2028 Global Intelligence Crisis

Taleb würde diesen Artikel wahrscheinlich als den wichtigsten Teil der Übung verstehen: nicht als Prognose, sondern als Ruin- und Fragilitätsprüfung. Der Artikel denkt nicht linear von „KI steigert Produktivität“ zu „Aktien steigen“, sondern fragt, welche Systeme durch dieselbe Entwicklung beschädigt werden könnten. Genau das ist Talebs Domäne.

Besonders stark ist die Darstellung der negativen Konvexität: Ein Unternehmen ersetzt Menschen durch KI, verbessert kurzfristig seine Marge und erhöht gleichzeitig die gesamtwirtschaftliche Fragilität, weil Einkommen, Konsum und Kreditfähigkeit sinken. Jede einzelne Entscheidung kann rational sein, während das Gesamtsystem schlechter wird. Das ist kein moralischer Einwand, sondern eine Systemdiagnose.

Taleb würde außerdem warnen, dass die gefährlichsten Risiken nicht dort liegen, wo „KI“ offen draufsteht, sondern dort, wo alte Modelle scheinbar stabil wirken: Hypotheken auf Top-FICO-Borrower, private credit mit permanent capital, SaaS-ARR, passives Renewal, Versicherer-Assets. Die Oberfläche wirkt robust, aber die zugrunde liegenden Annahmen können auf einem einzigen alten Weltbild beruhen: menschliche Arbeit bleibt knapp, teuer und einkommensstabil.

Graham würde den Artikel ernst nehmen, aber sofort gegen Übertreibung absichern. Seine erste Frage wäre: Welche heutigen Bewertungen enthalten bereits die KI-Euphorie, und welche enthalten noch nicht die mögliche Erosion traditioneller Geschäftsmodelle? Der Artikel ist nützlich, wenn er hilft, Sicherheitspuffer realistischer zu bestimmen. Er wird gefährlich, wenn er zur neuen, geschlossenen Erzählung wird.

Für Graham ist wesentlich, dass viele KI-Gewinner zu Preisen gehandelt werden können, die bereits sehr viel Zukunft einpreisen. Eine richtige Zukunftsthese kann zu einem schlechten Investment werden, wenn die Bewertung zu hoch ist. Umgekehrt können stabile, langweilige Geschäftsmodelle attraktiv wirken, aber nur solange ihr Cashflow wirklich resilient ist und nicht auf Friktion, Preisunelastizität oder alten Verhaltensmustern beruht.

Graham würde den Artikel daher in ein einfaches Raster übersetzen: Erstens, ist der Cashflow real und nicht durch Agenten leicht verhandelbar? Zweitens, gibt es einen Preisabschlag für Unsicherheit? Drittens, ist die Bilanz stark genug, falls sich der Übergang länger und härter gestaltet? Ohne diese drei Punkte bleibt auch die beste KI-These Spekulation.

Buffett wäre besonders an der Frage interessiert, welche Burggräben wirklich dauerhaft sind. Der Artikel formuliert eine harte Moat-Diagnose: Viele Unternehmen verdienen nicht an unnachahmbarer Qualität, sondern an menschlicher Trägheit. Der Unterschied ist entscheidend. Ein echter Burggraben bleibt wertvoll, wenn Kunden effizienter, informierter und weniger geduldig mit schlechten Preisen werden. Ein Friction-Moat verschwindet genau dann.

Für Buffett verschiebt sich dadurch die Qualitätsprüfung. Markenstärke, Habitualität und Distribution reichen nicht mehr aus, wenn Agenten Entscheidungen treffen. Ein Agent wird nicht aus Gewohnheit buchen, zahlen, verlängern oder bestellen. Er wird vergleichen, optimieren, verhandeln und Gebühren meiden. Damit verlieren Geschäftsmodelle an Schutz, deren eigentlicher Vorteil darin bestand, dass Menschen müde, beschäftigt oder schlecht informiert waren.

Gleichzeitig würde Buffett nicht pauschal gegen alle bestehenden Unternehmen wetten. Gerade Unternehmen mit echter Kundeneinbettung, regulatorischer Vertrauensposition, Datenvorteilen, physischer Infrastruktur, niedrigen Grenzkosten und disziplinierter Kapitalallokation können stärker werden. Entscheidend ist nicht, ob ein Unternehmen alt oder neu ist, sondern ob es auch in einer agentischen Welt noch unverzichtbar bleibt.

Housel würde die psychologische Wirkung des Artikels ernst nehmen. Er ist brillant geschrieben, plausibel verdichtet und narrativ stark. Genau deshalb kann er zu viel Macht über das Denken gewinnen. Wer ihn liest, kann das Gefühl bekommen, plötzlich die Zukunft klarer zu sehen. Aus VFG-Sicht wäre das gefährlich: Ein gutes Szenario darf die Wahrnehmung schärfen, aber nicht zur neuen Gewissheit werden.

Gleichzeitig trifft der Artikel einen wunden Punkt: Menschen unterschätzen, wie stark finanzielle Entscheidungen an Identität, Berufssicherheit und Zukunftsvertrauen hängen. Wenn White-Collar-Arbeit nicht mehr als stabiler Aufstiegspfad wahrgenommen wird, ändern sich Sparverhalten, Konsum, Immobilienentscheidungen und Risikobereitschaft. Diese psychologische Zweitrundenwirkung ist möglicherweise wichtiger als der direkte Jobverlust selbst.

Für den Entscheider bedeutet das: Die richtige Antwort ist nicht, sich maximal defensiv zu positionieren, sondern die eigene Strategie so zu bauen, dass sie auch unter einem unangenehmen Übergang psychologisch tragbar bleibt. Wer wegen eines Szenarios alles verkauft, wird wahrscheinlich beim Gegen-Narrativ wieder kaufen. Housel würde daher Ruhe, Puffer, Einfachheit und eine klare Trennung von Basisszenario und Stresstest verlangen.

Dalio würde den Artikel als mögliche Beschreibung eines neuen Regimes lesen. Die Kernaussage lautet: Produktivität steigt, aber der Einkommenskreislauf bricht teilweise. Das ist makroökonomisch viel interessanter als eine normale Rezession. Klassische Zyklen korrigieren sich häufig über Lagerabbau, Zinssenkungen, Investitionsanreize oder neue Nachfrage. Ein struktureller Arbeitsersatz durch billiger werdende Intelligenz folgt einer anderen Mechanik.

Die starke Stelle des Artikels ist die Verbindung von Realwirtschaft und Finanzsystem: Arbeitsmarktstress → Konsumstress → SaaS- und Service-Druck → private credit → Versicherer-/Annuity-Strukturen → Hypotheken → Steuereinnahmen → politische Reaktion. Genau das ist Dalios Gebiet: Ein einzelnes Problem wird erst systemisch, wenn mehrere Bilanzen und Institutionen dieselbe Annahme geteilt haben.

Dalio würde aber auch fragen, welche Gegengewichte existieren. Staaten können Transfers, Steuerregime, öffentliche KI-Dividenden, Regulierung, Bildungs- und Arbeitsmarktprogramme entwickeln. Unternehmen passen Geschäftsmodelle an. Neue Tätigkeiten entstehen, auch wenn ihre Qualität und Lohnhöhe offen sind. Das Szenario ist daher keine deterministische Gerade, sondern ein Regimepfad mit politischen, sozialen und technologischen Rückkopplungen.

Kostolany würde die Erzählkraft des Artikels bewundern und zugleich misstrauen. KI ist bereits ein dominantes Markt- und Gesellschaftsnarrativ. Ein gut formuliertes Krisenszenario kann deshalb genauso ansteckend werden wie ein Euphorienarrativ. Die Gefahr liegt nicht nur im Ereignis selbst, sondern darin, dass Anleger zu früh, zu spät oder mit zu viel Überzeugung auf eine Geschichte reagieren.

Aus seiner Sicht müsste man beobachten, wie der Markt auf Zwischensignale reagiert. Werden schwächere SaaS-Renewals als Einzelfälle abgetan? Werden Arbeitsmarktdaten ignoriert, solange Nvidia und KI-Infrastruktur stark berichten? Beginnt der Bondmarkt früher als der Aktienmarkt, Konsum- und Einkommensstress einzupreisen? Der Artikel selbst enthält genau diese kostolanysche Spannung zwischen Stimmung, Liquidität und verzögerter Erkenntnis.

Kostolany würde daraus keinen Sofortschluss ableiten. Er würde sagen: Solange Geld, Euphorie und KI-Capex stark sind, kann die Story sehr lange laufen. Aber wenn sich die Stimmung dreht, kann sie schnell drehen, weil viele Marktteilnehmer dieselbe Position über unterschiedliche Vehikel halten: KI-Gewinner, SaaS-Verlierer, private credit, Kreditspreads, Hypotheken, Konsum und Staatsfinanzen.

Lynch würde den Artikel in konkrete Gewinner- und Verliererfragen übersetzen. Er würde nicht „KI“ kaufen, sondern fragen: Welche Unternehmen haben Produkte, deren Nachfrage durch Agenten real steigt? Welche lösen ein Problem günstiger, schneller oder besser? Welche Unternehmen verlieren Preissetzungsmacht, weil ihre Kunden jetzt mit Agenten vergleichen, nachbauen oder substituieren können?

Besonders interessant wären für Lynch Bereiche mit echter, beobachtbarer Nachfrage: Compute-Infrastruktur, Energie, Kühlung, Netzkapazität, Halbleiter-Lieferketten, Workflow-Automatisierung, vertikale KI-Anwendungen mit regulatorischer Tiefe, Cybersecurity, Datenqualität und Tools, die Menschen oder Organisationen in der Übergangsphase produktiver machen. Aber er würde bei jeder Story prüfen, ob sie bereits vollständig im Preis enthalten ist.

Die wichtigste Lynch-Frage lautet: Wo ist die konkrete, unterschätzte Entwicklung? Wenn alle über KI sprechen, liegt die Chance selten im offensichtlichen Megatrend, sondern in den sekundären und tertiären Effekten. Zum Beispiel in Branchen, die trotz KI stabil bleiben, in Zulieferern mit Engpassmacht oder in Unternehmen, die alte Friktion wirklich durch bessere Wertschöpfung ersetzen.