Article

Was bleibt für uns zu arbeiten? Arvind Narayanan zur Zukunft der KI

KI ICML 2026 Arvind Narayanan AI Ethics Future of Work

Drei Argumente für eine differenzierte Sicht

Arvind Narayanan, Professor an der Princeton University und Co-Autor des Essays „AI as Normal Technology", hielt auf der ICML 2026 in Seoul eine viel beachtete Keynote mit dem Titel „What will be left for us to work on?". Seine zentrale Botschaft: Die KI-Community muss aktiv definieren, wie sie sich anpasst – statt sich passiv obsoleter Fähigkeiten zu ergeben.

Narayanan argumentiert mit drei Kernpunkten:

  1. Das „AI as Normal Technology"-Framework ist eine korrekte und nützliche Denkweise für KIs mittelfristige Auswirkungen – es sei denn, es gibt eine zukünftige Diskontinuität durch rekursive Selbstverbesserung.

  2. Kein magischer Meilenstein wird uns plötzlich arbeitslos machen. Selbst wenn Unternehmen im Labor rekursive Selbstverbesserung erreichen, bedeutet das nicht, dass alle Jobs sofort verschwinden.

  3. Jobs der Zukunft werden radikal anders sein und erfordern massive Anpassung. Narayanan skizziert eine Vision von „Human/AI Co-Superintelligence".

Zwei konkurrierende Narrative

Narayanan zeichnet zwei dominante Erzählungen nach: Die eine sieht KI als Technologie, die in wenigen Jahren alles ersetzen wird – die logische Reaktion wäre, schnell Reichtum aufzubauen, bevor Fähigkeiten irrelevant werden. Die andere, die er vertritt, sieht KI als Verstärker menschlichen Potenzials.

„Jetzt ist die beste Zeit, Fähigkeiten aufzubauen", argumentiert er – „besonders Fähigkeiten, die komplementär zu dem sind, was KI tut und tun wird, sowie Agency, Geschmack und Urteilsvermögen."

Die Verantwortung der KI-Community

Die Reaktion der KI-Community hat globale Bedeutung, betont Narayanan: „Die ganze Welt schaut zu. Wenn wir uns einfach zurücklehnen und akzeptieren, dass viel unserer Arbeit zukünftig von KI erledigt wird, ohne klare Grenzen zu setzen, wird das zu einem noch stärkeren politischen Backlash führen als heute."

Er leitet ein Team an der Princeton University, das an der „Science of AI Agent Evaluation" arbeitet – jenseits reiner Benchmark-Scores, mit Fokus auf Faktoren, die für reale Einsätze relevant sind.

Quelle: AI as Normal Technology