Marx und die KI

Am 5.5. wäre Karl Marx 200 Jahre alt geworden. Obwohl Marx nun seit 135 Jahren tot ist, sind seine Ideen nach wie vor präsent. Der Marxismus wird heute vorwiegend mit dem Stalinismus und dem Maoismus in Verbindung gebracht, obwohl beide nur insofern mit Marx zu tun haben, als sie sich auf ihn berufen. Im dritten Band des “Kapitals” skizziert Marx ein Szenario wie der Kapitalismus zugrunde gehen wird. Es liegt in der Natur des Kapitals, nicht des Kapitalisten, dass es danach strebt, grenzenlos zu expandieren. Für Marx wird der Kapitalismus zu seinem eigenen Schlächter. Und dieses Szenario ist aktueller denn je.

Einerseits spricht Marx von Unmengen von fiktivem Kapital, also von Finanzkapital, das sich, entkoppelt von der Realwirtschaft, Wege der Vermehrung sucht. Andererseits schreibt Marx: “Je stärker die Automatisierung der weltwirtschaftlichen Produktion voranschreitet, umso geringer wird die Profitrate. Denn es braucht immer weniger Arbeitskräfte, um die Waren herzustellen. Demnach haben die Beschäftigten weniger Einkommen und weniger Kaufkraft, um sich die Produkte zu leisten – worunter wiederum die Unternehmen leiden.” Diese Phase hat die Weltwirtschaft bedingt durch die Fortschritte der IT-Branche inzwischen erreicht.

Werbung

Das Mooresche Gesetz

Bereits 1965 formulierte Gordon Moore die nach ihm benannte Gesetzmäßigkeit [1] wonach sich die Komplexität elektronischer Schaltungen alle zwei Jahre verdopple. Im Jahr 2007 glaubte Moore, dass die Gültigkeit dieses Gesetzes eine Grenze erreicht habe. Pat Gelsinger, Chef der Digital-Enterprise-Sparte von Intel, ist hingegen überzeugt, dass dieses Gesetzes bis in das Jahr 2029 gültig sein wird.

Das Moore’sche Gesetz beschreibt einen exponentiellen Wachstumsprozess mit einer Verdoppelungszeit von zwei Jahren. Dies bedeutet, dass die Komplexität digitaler Schaltungen alle zwei Jahre verdoppelt wird. Damit geht auch alle zwei Jahre eine Verdoppelung der Leistungsfähigkeit der auf digitalen System implementierten Algorithmen einher.

Mooresches Gesetzt: die Anzahl der Transistoren einer digitalen Schaltung verdoppelt sich ca. alle zwei Jahre

Entsprechend des Mooreschen Gesetzes hat sich die Komplexität bezogen auf das Jahr 1965 bis heute um den Faktor 94.906.265 also um ca. das 100 Millionenfache vervielfacht. Diese enorme Steigerung der Leistungsfähigkeit digitaler Rechner ist die Grundlage für eine entsprechende Steigerung der Komplexität und Leistungsfähigkeit der auf Rechnern implementierten Algorithmen.

Algorithmen aus dem Bereich der der künstlichen Intelligenz (KI) müssen Unmengen von Daten verarbeiten. Dazu werden aufwändige und rechenintensive Verfahren eingesetzt. In immer mehr Bereichen erreichen KI-Systeme eine Leistungsfähigkeit, die jene von Menschen erreicht und immer öfter auch übertrifft.

Waren es bislang eher einfache manuelle Aktivitäten, die von Maschinen effizienter und billiger ausgeführt werden, trifft dies immer häufiger auf Aktivitäten zu, für die geistige Fähigkeiten nötig sind.

  • AlphaGo: Im März 2016 gewinnt Googles Supercomputer AlphaGo gegen Lee Sedol, einen der besten Go-Spieler, mit 4:1. Lange Zeit galt das japanische Brettspiel als zu komplex für Computer.
  • Universität Chicago: Im Jahr 2017 stellen Forscher eine KI-Software vor, die eigenständig Rezessionen verfassen kann. 600 Personen wurden in einem Blindtest derartige Rezessionen zusammen mit von Menschen verfassten Rezessionen vorgelegt. Für die Testpersonen war nicht mehr erkennbar, welche Rezessionen maschinell und welche von Menschen verfasst wurden.
  • Autonomes Fahren: Seit Jahren wird von Automobilfirmen, aber auch von anderen Firmen wie z.B. Google, an der Entwicklung autonom fahrender Fahrzeuge gearbeitet. Inzwischen gibt es von vielen Firmen Systeme, die in Feldversuchen getestet werden und die technischen Voraussetzungen für eine Zulassung für den öffentlichen Verkehr haben.
  • Spracherkennung: Google hat 2017 die Cloud Speech API [2] als vollwertiges Service zur Verfügung gestellt. Dieser Dienst dient der Umwandlung gesprochener Worte in gedruckten Text. Diese API unterstützt und erkennt inzwischen mehr als 80 Sprachen.
  • Blockchain und Smart Contracts: automatisiertes Erstellen von Verträgen in der Energiewirtschaft bzw. im Versicherungswesen [3].
  • Automatische medizinische Diagnosen: Mittels künstlicher neuronaler Netze (NN) soll die Treffergenauigkeit von Diagnosesystemen erhöht werden [4]. Neuronale Netze sind mittlerweile in der Lage, basierend auf bildgebenden Verfahren mit einer höheren Genauigkeit als Menschen Vorstufen von Krebszellen zu erkennen. Auf dem ersten Machine Learning (ML) Meetup Niedersachsen zeigte eine Gruppe Mediziner von der MHH die überdurchschnittliche Erkennung von Herzfunktionsstörungen mittels NN.
  • Recht und Verwaltung: Machine Learning Anwendungen sind in inzwischen der Lage, große und heterogene Dokumenten- und Datenmengen durch lernende Algorithmen kontinuierlich besser zu klassifizieren, deren Inhalte zu verstehen und diese miteinander in Verbindung zu setzen. Dabei entwickeln die Maschinen bereits ein grobes semantisches Verständnis der Inhalte [7].
  • Commerce, Marketing und Sales: Ein weiteres Anwendungsgebiet ist die Steigerung der Automation und Intelligenz in der Kundenkommunikation. Die Fähigkeit, basierend auf vorherigen Verhalten Voraussagungen zu treffen, ist grundlegend für erfolgreiches Marketing. Mithilfe von ML können Unternehmen ihre Markenbotschaft ausgehend vom aktuellen Kundenverhalten anpassen. Indem sie ML Algorithmen die Entscheidungen über den Inhalt von Calls to Action und Event Designs treffen lassen, werden Marketingprozesse automatisiert und personalisiert [7].
  • Gesichtserkennung: Vor einem Jahr wurde die Gesichtserkennungssoftware Findface vorgestellt, die Gesichter im Internet finden und identifizieren kann [5]. Im April diesen Jahres wurde bekannt, dass das chinesische Unternehmen Sensetime plant, in einigen Städten Chinas Supercomputer zu installieren auf denen die Livebilder von 100.000 Überwachungskameras nach polizeilich Gesuchten durchforstet werden sollen [6].

Das System kippt

Anhänger einer Wirtschaftsordnung, die auf kapitalistischen Grundsätzen basiert, haben der These von Marx, wonach die Automatisierung zwingend zum Kollaps führt, entgegen gehalten, dass der Kapitalismus flexibel und anpassungsfähig sei. Tatsächlich hat sich der Kapitalismus in Folge großer Industrialisierungsschübe immer wieder angepasst.

Industrielle Revolution

Vom Ende des 18. Jahrhunderts bis herauf in die Gegenwart haben sich die Produktionsbedingungen massiv verändert. Dabei ist diese Veränderung in mehreren Phasen bzw. Schüben erfolgt:

  • 1. industrielle Revolution am Ende des 18. Jahrhundert: Sie war es, die Karl Marx seine These formulieren ließ. Von der durch die Mechanisierung der Produktion erzielten Produktivitätssteigerung bekam die Masse der Arbeiter nichts ab. Die zunehmende Verarmung der Arbeiterschicht führte zur Gründung neuer Parteien, die die Ideen von Marx aufnahmen. Der zunehmende Druck auf Regierende und Unternehmen führte zum Ausbau dessen, was wir heute als Sozialstaat bezeichnen. Es war dieser Druck, der u.a. Bismarck zu seiner Sozialgesetzgebung veranlasste.
  • 2. industrielle Revolution zu Beginn des 20. Jahrhunderts: die Elektrifizierung ermöglich die Einführung arbeitsteiliger Massenproduktion
  • 3. industrielle Revolution zu Beginn der 70-er Jahre des 20. Jahrhunderts: Automatisierung der Produktion durch Einsatz von Elektronik und IT
  • 4. industrielle Revolution zu Beginn des 21. Jahrhunderts: vernetzte und intelligente Digitalisierung

Bemerkenswert an diesen Phasen ist, dass die Abstände zwischen den einzelnen Phasen immer kürzer werden. Der Wandel der Industrie beschleunigt sich.

Betrug der Abstand zwischen der  erster und der zweiter industriellen Revolution noch ca. 150 Jahre, halbierte er sich zwischen zweiter und dritter Revolution auf ca.  70 Jahre. Zwischen dritter und vierter Revolution halbierte er sich wiederum auf ca. 30 Jahre. Auch in der Aufeinanderfolge zeig sich die exponentielle Zunahme, die wir schon oben im Mooreschen Gesetz beschrieben haben.

Industrielle Revolution und ihre Folgen

Es liegt in der Natur industrieller Revolutionen, dass mit ihnen das Verschwinden von Berufen und damit von Arbeitsplätzen einhergeht. Umgekehrt sind durch das Vorantreiben auch immer neue Jobs entstanden. Bislang war die Bilanz positiv, d.h. es sind mehr Arbeitsplätze geschaffen als vernichtet worden.

Mit dem Voranschreiten der KI allerdings beginnt die Bilanz zu kippen. Zwar werden durch die KI nach wie vor neue Jobs geschaffen, aber nur für wenige hochspezialisierte Fachkräfte. Digitale Systeme übernehmen Jobs nicht mehr nur im industriellen Bereich sondern immer öfter auch im Dienstleistungsbereich mit der Konsequenz, dass auch gute Ausbildung nicht vor dem Verlust des Arbeitsplatzes schützt. Die Zahl der Modernisierungsverlierer ist größer als die Zahl der neu geschaffenen Jobs. In höher entwickelten Industriestaaten hat die Produktivität Ende des 20. Jahrhunderts einen Stand erreicht, der es erlaubt mehr als ein Drittel der Staatsbevölkerung sozial von der einkommensorientierten Erwerbsarbeit auszugrenzen. Der Kapitalismus ist dabei die Leistungsgesellschaft abzuschaffen.

Änderung des Arbeitsbegriffs

Die Digitalisierung ist dabei, den Arbeitsbegriffs nachhaltig zu verändern. Menschen sehen sich in Konkurrenz mit Arbeitnehmern aus Billiglohnländern und immer öfter mit Maschinen.

Arbeit sollte der Befriedigung der eigenen Bedürfnisse dienen, soziale Absicherung und Verbesserung des gesellschaftlichen Status schaffen. Für eine immer größer werdende Gruppe von Menschen trifft dies nicht mehr zu. Sie verrichten entfremdete Arbeit oder sind unfreiwillig aus dem Arbeitsmarkt ausgeschlossen. In dieser Situation drängen sich folgende Fragen auf:

  • Warum soll Erwerbsarbeit das Wichtigste im Leben sein? Die sinnstiftende Arbeit ist ein recht junges Phänomen. Von der Antike bis ins Mittelalter galt: Nur wer sich alltäglichen Mühen und Arbeitszwängen entzieht, hat Zeit, seinen Bedürfnissen zu frönen, und den Kopf frei für neue Erkenntnisse und kreatives Handeln. Aristoteles spitzte die Auffassung zu, indem er Arbeit in Gegensatz zur Freiheit setzte. Frei sei ein Mann nur, wenn “er nicht unter dem Zwang eines anderen lebt“. Auch die Römer übernahmen im Wesentlichen die griechische Missachtung der Arbeit. So heißt es bei Cicero: “Alle Handwerker befassen sich mit einer schmutzigen Tätigkeit; denn eine Werkstatt kann nichts Edles an sich haben.”
  • Liegt Lohnarbeit in der Natur des Menschen? Warum gehen Menschen einer Arbeit nach? Diese Frage lässt sich soziologisch und ökonomisch beantworten. Soziologisch gesehen schafft Arbeit Identität und beruht auf Freiwilligkeit. Aus der Sicht der Ökonomie ist Arbeit zweckgerichtet, ist zwingend nötig und wirkt entfremdend. Henry David Thoreau bringt dies wie folgt zum Ausdruck: “Etwas getan zu haben, wodurch du nur Geld verdient hast, heißt in Wirklichkeit gefaulenzt zu haben. Wenn ein Arbeiter nichts außer dem Lohn erhält, den sein Arbeitgeber ihm zahlt, ist er betrogen – und betrügt sich selbst.”  Ähnlich formuliert es Friedrich Nietzsche: “Wer von seinem Tag nicht zwei Drittel für sich selbst hat, ist ein Sklave“.
  • Wie kann sich der selbstbestimmte Mensch im Kapitalismus entfalten? Selbstbestimmt sind (bis zu einem bestimmten Grad) Unternehmer. Arbeitnehmer sind fremdbestimmt, sie verrichten, laut Marx, entfremdete Arbeit. Arbeitnehmer sind nicht selbstbestimmt und können sich auch nicht entfalten. Sie sind im Sinne Nietzsches Sklaven. Im Moment nutzen Unternehmen das Potenzial der Digitalisierung, die soziale und ökonomische Lage von Arbeitnehmern zu verschlechtern bzw. sie auf dem Arbeitsmarkt überflüssig zu machen. Wenn Arbeit Sinn stiftend sein soll, was macht es dann mit Menschen, wenn sie ihrer Arbeit beraubt werden, wenn sie überflüssig werden?

KI als Chance?

Das Konzept moderner Staaten basiert darauf, dass alle Leistungen des Staates aus Abgaben und Steuern auf Einkommen finanziert werden. Dern weitaus größten Teil der Steuern werden aus Umsatzsteuer, der Lohnsteuer und der Körperschaftssteuer erzielt. Beiträge für die Kranken-, Arbeitslosen- und Pensionsversicherung werden ebenfalls aus Einkünften aus Arbeit geleistet. Durch die KI scheint diesem Konzept die Grundlage entzogen zu werden. Arbeit wird immer öfter von Maschinen übernommen, die aber kein Einkommen beziehen und daher auch keine Steuern und Abgaben leisten. Die Finanzierung des Staatswesens und der Sozialleistungen wird auf immer weniger Einkommensbezieher verteilt, die eine immer größere Last zu tragen haben. Bleibt unser System wie es ist, wird es früher oder später kollabieren.

Das System muss also neu gedacht werden. Wenn Maschinen Menschen aus dem Arbeitsmarkt drängen und deren Arbeit übernehmen, dass muss eine Form gefunden werden, wie die von den Maschinen verrichtete Arbeit in die Finanzierung staatlicher Leistungen und Einrichtungen einbezogen werden.

Die KI böte die Chance, Nietzsches Forderung umzusetzen: Sie könnte dem Menschen zwei Drittel des Tages für sich selbst geben. Sie könnte den Menschen aus der Sklaverei der Erwerbsarbeit befreien. Der Mensch wäre frei für die Verrichtung sinnstiftender Arbeit. Wir könnten an die antike Vorstellung von Arbeit anknüpfen. Die KI bietet die Chance, den Menschen im Sinne Aristoteles von der Arbeit zu befreien, er muss nicht mehr unter dem Zwang eines Anderen leben.

Solange Maschinen nur als Produktionsmittel und nicht als Arbeitskraft gesehen werden, stehen sie in einem unfairen Wettbewerb zum Menschen. Fairness kann nur dadurch geschaffen werden, dass auch ihre Arbeitskraft Beiträge zur Erhaltung des Staatswesens und des Sozialsystems leisten. Die KI muss dem Menschen dienen und nicht umgekehrt!

Links

[1] Mooresches Gesetz

[2] Google Cloud Speech

[3] Blockchain und Smart Contracts

[4] Wenn der Computer die Diagnose erstellt

[5] Findface

[6] China hat das wertvollste KI-Startup der Welt

[7] Anwendungsgebiete für Machine Learning

[8] Die gnadenlose Abrechnung des Vatikans mit den Finanzmärkten

 

Werbung

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.