KI-Agenten könnten die Wirtschaft nach einem Modell von Google DeepMind vor allem dann abrupt verändern, wenn sie nicht nur einzelne Aufgaben gut erledigen, sondern als Teams wirksam zusammenarbeiten. Das am 29. Oktober 2026 veröffentlichte Essay unterscheidet deshalb zwischen Kompetenz, also der Leistung bei einer bestimmten Unternehmensgröße, und Koordination, die bestimmt, wie sich die Leistung mit dem Wachstum eines Unternehmens verändert. Google DeepMind erläutert den Ansatz in seinem Essay und dem Begleitpapier Organizing Intelligence.
Das Essay verfassten Alex Imas, Andrew Koh und Shane Legg. Den institutionellen Hintergrund hat NeoTeo bereits im Beitrag zum Start des DeepMind Institute eingeordnet.
Warum einzelne KI-Leistungen nicht die ganze Wirtschaft erklären
Unternehmen bündeln unterschiedliche Fähigkeiten und teilen Arbeit auf. Deshalb betrachten die Autoren nicht nur, wie gut ein einzelner KI-Agent eine Aufgabe löst, sondern auch, wie sich mehrere Beteiligte ergänzen und gemeinsam arbeiten.
Zur Veranschaulichung berichten die Autoren von einem Quiz mit 100 Personen in sechs Bereichen: Mathematik, Sprachverständnis, Naturwissenschaften, Mustererkennung, Kultur und Wirtschaft. Paare mit komplementären Stärken schnitten bei dieser Aufgabe laut Essay 32 Prozent besser ab als zufällig zusammengestellte Paare. Das Ergebnis bezieht sich auf dieses Quiz, nicht auf die Produktivität von Teams oder Unternehmen insgesamt.
Kompetenz und Koordination wirken unterschiedlich auf Unternehmen
Im Modell verändert Kompetenz den Output bei einer gegebenen Unternehmensgröße. Koordination beeinflusst dagegen, wie sich der Output verändert, wenn ein Unternehmen wächst. Die Unterscheidung ist wichtig, weil bessere Einzelleistungen allein nicht zwingend größere Unternehmen oder einen abrupten Wandel der Branchenstruktur bedeuten.
| Größe im Modell | Was sie verändert | Mögliche Folge im Modell |
| Kompetenz | Output bei gegebener Unternehmensgröße | Produktivität, Löhne und Preise können sich verändern; die effiziente Unternehmensgröße muss dadurch nicht steigen. |
| Koordination | Wie sich der Output mit wachsender Unternehmensgröße entwickelt | Bei ausreichend hoher Koordination kann jedes weitere Mitglied den Output pro Beschäftigtem erhöhen. |
Was die Koordinationsschwelle über 1 bedeutet
In einer beispielhaften Gleichung des Begleitpapiers entstehen steigende Skalenerträge, wenn die durchschnittliche Koordination über 1 liegt. Dann kann zusätzlicher Zuwachs die Leistung pro Beschäftigtem erhöhen, statt dass Koordinationskosten den Nutzen weiterer Mitglieder irgendwann aufzehren. Der Wert 1 gehört zu dieser Gleichung; er ist kein allgemeiner Messwert für KI-Systeme.
Die Autoren bezeichnen es als empirische Frage, ob KI diese Bedingung erreicht. Die Schwelle beschreibt also eine Bedingung im Modell und keinen belegten Meilenstein heutiger Systeme.
Das Papier unterscheidet außerdem drei Formen der Skalierung: Soloarbeit, begrenzte Skalierung und unbegrenzte Skalierung. Bei begrenzter Skalierung können Arbeitsteilung und Wachstum zunächst Vorteile bringen, bevor Koordinationskosten die weitere Ausdehnung bremsen. Unbegrenzte Skalierung setzt in diesem Modell eine ausreichend hohe Koordination voraus.
Vier KI-Regime und unterschiedliche Arbeitsmärkte
Das Essay ordnet mögliche Fähigkeiten vier analytischen Regimen zu: minimale AGI, superkompetente KI, superkooperative KI und künstliche Superintelligenz (ASI). Es beschreibt damit Kategorien für seine Szenarien, keine Einstufung, die heutige Systeme bereits erreicht hätten.
Welche Folgen ein Szenario hat, hängt auch vom Markt ab. In großen, skalierbaren Märkten kann das Modell bei hoher Koordination große KI-lastige Unternehmen begünstigen. In Nischenmärkten begrenzt die Nachfrage, wie weit ein Unternehmen wachsen kann. Bei Dienstleistungen, deren Wert auch aus menschlicher Beteiligung entsteht, können menschliche oder gemischte Unternehmen im Modell eine Rolle behalten.
Auch die möglichen Arbeitsmarkteffekte unterscheiden sich. Steigende Kompetenz kann in den modellierten Beispielen den menschlichen Beschäftigungsanteil in gemischten Unternehmen schrittweise verringern. Wenn KI-Unternehmen in einem Szenario menschliche Unternehmen verdrängen, kann der Beschäftigungseffekt dagegen sprunghaft ausfallen. Das sind bedingte Ergebnisse des Modells, keine beobachtete Entwicklung von Beschäftigung, Löhnen oder Marktkonzentration.
Die Autoren verstehen das Begleitpapier als Beitrag zur akademischen Diskussion. Es ist weder eine empirische Prognose noch eine Prognose zu Googles aktuellem oder künftigem Geschäft.
