Die „Global Intelligence Crisis" von Citrini Research entwirft ein drastisches Szenario: massive White-Collar-Verdrängung durch KI, kollabierende Nachfrage, Finanzbeschleuniger über Private Credit und Hypothekenmärkte und schließlich eine systemische Rezession. Dieser Beitrag formalisiert die Kanäle explizit – und identifiziert die Parameterrestriktionen, unter denen das Szenario überhaupt eintreten kann. Motivation Alex Imas hat gezeigt, dass fortgeschrittene Automatisierung unter bestimmten, extremen Annahmen tatsächlich ein negatives Wirtschaftswachstum trotz steigender technologischer Möglichkeiten erzeugen kann – hält aber fest: „[...] that the conditions needed for growth to actually turn negative are likely too unrealistic to hold in practice." Noah Smith argumentiert ähnlich: Derartige Narrative können makroökonomisch überzogen sein. Er weist zudem darauf hin, dass Citrinis Analyse keine expliziten Modelle vorschlägt....
Die „Global Intelligence Crisis" von Citrini Research entwirft ein drastisches Szenario: massive White-Collar-Verdrängung durch KI, kollabierende Nachfrage, Finanzbeschleuniger über Private Credit und Hypothekenmärkte und schließlich eine systemische Rezession. Dieser Beitrag formalisiert die Kanäle explizit – und identifiziert die Parameterrestriktionen, unter denen das Szenario überhaupt eintreten kann.
Motivation
Alex Imas hat gezeigt, dass fortgeschrittene Automatisierung unter bestimmten, extremen Annahmen tatsächlich ein negatives Wirtschaftswachstum trotz steigender technologischer Möglichkeiten erzeugen kann – hält aber fest: „[...] that the conditions needed for growth to actually turn negative are likely too unrealistic to hold in practice."
Noah Smith argumentiert ähnlich: Derartige Narrative können makroökonomisch überzogen sein. Er weist zudem darauf hin, dass Citrinis Analyse keine expliziten Modelle vorschlägt. Die Anpassungskanäle können daher nicht isoliert betrachtet und die Bedingungen für negatives Wachstum nicht quantifiziert werden.
Dieser Beitrag verfolgt genau dieses Ziel: Ich formuliere einen expliziten NK-HANK-DSGE-Rahmen mit AI-Kapital und Finanzfriktionen und identifiziere die Parameterrestriktionen, unter denen ein KI-Schock zu einem Nachfrageschock und potenziell negativem Output führen kann.
Struktur des Modells
Das Modell kombiniert vier Bausteine:
- New Keynesian Block (IS-Gleichung, Phillips Curve, Geldpolitik)
- HANK-Komponente (heterogene Haushalte mit unterschiedlichen marginalen Konsumneigungen)
- AI-Kapital als Produktionsfaktor (Substitution von Arbeit durch KI-Kapital)
- Finanzbeschleuniger (BGG-ähnliche Spreads/Net-Worth-Dynamik)
Zentrale Frage: Kann ein positiver AI-Produktivitätsschock endogen zu einem Rückgang
des realisierten Outputs führen?
Haushalte: Heterogene Konsumneigungen (HANK)
Es existieren zwei Haushaltstypen:
- Workers (W): hohe marginale Konsumneigung (MPC nahe 1; kreditbeschränkt / Hand-to-Mouth)
- Owners (O): niedrige MPC (intertemporale Optimierer, besitzen Kapital und AI-Kapital)
Aggregierter Konsum
Aggregierter Konsum
$$C_t = \theta\, C_{W,t} + (1-\theta)\, C_{O,t}$$
wobei $\theta \in (0,1)$ den Anteil kreditbeschränkter Haushalte bezeichnet. Die zentrale HANK-Idee entsteht dadurch: Verteilungsänderungen verändern die aggregierte MPC und damit die Gesamtnachfrage.
Workers: kreditbeschränkte Budgetbeschränkung
Worker-Budgetbeschränkung
$$P_t C_{W,t} = W_t N_t + T_{W,t}$$
Owners: Euler-Gleichung
Euler-Gleichung (CRRA)
$$C_{O,t}^{-\sigma} = \beta\, \mathbb{E}_t \!\left[C_{O,t+1}^{-\sigma}\, (1 + r_t)\right]$$
Produktion mit AI-Kapital
CES-Produktionsfunktion
$$Y_t = Z_t\!\left[\alpha_N N_t^{\rho} + \alpha_A \left(\Gamma_t A_{t-1}\right)^{\rho}\right]^{\!1/\rho}$$
AI-Kapital $A_t$ ist eine vorherbestimmte Variable; der Schock $\Gamma_t$ wirkt qualitätsaugmentierend. Die Substitutionselastizität beträgt $\eta = 1/(1-\rho)$.
Die Akkumulationsgleichung für AI-Kapital folgt der Standardform, wobei $\delta_A$ die Abschreibungsrate und $I_{A,t}$ die KI-Investitionen bezeichnet:
AI-Kapitalakkumulation
$$A_t = (1 - \delta_A)\, A_{t-1} + I_{A,t}$$
Für die Blog-Analyse kann $A_t$ vereinfachend als langsam wachsende Zustandsgröße behandelt werden, die durch $\Gamma_t$-Schocks ökonomisch aufgewertet wird.
Labor Share
Labor Share
$$s_{L,t} = \frac{W_t N_t}{P_t Y_t}$$
Bei hoher Substitutionselastizität $\eta > 1$ kann ein positiver $\Gamma_t$-Schock den Labor Share stark reduzieren – formal das, was Citrini als „Unwind of the Intelligence Premium" beschreibt.
New Keynesian Block
IS-Gleichung mit Redistributionskanal
IS-Gleichung (log-linearisiert)
$$\hat{y}_t = \mathbb{E}_t \hat{y}_{t+1} - \frac{1}{\sigma}\!\left(\hat{i}_t - \mathbb{E}_t \hat{\pi}_{t+1} - \hat{r}_t^{n}\right) + \omega_\mu\, \hat{\mu}_t$$
Der Term $\hat{i}_t - \mathbb{E}_t\hat{\pi}_{t+1}$ ist der erwartete Realzins; $\hat{r}_t^n$ die natürliche Realrate. Der Zusatzterm $\omega_\mu \hat{\mu}_t$ ist die zentrale HANK-Erweiterung (vgl. Kaplan/Moll/Violante 2018): Verteilungsverschiebungen wirken direkt auf die Nachfrage.
Redistributionsterm
Redistributions- und MPC-Wedge
$$\hat{\mu}_t = \lambda_s\, \hat{s}_{L,t} + \lambda_T\, \widehat{TR}_t$$
- $\lambda_s > 0$: Labor Share beeinflusst aggregierte MPC (Einkommensverteilungskanal)
- $\lambda_T > 0$: Stärke automatischer Stabilisatoren
New Keynesian Phillips Curve
NKPC
$$\hat{\pi}_t = \beta\, \mathbb{E}_t \hat{\pi}_{t+1} + \kappa\, \hat{mc}_t$$
Die realen Grenzkosten $\hat{mc}_t$ ergeben sich aus der CES-Produktionsfunktion. Aus der Gewinnmaximierungsbedingung der Firmen folgt:
Reale Grenzkosten
$$\hat{mc}_t = \hat{w}_t - \hat{z}_t - \widehat{MPN}_t$$
wobei $\hat{w}_t$ der reale Lohn (log-Abweichung) und $\widehat{MPN}_t$ das log-lineare Grenzprodukt der Arbeit aus der CES-Funktion sind. Ein positiver $\Gamma_t$-Schock erhöht $MPN_t$ und drückt damit $\hat{mc}_t$ und $\hat{\pi}_t$ – er wirkt auf der Angebotsseite zunächst deflationär.
Geldpolitik: Taylor-Regel mit ZLB
Taylor-Regel (Nominalzins)
$$\hat{i}_t = \max\!\left\{0,\; \phi_\pi\, \hat{\pi}_t + \phi_y\, \hat{y}_t\right\}$$
Die ZLB bindet für den nominalen Zinssatz $\hat{i}_t$. Der reale Zinssatz ergibt sich über die Fisher-Gleichung:
$$\hat{r}_t = \hat{i}_t - \mathbb{E}_t \hat{\pi}_{t+1}$$
Wichtig: Ein starker AI-Schock kann die natürliche Realrate $\hat{r}_t^n$ drücken
(Abundance-Effekt / säkulare Stagnation). Falls die ZLB bindet oder die Geldpolitik zu träge reagiert,
wirkt der Angebotsschock kurzfristig rezessiv – ein klassischer „paradox of plenty"-Mechanismus.
Finanzbeschleuniger
Unternehmer und Finanzintermediäre finanzieren AI-Investitionen über Fremdkapital. Der Spread (External Finance Premium) hängt von der Net-Worth-Position ab (BGG-Mechanismus):
Spread-Gleichung
External Finance Premium
$$\widehat{spr}_t = \psi_{nw}\!\left(\hat{D}_t - \widehat{NW}_t\right)$$
Verschuldungsdynamik
Im vollständigen BGG-Modell wird die Verschuldung $\hat{D}_t$ durch die Investitionsentscheidung endogenisiert. Vereinfachend wird sie hier als persistente Zustandsgröße behandelt:
Leverage-Dynamik (stilisiert)
$$\hat{D}_t = \rho_D\, \hat{D}_{t-1} + \varepsilon^D_t$$
wobei $\rho_D \in (0,1)$ die Persistenz der Verschuldung und $\varepsilon^D_t$ ein exogener Kreditexpansionsschock (z.B. Private-Credit-Boom) ist.
Net-Worth-Dynamik
$$\widehat{NW}_t = \rho_{nw}\, \widehat{NW}_{t-1} + \xi_y\, \hat{y}_t - \xi_{spr}\, \widehat{spr}_{t-1} + \varepsilon^{nw}_t$$
Der Verstärkungsmechanismus: Einkommen fällt → Net Worth sinkt → Spreads steigen → Investitionen fallen → Output sinkt weiter. Das formalisiert Citrinis „daisy chain of correlated bets".
Bedingungen für einen rezessiven KI-Schock
Ein positiver AI-Schock $\varepsilon_{\Gamma,t} > 0$ führt zu $dY_t/d\Gamma_t < 0$ nur wenn simultan gilt:
- Hohe Substitutionselastizität $\eta > 1$ — Labor Share fällt stark und schnell
- Hohe MPC-Heterogenität $\omega_\mu \lambda_s$ — Verteilungskanal dominiert Angebotseffekt
- Starker Rückgang der natürlichen Rate $\hat{r}_t^n$ bei ZLB-Bindung oder träger Geldpolitik
- Aktiver Finanzbeschleuniger $\psi_{nw} > 0$ — Net-Worth-Erosion löst Spread-Spirale aus
- Niedrige Transferzahlungen $\lambda_T$ — automatische Stabilisatoren greifen nicht
Nur wenn alle fünf Bedingungen gleichzeitig erfüllt sind, dominiert der Nachfragekanal den Angebotseffekt. Das ist der analytische Kern hinter der Differenz zwischen „theoretisch möglich" und „Baseline".
Deutschland/EU: Eine empirische Frage
Die Übertragung der Citrini Analyse auf Deutschland und die EU ist keine qualitative, sondern eine empirische Frage. Deutschland und die EU unterscheiden sich strukturell durch:
- Höhere $\lambda_T$ (stärkere automatische Stabilisatoren: Kurzarbeitergeld, Bürgergeld)
- Geringere $\psi_{nw}$ (weniger Private-Credit-Dominanz im Finanzsystem)
- Langsameren effektiven Substitutionspfad ($\eta$ möglicherweise kleiner oder langsamer wirkend)
Damit verschiebt sich die „Crash-Bedingung" deutlich nach „extrem" – aber das ist keine Meinung, sondern eine empirisch prüfbare Aussage. Das Modell liefert dafür konkrete Testimplikationen:
- Labor Share muss stark und schnell fallen, wenn $\eta$ wirklich hoch ist.
- Die natürliche Realrate sollte sinken (Abundance → Sparüberhang / „secular stagnation").
- Credit Spreads müssen endogen anziehen (Net-Worth-Erosion → Spread-Anstieg).
- Konsum von High-MPC-Haushalten fällt überproportional (Redistribution Wedge).
Stabilisierungshebel
Das Modell legt drei Hebel nahe:
- Breite Kapitalbeteiligung: Workers partizipieren an AI-Renten → reduziert den MPC-Keil $\omega_\mu \lambda_s$ ohne verzerrende Steuern (Bedingung C2 entschärft).
- Finanzstabilität stärken: Kapitalpuffer und Regulierung → dämpft $\psi_{nw}$ → bricht den Financial-Accelerator-Mechanismus (Bedingung C4 entschärft).
- Transferzahlungen ausbauen: $\lambda_T \uparrow$ → stabilisiert $\hat{\mu}_t$ → dämpft Output-Drop (Bedingung C5 entschärft).
Eine pauschale „AI-Steuer" ist in diesem Rahmen ambivalent: Sie kann Transfers finanzieren,
verzerrt aber Investitionsanreize und kann Bedingung $\eta\gt1$ (effektiver Substitutionspfad) verlangsamen,
ohne die strukturellen Ursachen zu adressieren. Meine Meinung: Die elegantere Lösung ist breite Eigentumsbeteiligung
statt technologischer Bremse.
Fazit
Das NK-HANK-DSGE-Modell zeigt: Ein KI-Schock kann theoretisch zu einer Nachfragespirale führen, aber nur unter restriktiven, simultanen Parameterannahmen (C1 bis C5). Das ist keine Entwarnung, sondern eine Präzisierung. Es erlaubt uns, die richtigen Fragen zu stellen:
- Auf welche makroökonomischen Variablen sollten wir achten, um frühe Warnsignale zu erkennen?
- Welche institutionellen Unterschiede (automatische Stabilisatoren, Finanzsystem) machen Europa strukturell robuster und unter welchen Bedingungen reicht das nicht?
Genau deshalb brauchen wir Modelle: nicht als Orakel, sondern als Werkzeug zur Schärfung von Hypothesen und zur Ableitung empirisch prüfbarer Implikationen.
Parametertabelle
| Symbol | Beschreibung | Ökonomische Interpretation | Wertebereich |
|---|---|---|---|
| Haushalte (HANK) | |||
| $\theta$ | Anteil kreditbeschränkter Haushalte | Gewicht der Hand-to-Mouth-Haushalte; höheres $\theta$ → stärker verteilungsgetriebene Konjunktur | 0.2 – 0.5 |
| $\sigma$ | Inverse intertemporale Substitutionselastizität | CRRA-Risikoaversionsparameter; bestimmt Zinssensitivität des Konsums der Owners | 1 – 3 |
| $\beta$ | Diskontfaktor (Owners) | Impliziert stationäre Realrate $r^* = 1/\beta - 1$ | 0.96 – 0.99 |
| $\omega_\mu$ | Gewicht des Redistributionskanals (IS) | Skaliert Einfluss des MPC-Wedges $\hat{\mu}_t$ auf Nachfrage; = 0 im Rep.-Agent-Modell | > 0; kalibrierungsbedürftig |
| $\lambda_s$ | MPC-Sensitivität gegenüber Labor Share | Rückgang des Lohnanteils → sinkende aggregierte Konsumneigung; = 0 bei vollständiger Risikoteilung | > 0 |
| $\lambda_T$ | Stärke automatischer Stabilisatoren | Transfermultiplikator; für DE/EU strukturell höher als USA | > 0; strukturell |
| Produktion – CES mit AI-Kapital | |||
| $Z_t$ | Totale Faktorproduktivität (TFP) | Allgemeiner Produktivitätsschock; neutral gegenüber Arbeits-/AI-Mix | AR(1), $\rho_Z \approx 0.9$ |
| $\alpha_N$ | Gewicht von Arbeit in der CES-Funktion | Anteilsparameter; bestimmt Labor-Share-Niveau im Steady State | $(0,1)$ |
| $\alpha_A$ | Gewicht von AI-Kapital in der CES-Funktion | Ausmaß möglicher KI-Substitution; bei kleinem $\alpha_A$ bleiben Lohneffekte gering | $(0,1)$ |
| $\rho$ | CES-Substitutionsparameter | $\rho \in (-\infty, 1)$; $\rho = 0$ → Cobb-Douglas; $\rho \to 1$ → lineare Technologie | $(-\infty, 1)$ |
| $\eta$ | Substitutionselastizität (Arbeit ↔ AI) | $\eta = 1/(1-\rho)$; Schlüsselparameter: $\eta > 1$ → Substitute (Labor Share fällt); $\eta < 1$ → Komplemente | $\eta > 1$ für Substitution |
| $\Gamma_t$ | AI-Capability-Schock | Exogen getriebener Anstieg der effektiven AI-Kapitalqualität; interpretierbar als LLM-Generationssprung | AR(1) oder Sprung |
| $\delta_A$ | Abschreibungsrate AI-Kapital | Bestimmt Bestandsdynamik von $A_t$; bei schnell veralternden KI-Systemen höher als physisches Kapital | 0.10 – 0.25 |
| New Keynesian Block | |||
| $\kappa$ | Steigung der NKPC | Abhängig vom Calvo-Preissetzungsparameter; flachere NKPC → Inflation reagiert schwächer auf Output-Gap | 0.01 – 0.30 |
| $\phi_\pi$ | Taylor-Koeffizient auf Inflation | Taylor-Prinzip: $\phi_\pi > 1$ für eindeutiges Gleichgewicht; bei ZLB verliert Hebel Wirkung | 1.5 – 2.0 |
| $\phi_y$ | Taylor-Koeffizient auf Output-Gap | Bestimmt Reagibilität der Geldpolitik auf Outputschwankungen | 0.125 – 0.5 |
| $\hat{r}_t^n$ | Natürlicher Realzins (log-Abweichung) | Gleichgewichtszins ohne Nominalfriktionen; AI-Abundance-Effekt kann $\hat{r}_t^n$ senken → ZLB-Risiko | Endogen, f($\Gamma_t$, $\beta$, $\sigma$) |
| Finanzbeschleuniger (BGG) | |||
| $\psi_{nw}$ | Sensitivität des Spreads gegenüber Leverage | Stärke des Finanzbeschleunigers; $\psi_{nw} = 0$ → keine Finanzfriktionen | 0.01 – 0.10 |
| $\rho_{nw}$ | Persistenz des Net Worth | Hohes $\rho_{nw}$ → langanhaltende Bilanzrezessionen nach negativen Schocks | 0.80 – 0.97 |
| $\xi_y$ | Output-Sensitivität von Net Worth | Outputrückgang → Net-Worth-Erosion; bildet Gewinn-/Preiskanal ab | > 0 |
| $\xi_{spr}$ | Spread-Sensitivität von Net Worth | Hohe Fremdkapitalkosten erodieren Eigenkapitalbasis; ermöglicht endogene Spread-Spirale | > 0 |
| $\rho_D$ | Persistenz der Verschuldung / Leverage | AR(1)-Koeffizient der Leverage-Dynamik; hohes $\rho_D$ → langanhaltender Kreditüberhang | 0.80 – 0.97 |
| $\varepsilon^D_t$ | Exogener Kreditexpansionsschock | Erfasst autonome Private-Credit-Booms (Citrinis Hypotheken-/Private-Credit-Kanal) | i.i.d. $\mathcal{N}(0,\sigma_D^2)$ |
| $\varepsilon^{nw}_t$ | Exogener Net-Worth-Schock | Asset-Preis-Kollaps unabhängig vom laufenden Output; Citrinis „correlated bets"-Kanal | i.i.d. $\mathcal{N}(0,\sigma_{nw}^2)$ |
Comments
Post a Comment