Die Kostenkurve des AI-Zeitalters des Überflusses
1. Der Kern von Überfluss ist eine fallende Kostenkurve
Wer über Überfluss spricht, muss über Kosten sprechen. Solange ein Gut oder eine Dienstleistung teuer, knapp, instabil, ineffizient oder schwer zugänglich bleibt, ist die Technik dahinter vielleicht beeindruckend, aber die Gesellschaft erlebt noch keinen echten Überfluss.
Dampfmaschinen senkten die Kosten mechanischer Kraft. Stromnetze senkten die Kosten nutzbarer Energie. Fließbänder senkten die Kosten der Massenfertigung. Das Internet senkte die Kosten für Kopie und Verteilung von Information. AI senkt zuerst die Kosten von Intelligenz: Schreiben, Übersetzen, Code, Bilder, Suche, Analyse und Wissenszugang.
Doch nicht alle Kosten fallen gleich schnell. AI verbreitet sich zuerst dort, wo Arbeit digital, standardisiert, risikoarm und leicht überprüfbar ist. Darum braucht das AI-Zeitalter eine Kostenkurve.
2. Die Grundreihenfolge fallender AI-Kosten
Grob sinken zuerst Informations- und Contentkosten, dann Softwareentwicklung, Wissensdienste, Zusammenarbeit und Management, Forschung, Fertigung und Lieferketten, Logistik, Gesundheit und Pflege, Energie, Wohnen und städtische Infrastruktur.
Je näher ein Kostenblock an der digitalen Welt liegt, desto schneller kann er fallen. Je näher er an physischer Produktion und Institutionen liegt, desto langsamer bewegt er sich. Digitale Arbeit lässt sich kopieren; physische Arbeit muss gebaut, geprüft, versichert und reguliert werden.
AI-Überfluss erscheint daher zuerst als digitaler Überfluss, danach als Dienstleistungsüberfluss und erst später als materieller Überfluss.
Je näher ein Kostenblock an der digitalen Welt liegt, desto schneller fällt er; je näher er an physischen Systemen und Institutionen liegt, desto langsamer bewegt er sich.
3. Informations- und Contentkosten
Informations- und Contentkosten fallen als Erste. AI erzeugt Artikel, Zusammenfassungen, Bilder, Skripte, Werbetexte, Videoentwürfe, Musik-Demos und Codefragmente in Sekunden.
Das Angebot explodiert, und gewöhnlicher Content wird billiger. Knapp bleiben Geschmack, Vertrauen, Originalität, Persönlichkeit und Urteilskraft.
Das Problem verschiebt sich von Produktion zu Auswahl. Wenn Content im Überfluss vorhanden ist, werden Aufmerksamkeit und Vertrauen teurer. Gesellschaften brauchen neue Mechanismen für Herkunft, Prüfung und Reputation.
4. Kosten der Softwareentwicklung
Software wird besonders stark verändert, weil Code Text ist, Entwicklung digital abläuft und Tests schnelles Feedback geben. AI kann Code vervollständigen, Fehler erklären, Tests schreiben, Dokumentation erzeugen und Refactorings vorschlagen.
Einzelpersonen und kleine Teams gewinnen Hebelwirkung. Interne Tools, die früher zu teuer waren, werden möglich. Legacy-Systeme lassen sich leichter lesen, migrieren und absichern.
Softwarekosten fallen aber nicht auf null. Anforderungen, Architektur, Sicherheit, Performance, UX, Compliance und Wartung brauchen weiterhin gutes Engineering-Urteil.
5. Kosten von Wissensdiensten
Bildung, Beratung, Recht, Finanzen, Marktforschung, HR und Produktplanung beruhen stark auf Expertenzeit. AI automatisiert zuerst Einstiegsarbeit wie Vertragsprüfung, Finanzzusammenfassungen, Recherche, Lernhilfe und erste Analysen.
Danach stärkt sie Fachleute, indem sie Fälle findet, Optionen vergleicht, Berichte entwirft, Auffälligkeiten erkennt und Szenarien simuliert.
Wertvolle Experten werden weniger reine Informationsverarbeiter und mehr Urteilsträger, Erklärer, Verantwortliche und Vertrauensknoten.
6. Kosten von Zusammenarbeit und Management
Viele Unternehmenskosten entstehen durch Koordination: Meetings, Berichte, Freigaben, Dateisuche, Abstimmungen, Projektverfolgung, Wissenstransfer und Onboarding.
AI kann Meetings zusammenfassen, Aufgaben extrahieren, Wochenberichte schreiben, Risiken verfolgen, Kundengespräche ordnen, Anomalien erkennen und Chats in Entscheidungsdokumente verwandeln.
Unternehmenssoftware verschiebt sich von Aufzeichnungssystemen zu Ausführungssystemen. Manager werden stärker Systemdesigner und Ausnahmebehandler.
7. Forschungs- und Entdeckungskosten
Wenn AI nur Copywriting und Support verbilligt, steigt Effizienz. Wenn sie Entdeckungskosten senkt, beschleunigt sie Zivilisation.
AI kann Literatur lesen, Hypothesen bilden, Experimente planen, Simulationen auswerten, Materialien und Moleküle screenen und den nächsten Versuch entwerfen.
Doch Wissenschaft muss Realität treffen. Medikamente brauchen klinische Studien, Materialien Tests, Energiesysteme technische Validierung. AI beschleunigt Suche, überspringt aber weder Natur noch Sicherheit.
8. Fertigungs- und Lieferkettenkosten
Fertigung ist der Übergang von digitalem zu materiellem Überfluss. Sie umfasst Design, Material, Anlagen, Arbeit, Qualität, Lager, Logistik, Energie, Ausschuss und Lieferantenkoordination.
AI verbessert Nachfrageprognosen, Planung, Wartung, Qualitätskontrolle, Beschaffung, Routen und Energieeinsatz. Aber Fabriken, Roboter, Sensoren und Liefernetze brauchen Kapital und Zeit.
Eine mögliche Produktform ist die Manufacturing Cloud: Design, Simulation, Angebot, Beschaffung, Prototyping, Qualität und Logistik als Plattformfähigkeit.
9. Logistik- und Transportkosten
Logistik ist der Kreislauf materiellen Überflusses. Waren werden nicht reichlich verfügbar, wenn Transport und Verteilung teuer bleiben.
AI hilft bei Prognosen, Lagersteuerung, Routen, Sortierung, Zustellung, autonomen Lkw, Drohnen und Roboterlagern.
Transport berührt öffentliche Straßen, Sicherheit, Haftung, Versicherung, Zertifizierung, Stadtplanung und Arbeit. Die Kosten können fallen, aber nicht linear.
10. Gesundheits- und Pflegekosten
Gesundheit ist einer der wertvollsten und schwierigsten Kostenblöcke. AI hilft bei Bildgebung, Akten, Risiko, Diagnoseunterstützung, Wirkstoffsuche, Triage, chronischer Versorgung, Monitoring, Planung, Abrechnung und Pflege.
Zuerst sinken Kosten bei Triage, Bildunterstützung, Dokumentation, chronischem Management, Gesundheitsberatung und frühen Screenings.
Das Gesamtsystem bleibt langsam, weil Medizin Validierung, Regulierung, ärztliche Akzeptanz, Versicherungszahlung und Vertrauen braucht. Pflege braucht zusätzlich Sicherheit und emotionale Reife in realen Haushalten.
11. Energiekosten
Energie ist die harte Grundlage von Überfluss. AI läuft auf Rechenzentren, Chips, Strom, Kühlung, Land und Netzen.
Die IEA erwartet, dass der weltweite Strombedarf von Rechenzentren bis 2030 etwa 945 TWh erreicht. AI kann Energiesysteme optimieren, verbraucht aber selbst viel Energie.
Billigere Energie erfordert Erneuerbare, Speicher, intelligente Netze, Kernenergie, effizientere Chips, Flüssigkühlung, Edge Computing, Modellkompression und bessere Standortwahl.
12. Wohn- und Infrastrukturkosten
Wohnen ist für AI besonders schwer schnell zu verändern. AI kann Gebäude entwerfen, aber kein Land erschaffen; sie kann Bauplanung optimieren, aber Genehmigungen nicht umgehen.
Wohnkosten hängen von Land, Zuzug, Zinsen, Material, Arbeit, Planung, Steuern, Verkehr, Schulen, Medizin und Spekulation ab. AI hilft bei Design, Struktur, Einkauf, Prüfung, Energie, digitalen Zwillingen und Baurobotern.
Echter Wohnüberfluss braucht Technik und Institutionen zusammen. Viele Kosten entstehen nicht durch fehlende Intelligenz, sondern durch Regeln, Ressourcen und Macht.
13. Ein grober Zeitplan
2025 bis 2030 fallen digitale Kosten schnell: Copilots, Agents, kreative Produktion, Softwareeffizienz, Content-Explosion und steigender Energie- und Compute-Druck.
2030 bis 2040 sinken Dienstleistungs- und Organisationskosten sichtbarer: Agent OS, AI-Mitarbeiter, personalisierte Bildung, medizinische Triage, zugänglichere Rechts- und Finanzdienste, Roboter in Logistik, Medizin, Landwirtschaft und Service.
2040 bis 2050 können physische und infrastrukturelle Kosten fallen, wenn Robotik, Energie, Fertigung, Materialien und Stadtsteuerung reifen.
14. Fazit
Das AI-Zeitalter des Überflusses bedeutet nicht, dass alle Kosten gleichzeitig fallen. Es ist eine Kostenkurve von digitaler Arbeit zu Diensten, Organisationen, Forschung, Fertigung, Logistik, Gesundheit, Energie, Wohnen und Infrastruktur.
Lange Zeit werden digitaler Überfluss und reale Knappheit nebeneinander bestehen: Content wird billig, Wohnen bleibt teuer; AI-Tutoren verbreiten sich, Institutionen müssen sich dennoch ändern.
Wer die AI-Ära verstehen will, sollte nicht nur Modellfähigkeit beobachten, sondern die Kostenkurve.
Wer die AI-Ära verstehen will, sollte nicht nur Modellfähigkeit beobachten. Beobachte die Kostenkurve.