10.05.2021

Wie Big Data Planwirtschaft und Kapitalismus zusammenbringt

In seiner aktuellen Kolumne beschäftigt sich Mic Hirschbrich damit, wie Technologie einen alten ökonomischen Widerspruch aufhebt.
/artikel/big-data-planwirtschaft-und-kapitalismus
Wie Big Data Planwirtschaft und Kommunismus zusammenbringt
brutkasten-Kolumnist Mic Hirschbrich | Hintergrund: (c) Adobe Stock / karsty

Im 20. Jahrhundert fand die Teilung der Welt in zwei Systeme statt. Länder waren entweder liberal-demokratisch und mit freien Märkten oder kommunistisch bzw. sozialistisch und mit zentraler, planwirtschaftlicher Organisation. In der westlichen Welt wollte man Individuen und deren Eigenverantwortung stärken, im Osten die Menschen materiell gleichstellen. Im “American Dream” sollte jeder, der sich nur hart genug anstrengte, reich werden können. Das erreichten zwar viele nicht, aber immerhin konnte sich im Kapitalismus eine starke Mittelschicht etablieren. Im Sozialismus hingegen blieben am Ende die meisten statt gleich reich, gleich arm. Wir sehen uns gleich an, weshalb.

Man gehörte zur NATO oder zum Warschauer Pakt, stand auf Seite der USA oder jener der Sowjetunion. China zählte ebenso zur kommunistischen Hälfte, allerdings mit einer eigenen Variante. Bipolar war die Welt nach dem zweiten Weltkrieg, aber auch leichter erklärbar hinsichtlich ihrer politischen und ökonomischen Systeme und Unterschiede.

Die Welt heute ist komplexer geworden und alte als fest geltende Regeln, scheinen nicht mehr gültig zu sein.

Zum Jahrestag Hayeks: Das Ökonomie-Genie hielt einen „sozialistischen Kapitalismus“ für denkunmöglich

Bevor der Nobelpreisträger Friedrich August von Hayek (geb. 8.5.1899) zum Wirtschaftsliberalen wurde, war er jugendlicher Pazifist und Anhänger einer planwirtschaftlichen Ordnung. Er beschäftigte sich eingehend mit Ideen zum demokratischen Sozialismus. Später wurde er aber für sein Wirken als Liberaler und Mitglied der Österreichischen Schule der Nationalökonomie bekannt und in verschiedensten Ländern und Organisationen als beratender Ökonom geschätzt. Sein wissenschaftliches Leben war reich an komplexen Diskursen, mit denen sich kundige Wirtschaftshistoriker und Ökonomen bis heute beschäftigen.

Ich bin kein Ökonom, doch neben seiner Forderung nach einem “bedingungslosen Grundeinkommen abseits von Marktregeln”, war eine Einschätzung Hayeks für mich als Technologen spannend: Planwirtschaft und Kapitalismus gingen in seiner Welt “niemals zusammen”. Doch Hayek hatte keine Vorstellung von moderner Daten-Ökonomie.

Das Informations-Problem im Sozialismus – vor Big-Data

Der SPÖ-nahe ORF-Journalist Franz Kreuzer fragte Hayek vor bald 40 Jahren in einem noch heute bemerkenswerten Interview (bei Minute 30:48), weshalb eine Gesellschaft mit vielen kleinen Egoisten besser funktionieren solle, als eine zentral geleitete und von höheren moralischen Zielen getragene. Und Hayek antwortete weniger ideologisch als vielmehr nüchtern analytisch: Eine von oben erzeugte “Ordnung der Gesellschaft” setze ein Ausmaß an Kenntnissen voraus, welches kein Mensch besitzen könne. Und er konkretisierte: “(…) während der idealistische (zentrale, Anm.) Planer, der das alles seinen Idealen entsprechend gestalten will, das Wissen (um die Daten, Anm.), das er dazu braucht, nicht besitzt und nicht besitzen kann”. Die spannende Frage ist: Wie hätte Hayek diese Aussage beurteilt, hätte er von Big Data und Künstlicher Intelligenz gewusst?


Exkurs

Oskar Lange und einige seiner Nachfolger, beschäftigten sich mit dieser Frage im Zuge der sogenannten “socialist calculation debate”. Sie formulierten ihre Kritik auch an Hayeks Einschätzungen mit Ideen für eine Art “geplante Marktwirtschaft” (eine davon bekannt als “Lange-Modell”). Die Modelle wurden aber entweder nicht verwirklicht (so wie sie konzipiert waren) oder sie scheiterten u.a. am beschriebenen Informations-Problem.


Das “Komplexitäts- und Informations-Problem” ist gelöst?

Die heutige Form der digitalen Entwicklung zeichnet sich durch die zentrale Verarbeitung sehr großer Datenmengen aus, die mittlerweile von Milliarden an Sensoren in Echtzeit gemessen und von vernetzten APIs aggregiert werden. Anders als früher, sind gewaltige Mengen und Komplexität von Daten kein Problem mehr, sondern vielmehr erwünscht, um einen präziseren Abgleich der Realität zu erhalten und darauf aufbauend bessere Entscheidungen treffen zu können. Der Erfolg etwa von Amazon fußt auf Effekten dieser “ultra-analytischen Daten-Ökonomie”. Der Konzern, der bisher bekannte Unternehmensstrukturen sprengt, hat mit 386 Milliarden US-Dollar alleine im Jahr 2020 einen höheren Umsatz erzielt als die meisten Länder dieser Erde an BIP (Österreich: 446 Mrd.). 

Das im Interview erwähnte “Maximum des Ausmaßes an Information”, das wir heute digital erfassen und analysieren können, hat sich seit Hayeks Analyse exponentiell nach oben entwickelt. Denn die früher kaum zu bewältigenden Datenmengen, welche Marktdynamiken und Preisbildungen beschreiben, können heute analysiert werden, wenn neue Messsysteme (wie IoT) darauf ausgerichtet werden und Institutionen sich mit entsprechender Kompetenz und Ressourcen darum bemühen.

Hinzu kommt, dass es in Märkten vor allem auf das Treffen richtiger Entscheidungen ankommt. Und das wiederum ist das Spezialgebiet künstlicher Intelligenz (KI). Sie klassifiziert nicht bloß Daten und profitiert davon, je größer ein Datensatz oder Korpus ist, aus dem sie selbständig lernt. Das Produkt von KI selbst sind Entscheidungen, die noch dazu mit einer Wahrscheinlichkeit belegt werden, wie richtig sie sind.

Planwirtschaft und Kapitalismus schließen sich also doch nicht aus?

Ökonomisch betrachtet könnten wir daher einen Punkt erreichen, an dem zumindest das Argument fehlender Planbarkeit von wirtschaftlichen Dynamiken aufgrund zu großer Komplexität wegfällt.

Technologie greift dabei nicht (!) in die Wertedebatte ein! Sie vergleicht nicht etwa die Rolle von egoistisch handelnden Individuen im Kapitalismus versus zentral gesteuerten Plansystemen. Sie nimmt keine ethische oder ideologische Wertung vor. Sie löst einfach wertfrei jene Probleme, auf die sie angesetzt wird. Im beschriebenen Fall jenes von fehlender Information und Vorhersagekraft.

Hayek war überzeugt, Planwirtschaft und Marktwirtschaft, sozialistische und demokratische Ordnung, schließen einander grundsätzlich aus. Diese Sichtweise, prägte die meisten von uns fundamental. Aber sie könnte mittlerweile falsch geworden sein.

Als das kommunistische China den “Plan-Kapitalismus” erfand.

Wenn der sowjetische Kommunismus ökonomisch an Komplexität und Datenmangel scheiterte und es deshalb nicht schaffte, seine Wirtschaft erfolgreich “zu planen”, dann erklärt das einen wesentlichen Unterschied zum heutigen China. Das Land entwuchs dem Maoismus, behielt dabei aber die kommunistische Ein-Parteien Doktrin. Seine Ökonomie transformierte es radikal und digital und schuf einen Wettbewerb im Rahmen strenger Leitziele und staatlicher Regulationen. China nutzte seinen enormen Digitalisierungsschub also nicht bloß zum Analysieren, Kontrollieren, Incentivieren und Lenken seiner Bevölkerung.

Ein Land, das mit 1,4 Milliarden Menschen ein permanentes Wachstum zwischen 8 und 18 Prozent verzeichnet, hat seine Datenökonomie zweifelsfrei im Griff und trifft erwiesenermaßen die richtigen (wirtschaftspolitischen) Entscheidungen.

Nicht von ungefähr erklärte die Volksrepublik 2017, die globale Führungsrolle in der Entwicklung von KI übernehmen zu wollen. Auch das erscheint mehr als vorausschauend. Das “Center for Data Innovation” schlussfolgerte, China sei Europa in Sachen KI voraus, weil es deutlich mehr zentrale Datenquellen zur Verfügung stelle. Das Land würde die Technologie darüber hinaus mehr fördern als die EU oder die USA.

In den letzten beiden Jahren wurden zudem starke Programme gestartet, die zwar zentral beauftragt, deren Umsetzung aber regional gesteuert wurden. Regionalregierungen und Provinzen gründeten seitdem unzählige branchenübergreifende Partnerschaften und Forschungseinrichtungen zur Weiterentwicklung von KI. Parallel wurden aber auch riesige KI-Cluster, der mitunter größten digitalen Unicorns, gebildet und Initiativen gestartet, wirtschaftliche und innovative Schwächen proaktiv auszugleichen.

Fazit

Ein derart zentralistisch reguliertes, aber doch irgendwie kapitalistisches System wie in China gibt uns Rätsel auf. Sich ohne politischen Wettbewerb über Jahrzehnte derart erfolgreich ökonomisch zu entwickeln, war nicht vorstellbar; weder für Hayek noch für nachfolgende Ökonom*innen, egal welcher Denk-Schule sie entstammen. Aber es ist Realität. Und es wird Zeit, daraus zu lernen.

In meiner letzten Corona-Kolumne kritisierte ich das Argument, China hätte die Pandemie mithilfe der Daten-Ökonomie nur deshalb besser bewältigen können als wir, weil es eine Autokratie und keine Demokratie sei. Diese Schlussfolgerung ist abzulehnen, denn sie würde bedeuten, dass Diktaturen Technologie besser für ihre Bürger*innen einsetzen können als Demokratien mir freien Bürger*innen. Wer so denkt, versteht möglicherweise nicht genug von Technologie. Denn es kommt nicht auf die Technologie-Form an, sondern auf ihre Implementierung und Anwendung sowie auf die Werte, auf deren Basis man sie entwickelt.

Es gibt keinen triftigen Grund, dass demokratische Gesellschaften nicht umfassend smarte Technologie im Sinne ihrer Bürger*innen einsetzen. Das Potential von KI für Gesellschaft und Ökonomie ist dabei enorm. Und wie wir diese Technologie ethisch und demokratiekonform integrieren, dazu braucht es noch viele gute und mutige Ideen, sowie ein gutes Tech-Verständnis.

KI wird uns jedenfalls dabei helfen, den Klimawandel zu bewältigen und unser Mobilitätsproblem zu lösen. Sie wird helfen mRNA-Impfungen gegen Krebs und CO2-neutrale, ungefährliche Fusions-Kraftwerke zu entwickeln. Beide Innovationen sind schon auf der Zielgeraden. Unternehmerisch wird Europa lernen (müssen), seine Daten in sicherer und ethischer Art und Weise für seine (KI-) Innovationen einzusetzen (und das in großen, grenzüberschreitenden Daten-Kooperationen), um daraus einen Innovations-Turbo zu zünden.

Europas Weg in eine “menschenzentrierte digitale öko-soziale Marktwirtschaft” ist in vielerlei Hinsicht alternativlos. Es ist seine Chance im globalen Wettlauf zwischen China und den USA um Innovationsführerschaft und Wohlstandssicherung.

Mehr dazu in künftigen Kolumnen. Stay tuned!

Deine ungelesenen Artikel:
16.12.2024

“Die Zeit des Zuwartens ist vorbei”

Nachlese. Wo steht die österreichische Wirtschaft bei künstlicher Intelligenz zwei Jahre nach Erscheinen von ChatGPT? Dies diskutieren Doris Lippert von Microsoft und Thomas Steirer von Nagarro in der ersten Folge der neuen brutkasten-Serie "No Hype KI".
/artikel/no-hype-ki-folge-1-nachlese
16.12.2024

“Die Zeit des Zuwartens ist vorbei”

Nachlese. Wo steht die österreichische Wirtschaft bei künstlicher Intelligenz zwei Jahre nach Erscheinen von ChatGPT? Dies diskutieren Doris Lippert von Microsoft und Thomas Steirer von Nagarro in der ersten Folge der neuen brutkasten-Serie "No Hype KI".
/artikel/no-hype-ki-folge-1-nachlese
Doris Lippert (Microsoft | Director Global Partner Solutions und Mitglied der Geschäftsleitung) und Thomas Steirer (Nagarro | Chief Technology Officer)
Doris Lippert (Microsoft | Director Global Partner Solutions und Mitglied der Geschäftsleitung) und Thomas Steirer (Nagarro | Chief Technology Officer) | Foto: brutkasten

“No Hype KI” wird unterstützt von CANCOM Austria, IBM, ITSV, Microsoft, Nagarro, Red Hat und Universität Graz


Mit der neuen multimedialen Serie “No Hype KI” wollen wir eine Bestandsaufnahme zu künstlicher Intelligenz in der österreichischen Wirtschaft liefern. In der ersten Folge diskutieren Doris Lippert, Director Global Partner Solutions und Mitglied der Geschäftsleitung bei Microsoft Österreich, und Thomas Steirer, Chief Technology Officer bei Nagarro, über den Status Quo zwei Jahre nach Erscheinen von ChatGPT.

Du willst bei "No Hype KI" am Laufenden bleiben?

Trag dich hier ein und du bekommst jede Folge direkt in die Inbox!

„Das war ein richtiger Hype. Nach wenigen Tagen hatte ChatGPT über eine Million Nutzer”, erinnert sich Lippert an den Start des OpenAI-Chatbots Ende 2022. Seither habe sich aber viel geändert: “Heute ist das gar kein Hype mehr, sondern Realität“, sagt Lippert. Die Technologie habe sich längst in den Alltag integriert, kaum jemand spreche noch davon, dass er sein Smartphone über eine „KI-Anwendung“ entsperre oder sein Auto mithilfe von KI einparke: “Wenn es im Alltag angekommen ist, sagt keiner mehr KI-Lösung dazu”.

Auch Thomas Steirer erinnert sich an den Moment, als ChatGPT erschien: „Für mich war das ein richtiger Flashback. Ich habe vor vielen Jahren KI studiert und dann lange darauf gewartet, dass wirklich alltagstaugliche Lösungen kommen. Mit ChatGPT war dann klar: Jetzt sind wir wirklich da.“ Er sieht in dieser Entwicklung einen entscheidenden Schritt, der KI aus der reinen Forschungsecke in den aktiven, spürbaren Endnutzer-Bereich gebracht habe.

Von erster Begeisterung zu realistischen Erwartungen

Anfangs herrschte in Unternehmen noch ein gewisser Aktionismus: „Den Satz ‘Wir müssen irgendwas mit KI machen’ habe ich sehr, sehr oft gehört“, meint Steirer. Inzwischen habe sich die Erwartungshaltung realistischer entwickelt. Unternehmen gingen nun strategischer vor, untersuchten konkrete Use Cases und setzten auf institutionalisierte Strukturen – etwa durch sogenannte “Centers of Excellence” – um KI langfristig zu integrieren. „Wir sehen, dass jetzt fast jedes Unternehmen in Österreich KI-Initiativen hat“, sagt Lippert. „Diese Anlaufkurve hat eine Zeit lang gedauert, aber jetzt sehen wir viele reale Use-Cases und wir brauchen uns als Land nicht verstecken.“

Spar, Strabag, Uniqa: Use-Cases aus der österreichischen Wirtschaft

Lippert nennt etwa den Lebensmittelhändler Spar, der mithilfe von KI sein Obst- und Gemüsesortiment auf Basis von Kaufverhalten, Wetterdaten und Rabatten punktgenau steuert. Weniger Verschwendung, bessere Lieferkette: “Lieferkettenoptimierung ist ein Purpose-Driven-Use-Case, der international sehr viel Aufmerksamkeit bekommt und der sich übrigens über alle Branchen repliziert”, erläutert die Microsoft-Expertin.

Auch die Baubranche hat Anwendungsfälle vorzuweisen: Bei Strabag wird mittels KI die Risikobewertung von Baustellen verbessert, indem historische Daten zum Bauträger, zu Lieferanten und zum Bauteam analysiert werden.

Im Versicherungsbereich hat die UNIQA mithilfe eines KI-basierten „Tarif-Bots“ den Zeitaufwand für Tarifauskünfte um 50 Prozent reduziert, was die Mitarbeiter:innen von repetitiven Tätigkeiten entlastet und ihnen mehr Spielraum für sinnstiftende Tätigkeiten lässt.

Nicht immer geht es aber um Effizienzsteigerung. Ein KI-Projekt einer anderen Art wurde kürzlich bei der jüngsten Microsoft-Konferenz Ignite präsentiert: Der Hera Space Companion (brutkasten berichtete). Gemeinsam mit der ESA, Terra Mater und dem österreichischen Startup Impact.ai wurde ein digitaler Space Companion entwickelt, mit dem sich Nutzer in Echtzeit über Weltraummissionen austauschen können. „Das macht Wissenschaft zum ersten Mal wirklich greifbar“, sagt Lippert. „Meine Kinder haben am Wochenende die Planeten im Gespräch mit dem Space Companion gelernt.“

Herausforderungen: Infrastruktur, Daten und Sicherheit

Auch wenn die genannten Use Cases Erfolgsbeispiele zeigen, sind Unternehmen, die KI einsetzen wollen, klarerweise auch mit Herausforderungen konfrontiert. Diese unterscheiden sich je nachdem, wie weit die „KI-Maturität“ der Unternehmen fortgeschritten sei, erläutert Lippert. Für jene, die schon Use-.Cases erprobt haben, gehe es nun um den großflächigen Rollout. Dabei offenbaren sich klassische Herausforderungen: „Integration in Legacy-Systeme, Datenstrategie, Datenarchitektur, Sicherheit – all das darf man nicht unterschätzen“, sagt Lippert.

“Eine große Herausforderung für Unternehmen ist auch die Frage: Wer sind wir überhaupt?”, ergänzt Steirer. Unternehmen müssten sich fragen, ob sie eine KI-Firma seien, ein Software-Entwicklungsunternehmen oder ein reines Fachunternehmen. Daran anschließend ergeben sich dann Folgefragen: „Muss ich selbst KI-Modelle trainieren oder kann ich auf bestehende Plattformen aufsetzen? Was ist meine langfristige Strategie?“ Er sieht in dieser Phase den Übergang von kleinen Experimenten über breite Implementierung bis hin zur Institutionalisierung von KI im Unternehmen.

Langfristiges Potenzial heben

Langfristig stehen die Zeichen stehen auf Wachstum, sind sich Lippert und Steirer einig. „Wir überschätzen oft den kurzfristigen Impact und unterschätzen den langfristigen“, sagt die Microsoft-Expertin. Sie verweist auf eine im Juni präsentierte Studie, wonach KI-gestützte Ökosysteme das Bruttoinlandsprodukt Österreichs deutlich steigern könnten – und zwar um etwa 18 Prozent (brutkasten berichtete). „Das wäre wie ein zehntes Bundesland, nach Wien wäre es dann das wirtschaftsstärkste“, so Lippert. „Wir müssen uns klar machen, dass KI eine Allzwecktechnologie wie Elektrizität oder das Internet ist.“

Auch Steirer ist überzeugt, dass sich für heimische Unternehmen massive Chancen eröffnen: “Ich glaube auch, dass wir einfach massiv unterschätzen, was das für einen langfristigen Impact haben wird”. Der Appell des Nagarro-Experten: „Es geht jetzt wirklich darum, nicht mehr zuzuwarten, sondern sich mit KI auseinanderzusetzen, umzusetzen und Wert zu stiften.“


Folge nachsehen: No Hype KI – wo stehen wir nach zwei Jahren ChatGPT?


Die Serie wird von brutkasten in redaktioneller Unabhängigkeit mit finanzieller Unterstützung unserer Partner:innen produziert.

Die Partner von No Hype KI
Die Partner von No Hype KI
Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Wie Big Data Planwirtschaft und Kapitalismus zusammenbringt

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie Big Data Planwirtschaft und Kapitalismus zusammenbringt

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie Big Data Planwirtschaft und Kapitalismus zusammenbringt

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie Big Data Planwirtschaft und Kapitalismus zusammenbringt

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie Big Data Planwirtschaft und Kapitalismus zusammenbringt

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie Big Data Planwirtschaft und Kapitalismus zusammenbringt

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie Big Data Planwirtschaft und Kapitalismus zusammenbringt

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie Big Data Planwirtschaft und Kapitalismus zusammenbringt

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Wie Big Data Planwirtschaft und Kapitalismus zusammenbringt