Eloi, Morlocks und die Weber von 2026 (Teil 1): Die Diagnose

Weiter mit Teil 2: Die Antworten.

Vor über 200 Jahren zerschlugen Handwerker Maschinen. Die Geschichte macht sie gern zu Technikfeinden. Dabei ging es ihnen um etwas anderes: um die Frage, wer über die Folgen einer Maschine bestimmt. Genau diese Frage stellt sich heute wieder.

Eloi oder Morlock?

Fragt man sich bei H. G. Wells’ Roman „Die Zeitmaschine“, ob man lieber Eloi oder Morlock wäre, scheint die Antwort leicht. Die Eloi leben sorglos in der Sonne, die Morlocks schuften im Dunkeln.

Aber keiner von beiden ist ein Vorbild. Die Eloi stammen von einer privilegierten Klasse ab, die sich alles abnehmen ließ, bis sie Neugier und Fähigkeiten verlernt hatte. Die Morlocks stammen von den Arbeitern ab. Sie halten die Maschinen am Laufen, leben abgespalten im Untergrund und machen am Ende die Eloi zu ihrer Beute.

Das Bild taugt deshalb nicht als Anklage gegen eine Seite. Es taugt als Diagnose: Wells zeigt eine Gesellschaft, in der Wissen, Macht und Verantwortung auseinandergefallen sind. Die Eloi leben bequem und können nichts mehr. Die Morlocks halten alles am Laufen, ohne dass jemand sie fragt, bis die Verhältnisse kippen.

Daraus folgt der Satz, um den es in diesem Text geht:

Bequemlichkeit ohne Verständnis ist ein Risiko. Verständnis ohne Teilhabe ist es auch.

Was die Weber wirklich wollten

Die Ludditen waren keine Irrationalisten. Viele waren qualifizierte Textilarbeiter, die sich nicht gegen Maschinen an sich wehrten, sondern gegen die Bedingungen, unter denen sie eingeführt wurden: sinkende Löhne, der Verlust des Berufsstandes und der Kontrolle über den Arbeitsprozess. Der Historiker Eric Hobsbawm nannte ihre Maschinenstürmerei 1952 „collective bargaining by riot“, also Tarifverhandlung durch Aufruhr: Gewerkschaften waren damals verboten, Streiks kaum möglich, und die Drohung mit zerstörten Maschinen war ein Druckmittel. Der Staat antwortete mit Härte. Der Frame Breaking Act machte 1812 die Zerstörung von Wirkrahmen zum Kapitalverbrechen, und nach den Prozessen vor einer Sonderkommission in York wurden im Januar 1813 siebzehn Männer gehängt, die meisten wegen Einbruch, Raub oder Mord im Umfeld der Unruhen.

Technischer Fortschritt verbesserte die Arbeitswelt nicht automatisch. Bessere Arbeitsbedingungen, kürzere Arbeitszeiten und soziale Rechte mussten politisch erkämpft werden, oft gegen den Widerstand derer, die von der neuen Produktion profitierten. Über die Verteilung der Gewinne entschieden zunächst fast allein die Eigentümer. Daron Acemoglu und Simon Johnson nennen das in „Power and Progress“ (2023) den Irrglauben vom „productivity bandwagon“: Dass Produktivitätsgewinne von selbst bei den Beschäftigten ankommen, ist kein Naturgesetz. Dafür muss Technik in eine Richtung gehen, die Arbeit aufwertet, und Institutionen müssen den Beschäftigten ermöglichen, vom Gewinn zu profitieren.

2026: Dieselbe Frage, anderes Tempo

Die Weber von heute sind Übersetzer, Texter, Illustratoren, Support-Mitarbeiter, Junior-Entwickler und Sachbearbeiter. Nicht alle werden ersetzt. Bei manchen verändert KI das Berufsbild eher, als es abzuschaffen. Bei anderen verschwinden die Einstiegsstellen. Die Lage ist uneinheitlich, und das macht sie schwer greifbar.

Man kann vier Handlungsweisen im Umgang mit KI unterscheiden. Es sind keine festen Gruppen. Dieselbe Person verweigert in einem Bereich, nutzt in einem anderen und gestaltet in einem dritten.

Verweigern. Manche lehnen KI ab, aus Überzeugung, aus Qualitätsanspruch oder aus ethischen Gründen. Nachweislich menschliche, vertrauensbasierte Arbeit kann einen eigenen Wert haben. Problematisch wird Verweigerung, wenn sie die einzige Form des Widerstands bleibt: Wer nicht mitredet, über den wird entschieden.

Mitlaufen. Man nutzt die Werkzeuge, wie sie kommen: Prompt rein, Ergebnis raus. Das ist bequem und oft vernünftig. Das Risiko liegt darin, dass die eigene Leistung austauschbar wird, wenn alle dasselbe Tool bedienen, und dass man von wenigen Anbietern abhängt.

Gestalten. Man baut eigene Workflows, Agenten und Automatisierungen und verbindet Fachwissen mit KI. Ein Illustrator, der eigene Stile trainiert. Ein Sachbearbeiter, der seinen Bereich automatisiert. Ein Entwickler, der deutlich mehr allein schafft als früher. Auch hier gilt: Wer gestaltet, hängt oft trotzdem an fremden Schnittstellen und Cloud-Diensten. Fähigkeit ist nicht Souveränität.

Regeln setzen. Man arbeitet an Gesetzen, Tarifverträgen, Transparenzpflichten, Urheberrecht und offenen Standards. Die Frage ist, wer bei diesen Regeln überhaupt gehört wird.

Drei Dimensionen von Handlungsfähigkeit und Kontrolle

Über diesen vier Handlungsweisen steht eine weitere Frage: Wer entscheidet, ob und wie KI überhaupt eingesetzt wird? Beschäftigte können die Werkzeuge verstehen, gestalten und sogar verbessern, und trotzdem keinen Einfluss darauf haben, ob ihre Arbeit automatisiert, verdichtet oder ausgelagert wird. Die Frage ist nicht, wer die Maschine bedienen kann. Die Frage ist, wer über sie und über ihren Ertrag verfügt.

Hier lohnt eine Unterscheidung, die in der KI-Debatte oft verschwimmt. Handlungsfähigkeit im Umgang mit KI hat drei Dimensionen:

1. Bedienen können. Das ist Kompetenz im Alltag, und sie lässt sich lernen.
2. Technisch betreiben und kontrollieren können. Das heißt Zugriff auf Modelle, Rechenleistung, Daten und Schnittstellen. Das ist eine Frage von Fachwissen, Kapital und Infrastruktur.
3. Über Einsatz und Ertrag mitentscheiden können. Das ist betriebliche und gesellschaftliche Macht. Sie hängt an Eigentum, Arbeitsorganisation und Regeln.

Die drei Dimensionen hängen zusammen, aber keine garantiert die anderen. Technische Kompetenz kann Verhandlungsmacht schaffen, eigene Infrastruktur kann Abhängigkeiten verringern, und Mitbestimmung kann Weiterbildung ermöglichen. Doch wer KI bedienen kann, kontrolliert noch nicht ihre Infrastruktur. Wer sie technisch kontrolliert, entscheidet noch nicht über ihre gesellschaftliche Verwendung. Und wer formal mitbestimmen darf, hat deshalb noch nicht das Wissen, um gute Entscheidungen zu treffen.

Hier kommt Wells’ Bild zurück, als strukturelle Gefahr und nicht als Schublade für Personen. Wer nur die erste Dimension beherrscht und sich auf fremde Systeme verlässt, riskiert eine Eloi-Position: Er nutzt die Ergebnisse, ohne ihre Bedingungen kontrollieren zu können. Wer die zweite beherrscht, aber von der dritten ausgeschlossen bleibt, riskiert eine Morlock-Position: Er hält die Systeme am Laufen, ohne über ihren Einsatz bestimmen zu dürfen.

Das erklärt, warum individuelle Kompetenz allein nicht genügt. Sie schafft Handlungsspielraum, aber keine Verfügungsgewalt. Ein Entwickler kann jedes Detail seines Systems verstehen und trotzdem nichts dazu sagen, ob seine Abteilung morgen noch existiert. Weiterbildung allein verschiebt die Machtverhältnisse nicht.

Fünf Ebenen von Kontrolle und Abhängigkeit

Wo genau liegt die Macht? Man kann Kontrolle und Abhängigkeit in fünf Ebenen zerlegen. Die ersten vier betreffen die technische und wirtschaftliche Grundlage, die fünfte die Entscheidung über die Folgen:

• Modell: Wer darf es verwenden, verändern und weiterentwickeln? Frei zugänglicher Code, offene Modellgewichte und tatsächlich freie Nutzungs- und Änderungsrechte sind dabei drei verschiedene Dinge.
• Infrastruktur: Wer kontrolliert Rechenleistung, Cloud und Hardware?
• Schnittstellen: Wie leicht lässt sich der Anbieter wechseln?
• Daten: Wer hat Zugriff, Kontrolle und Nutzungsrechte?
• Entscheidungsmacht: Wer bestimmt, was automatisiert wird und wem die Gewinne zufallen?

Beim mechanischen Webstuhl konnte ein mittelgroßer Unternehmer die Maschine anschaffen. Die Entwicklung der leistungsfähigsten KI-Modelle braucht dagegen Rechenzentren, riesige Datenmengen und Milliardenbudgets, die nur wenige Konzerne und Staaten aufbringen. Spezialisierte Modelle und der Betrieb bereits trainierter Modelle kommen mit deutlich weniger aus. Nutzen und Herstellen sind also zwei verschiedene wirtschaftliche Aufgaben. Bei den leistungsfähigsten Modellen und bei der Hardware konzentriert sich die Kontrolle deshalb auf wenige Akteure. Bei offenen Modellgewichten, selbst betriebenen Systemen und austauschbaren Cloud-Angeboten ist das Bild gemischter. Die fünfte Ebene liegt meist dort, wo über Eigentum und Investitionen entschieden wird.

Das gilt auch für scheinbar offene Wege. Ein frei verfügbares Modell hilft auf der ersten Ebene, während Hardware, Vertrieb und Daten weiter bei wenigen liegen können. Wer von „offen“ spricht, sollte sagen, auf welcher Ebene.

Produktivität ohne Nachwuchs

Bisher ging es darum, dass Kompetenz nicht automatisch Kontrolle bedeutet. Das betrifft nicht nur einzelne Beschäftigte. Es kann auch die Fähigkeiten einer ganzen Branche untergraben, und zwar leise, ohne Entlassungswelle.

Viele berufliche Fähigkeiten entstehen gerade durch Einstiegsaufgaben: durch Übersetzungen, erste Entwürfe, einfache Programmierarbeiten, Recherche, Kundenkontakt oder die Bearbeitung überschaubarer Fälle. Wenn Unternehmen diese Aufgaben automatisieren, werden sie kurzfristig produktiver. Zugleich schwinden die Lerngelegenheiten, aus denen später erfahrene Fachkräfte hervorgehen. Erste Studien, etwa aus Stanford, deuten darauf hin, dass die Beschäftigung junger Berufseinsteiger in stark KI-exponierten Berufen bereits sinkt. Wie belastbar das ist, wird sich erst zeigen.

Man sollte dabei nicht behaupten, KI zerstöre zwangsläufig den Nachwuchs. Sie kann Lernen auch unterstützen und neue Einstiegswege schaffen. Die genauere Frage lautet: Wer sorgt dafür, dass sie es tut? Denn eine Organisation kann kurzfristig Arbeit einsparen und dabei die Bedingungen schwächen, unter denen neues Fachwissen entsteht. Entscheidet sie allein, zählt das Quartalsergebnis. Der Wert in zehn Jahren, wenn erfahrene Entwickler, Übersetzer oder Sachbearbeiter gebraucht werden, kommt in der Rechnung nicht vor.

Das ist die Eloi-Gefahr in ihrer wirtschaftlich konkretesten Form: nicht nur Bequemlichkeit ohne Verständnis, sondern Produktivität ohne Nachwuchs. Eine Gesellschaft kann ihre heutige Produktivität steigern und zugleich die Fähigkeit verlieren, sie künftig selbstständig weiterzuentwickeln.

Wo wir stehen

Die zentrale Gefahr der KI besteht nicht allein darin, dass Maschinen menschliche Arbeit ersetzen. Sie besteht darin, dass die Fähigkeit, immer mehr Arbeit zu leisten, von der Fähigkeit getrennt wird, über diese Arbeit und ihren Ertrag zu bestimmen. Das Bedienen lernen viele. Das Betreiben können einige. Das Entscheiden liegt häufig bei wenigen. Und wo Einstiegswege verschwinden, wächst die Abhängigkeit von Systemen und von den wenigen, die das Wissen noch haben.

Damit bleibt eine Frage offen, die sich nicht mit mehr Wissen allein beantworten lässt: Wie lässt sich Handlungsfähigkeit zurückgewinnen, wenn technisches Können nicht genügt? Darum geht es im zweiten Teil.

Quellen

• Eric Hobsbawm: The Machine Breakers. In: Past & Present, Nr. 1 (Februar 1952), S. 57-70. Dort die Formulierung „collective bargaining by riot“. Nachgedruckt in: Labouring Men (1964).
• Frame Breaking Act (1812) und die Sonderkommission von York (Januar 1813): zur Einordnung etwa Malcolm I. Thomis, The Luddites (1970), und Kirkpatrick Sale, Rebels Against the Future (1995). Die Zahl der Hingerichteten in York (siebzehn: drei am 8. Januar, vierzehn am 16. Januar 1813) und die Einstufung des Gesetzes von 1812 als Kapitalverbrechen (zuvor Deportation nach dem Gesetz von 1788) vor der Veröffentlichung in einer dieser Darstellungen gegenprüfen.
• Daron Acemoglu, Simon Johnson: Power and Progress. Our Thousand-Year Struggle Over Technology and Prosperity (2023). Zum „productivity bandwagon“ siehe die Einleitung und die Kapitel zur Industrialisierung.
• Erik Brynjolfsson, Bharat Chandar, Ruyu Chen: Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence (Arbeitspapier, Stanford Digital Economy Lab, 2025). Hinweise auf sinkende Beschäftigung junger Berufseinsteiger in KI-exponierten Berufen.
• H. G. Wells: The Time Machine (1895).