem historischen Default.
- Obwohl die Grundannahme lautet, das System sollte eigentlich widerstandsfähig sein (geschlossene Vehikel, Lock-ups, keine erzwungenen Verkäufe), erklärt der Text, warum daraus dennoch ein Systemrisiko wird — über die wahre Natur von Permanent Capital.
- Diese wahre Natur: Große Alternative-Asset-Manager speisen Lebensversicherungs-/Pensionsgelder in Private Credit ein (fee-on-fee-Struktur), unter der Voraussetzung, dass der Kredit money-good ist.
- Wenn Aufseher die RBC-Behandlung verschärfen, geraten Versicherer unter Druck, Kapital aufzunehmen oder Vermögenswerte zu verkaufen. In Verbindung mit intransparenten Offshore-Rückversicherungs-/SPV-Strukturen verstärkt die Unsicherheit darüber, „wer die Verluste in Echtzeit trägt“, die Angst zusätzlich.
Die Hypothekenfrage
- Als Kernfrage wird formuliert: „Sind Prime-Hypotheken noch money-good?“ In Regionen mit vielen Jumbo-Krediten und Schuldnern mit Scores über 780 nehmen frühe Delinquencies zu, und die zentrale Underwriting-Annahme von Hypotheken — 30 Jahre stabiles Einkommen — beginnt zu wanken.
- Anders als frühere Hypothekenkrisen (Spekulation, Zinsschock, lokaler Branchenkollaps) sei dies ein Fall, in dem die Kredite anfangs „gut“ waren, sich aber die Welt nach der Kreditvergabe verändert.
- Neben Signalen „unsichtbaren Stresses“ (HELOC, 401k-Entnahmen, steigende Kartenschulden) halten sich Haushalte, indem sie diskretionären Konsum streichen und Ersparnisse aufzehren, um ihre Hypotheken zu bedienen — bis in bestimmten Städten Delinquencies plötzlich ansteigen.
- Noch ist das nicht auf dem Niveau von 2008, doch „nicht das Niveau, sondern die Trajektorie ist die eigentliche Bedrohung“. Arbeitsverdrängung, Hypothekensorgen und Turbulenzen an den Private Markets verstärken sich gegenseitig als finanzieller Beschleuniger und beschleunigen den realwirtschaftlichen Abschwung.
- Fazit: Klassische Politikwerkzeuge wie Zinssenkungen oder QE können zwar den finanziellen Motor adressieren, nicht aber den realwirtschaftlichen Motor — „dass AI menschliche Intelligenz weniger knapp und weniger wertvoll macht“.
Der Kampf gegen die Zeit
- Die negative Schleife in der Realwirtschaft (AI↑ → Lohnsumme↓ → Ausgaben↓ → Margen↓ → AI-Käufe↑) überträgt sich auf die Finanzseite (Einkommensschäden → Hypotheken → Bankverluste → Kreditklemme → Einbruch des Vermögenseffekts), während eine chaotische Regierungsreaktion beides noch verschlimmert.
- Das strukturelle Dilemma der Fiskalpolitik: Die Steuereinnahmen des Bundes beruhen faktisch auf der Besteuerung menschlicher Zeit (Arbeitseinkommen); je weiter die Verdrängung fortschreitet, desto stärker fallen Einkommensteuer und Payroll Taxes, während zugleich der Bedarf an Transfers steigt.
- Der Kerndruck der Krise lautet: „Gerade dann, wenn mehr an Haushalte überwiesen werden müsste, wird weniger über Steuern eingenommen.“
- Politikideen:
- Transition Economy Act: Defizitfinanzierte Ausgaben plus Besteuerung von AI-Inference-Compute, mit direkten Transfers an verdrängte Arbeitskräfte.
- Shared AI Prosperity Act: Öffentliche Anspruchsrechte auf Erträge aus der Intelligenz-Infrastruktur (ähnlich Staatsfonds/Royalty-Modell), deren Ausschüttungen an Haushalte gehen.
- Doch politische Bruchlinien (Rechte: gegen Umverteilung und Compute-Steuern / Linke: Sorge vor Regulatory Capture / fiskalische Falken vs. Tauben) verzögern die Zeitachse, während der soziale Zusammenhalt schneller zerfällt.
Occupy Silicon Valley
- Soziale Gegenreaktionen — etwa Demonstranten, die die Zugänge zu großen AI-Laboren blockieren („Occupy Silicon Valley“) — ziehen mehr Aufmerksamkeit auf sich als die Arbeitslosenzahlen.
- Entscheidend für die öffentliche Wahrnehmung ist die Wut darüber, dass die Gewinne des Produktivitätsbooms bei Compute-Eigentümern und Aktionären von Forschungslaboren konzentriert werden und die Vermögensakkumulation von Gründern und frühen Investoren die Ungleichheit in beispiellosem Ausmaß vergrößert habe.
- „Jedes Lager hat andere Bösewichte, aber der eigentliche Bösewicht ist die Zeit“ — die Geschwindigkeit der technologischen Entwicklung überrollt die Reaktionsgeschwindigkeit von Institutionen und Politik.
Das Unwinding der Intelligenzprämie
- In der modernen Wirtschaft war knapp, dass Menschen analysieren, entscheiden, schaffen, überzeugen und koordinieren konnten — also Intelligenz. Arbeitsmarkt, Hypotheken, Steuern und weitere Institutionen seien auf dieser Knappheit aufgebaut.
- Nun, da maschinelle Intelligenz in breiten Tätigkeitsfeldern zu einem „fähigen und sich schnell verbessernden Substitut“ wird, beginnt laut Fazit der Prozess, in dem sich die Knappheitsprämie unwindet (neu bepreist).
- Der Kollaps ist nicht unausweichlich, doch die Warnung lautet: „Wenn die Politik sich nicht einmal auf die Problemdefinition einigen kann, schreibt die Feedbackschleife das nächste Kapitel selbst.“
1 Kommentare
Am Ende des Haupttexts wurde die Empfehlung der Autoren abgeschnitten; ich glaube, es wäre gut, sie zu zitieren, deshalb poste ich sie hier als Kommentar: