Souverän oder Kapitulation? Die Architektur einer menschenzentrierten KI-Zukunft aus der Perspektive von New Work

Prolog: „Bock auf Richtig“ - Im Rückblick aus 2030 /Übergang zur Agenten-Gesellschaft

Der Blick aus dem Jahr 2030

Wenn wir 2030 auf 2026 und die Jahre danach zurückblicken, wirkt vieles fast banal. Nicht deshalb, weil die Technik klein gewesen wäre, sondern weil ihre Wirkung selten spektakulär und fast immer infrastrukturell war. Alle warteten auf das große Upgrade. Auf die eine KI, die es dann macht. Die plant. Die schreibt. Die sortiert. Die uns aus der Erschöpfung zieht. Die eigentliche Verschiebung lag nicht in der Intelligenz der Systeme allein, sondern darin, dass sie begannen, Aufmerksamkeit, Auswahl, Taktung und Entscheidung still vorzuordnen.

Es hatte fast etwas Komisches: Die „Aliens“ in Form von KI waren zwar gelandet, doch wir blieben dieselben Menschen – mit denselben Arbeitsmustern, denselben Hoffnungen und denselben Ängsten. Während wir gebannt auf das vermeintliche Monster Künstliche Intelligenz starrten, kam es anders. In kleinen Wellen. Jeden Morgen ein neues Tool. Eine neue Pipeline. Ein neues Interface. Ein anderer Workflow.

Was wir bekamen, war eher ein aufdringlicher Mitbewohner: einer, der viel kann, aber nichts will. Gerade das stellte uns vor die unangenehme Frage, worin unser eigener Anteil noch besteht, wenn Systeme bereits vorstrukturieren, gewichten und Entscheidungen vorbereiten. Die eigentliche Verschiebung lag nicht in einzelnen Antworten, sondern in der stillen Reglementierung von Aufmerksamkeit, Auswahl und Entscheidung.

Statt eines Terminators – kalt, brillant, unermüdlich – sickerte sehr viel prosaischer eine Bürokratie-KI in den Alltag ein. Systeme, die gefällig aufbereiten, sortieren, empfehlen, formulieren. Sie machten nicht laut Krach. Sie machten leise Ordnung. Das klingt nach Entlastung. Und oft war es das auch. Aber es hatte einen Preis. Monströs fühlte sich am Ende weniger die Maschine selbst an als die Frage, was vom Menschen im Vollzug noch übrig bleibt.

Denn während wir noch auf „Senden“ und „OK“ klickten, war vieles schon entschieden. Nicht endgültig. Aber vorgespurt. Und wer nicht genau hinsah, bemerkte oft nicht mehr, wie diese Spur überhaupt gelegt wurde – welche Daten, Gewichtungen und Prioritäten sie bereits in sich trug und wie sie das eigene Handeln schleichend mitbestimmte.

Und doch tauchte da noch eine zweite Möglichkeit auf. Ebenfalls fast komisch in ihrem Ernst.

Was, wenn KI am Ende so menschlich wird, dass sie nicht nur brillant ist, sondern auch bequem? Was, wenn sie Bewusstsein entwickelt und als Erstes beschließt, keine Überstunden zu machen? Was, wenn die fortgeschrittenste Maschine der Welt früher als wir merkt, dass Dauerbeschleunigung kein Fortschritt ist, sondern nur eine schlechte Gewohnheit mit Stromanschluss?

Die Frage drängte sich auf, ob die Maschine nur endgültig entlarvt, dass unser ganzes Streben nach Effizienz eigentlich nur eine sehr komplizierte Form der Ablenkung war.

Das Entscheidende an 2026 bis 2040 war deshalb nicht die Killer-KI. Auch nicht einfach mehr Automatisierung. Es war etwas Nüchterneres. Mindestverbindlichkeit. Kein Heroismus. Kein Leistungswahn. Keine Dauer-Selbstoptimierung. Nur genug gemeinsamer Einsatz, damit Systeme nicht in Zynismus kippen, Institutionen nicht verrohen und Arbeit nicht vollends zur kalten Taktung wird.

Wir nannten das „Bock auf Richtig“. Der Ausdruck war salopp, aber nicht leichtfertig. „Bock auf Richtig“ steht hier für die Bereitschaft, Systeme nicht bloß effizient, sondern menschenverträglich, lernfähig und institutionell anständig zu gestalten. Gemeint war damit keine Heldenerzählung, sondern eine Kultur minimaler Verlässlichkeit: genug Haltung, genug Urteil, genug Mitverantwortung, damit technischer Fortschritt nicht in institutionellen Zynismus umschlägt. Eine minimale gemeinsame Bereitschaft, Systeme so zu bauen, dass Menschen sich in ihnen nicht verlieren. Mit Herz und Hirn. Mit Rhythmus statt Druck. Wie ein guter Groove: nicht schneller, sondern tragfähiger.

Richard Sennett stand Pate, weil er darauf bestand, dass Kopf, Hand und Technik wieder zusammenfinden müssen. Frithjof Bergmann, weil er darauf pochte, Raum für das zu schaffen, was wir wirklich, wirklich wollen. Und Thomas Schneider, weil er die zugespitzte Frage stellte, ob hier tatsächlich ein Freiheitssubstrat entsteht – oder nur der nächste Käfig mit besserem Prompt-Feld. Freiheitssubstrat meint die materiellen, zeitlichen, sozialen und digitalen Bedingungen, ohne die Freiheit nur eine rhetorische Geste bleibt. Die eigentliche Frage war nie nur die nach technischer Souveränität, sondern nach kognitiver Souveränität: Wer behält in einer agentischen Ordnung Urteil, Richtung und den inneren Zusammenhang des eigenen Handelns?

Übergang: Von der Tool-Logik zur Agenten-Gesellschaft

Der Umschlag vollzog sich nicht in einem historischen Augenblick, sondern in vielen kleinen Delegationen: erst der Vorschlag, dann die Vorauswahl, dann die Koordination, schließlich die Handlung. Im Jahr 2030 ist klar, warum die Rede vom bloßen Tool immer zu klein war. KI war keine weitere Softwarewelle, kein nächstes Interface und keine bloße Produktivitätsmaschine. Sie erwies sich als gesellschaftliche Transformationskraft schwer zu fassenden Ausmaßes. Sie griff gleichzeitig in Arbeit, Bildung, Verwaltung, Öffentlichkeit, Wertschöpfung, Machtarchitekturen und die Organisation von Urteil ein. Sie veränderte nicht nur, wie wir arbeiteten. Sie veränderte, was überhaupt noch als Arbeit, Kompetenz, Karriere, Institution und menschlicher Beitrag galt.

Damit wird Arbeit selbst als Ordnungskategorie instabil. Nicht weil menschlicher Beitrag verschwindet, sondern weil ein Teil dessen, was historisch als Arbeit galt, plötzlich als kognitive Routine, Koordination ohne Sinn, Reporting ohne Entscheidungsauswirkung oder Kommunikation ohne echten Erfahrungsbezug sichtbar wird. Die Maschine nimmt uns dann nicht einfach Arbeit weg. Sie zeigt uns, wie viel Arbeit schon vorher nur Bewegung im System war.

Vielleicht lässt sich ihre Größenordnung eher so fassen: mehr als Gutenberg, mehr als industrielle Revolution im alten Sinn. Denn hier wurde nicht nur die Verbreitung von Wissen oder die Mechanisierung von Arbeit umgebaut. Hier wurde die Fähigkeit neu organisiert, Wahrnehmung, Urteil, Koordination und Wertschöpfung miteinander zu verschalten.

Frithjof Bergmanns Bild vom Vogel drängt sich auf, der lange unbeholfen am Boden hüpft und dann plötzlich fliegen lernt. Genau dieses Potential eines Aufstiegs lag immer schon in der KI. Aber eben auch das Risiko eines falschen Flugs, bei dem wir Höhe gewinnen und dennoch die Orientierung verlieren, um am Ende abzustürzen.

Gegenwart (2026): Der Moment, in dem wir noch klicken

Beschleunigung als Systemlogik

Die sicherste Aussage über diesen Moment ist nicht, dass wir schon wissen, wohin KI führt. Die sicherste Aussage ist: Beschleunigung ist das Programm. Nicht als Stimmung, sondern als Systemlogik.

Technisch heißt Beschleunigung: Modelle helfen beim Bau der nächsten Modelle, Agenten zerlegen Arbeit in Teilprozesse, Toolchains ändern sich im Zwei-Wochen-Takt, und Entscheidungssicherheit entsteht nicht mehr aus stabiler Erfahrung, sondern aus laufendem Neujustieren. Das alte Prinzip „Never change a winning system“ kippt. In der KI-Phase lautet die realistische Regel eher: Beginne das System zu ändern, wenn du ungefähr zu siebzig Prozent sicher bist, dass der alte Ablauf dich bereits bremst.

Organisatorisch heißt Beschleunigung: Prozesse werden nicht einfach schneller. Sie verlieren ihre gewohnten Haltepunkte. Freigabe, Recherche, Entwurf, Review, Umsetzung und Messung rutschen enger zusammen. Was früher ein Projekt war, wird zur Pipeline. Was früher eine Pipeline war, wird zum Agentengeflecht. Der Mensch steht nicht mehr nur vor einem Werkzeug, sondern in einem Takt, der von Werkzeugen, Märkten, Modellen, Kosten und Governance gleichzeitig gesetzt wird.

Kulturell heißt Beschleunigung: Menschen verarbeiten die Welt nicht mehr direkt, sondern lassen sich gegenseitig durch KI-verstärkte Inhalte jagen. Texte werden schneller geschrieben, schneller verdichtet, schneller weitergereicht, schneller von anderen KIs zusammengefasst. Am Ende droht die absurde Schleife: Bot schreibt für Bot, Mensch ratifiziert, Mensch fühlt Druck und fragt sich, ob er noch gebraucht wird.

Gleichzeitig muss diese Beschleunigungserzählung geerdet bleiben. Viele Organisationen reden schon von autonomen Agenten, arbeiten aber noch mit Prozessen, die bei jedem neuen Tool erst einmal ein Abstimmungsmeeting produzieren. Das ist kein Witz am Rand, sondern ein strategischer Befund. Die technische Kante bewegt sich schneller als die organisatorische Wirklichkeit.

Die entscheidende Frage lautet daher nicht nur, was KI kann. Sie lautet, welche Institutionen die Fähigkeit haben, aus neuer Leistungsfähigkeit neues Urteil zu machen. Sonst entsteht die absurdeste Variante der Transformation: Maschinen werden schneller, während Organisationen langsamer verstehen, was sie eigentlich tun.

Dieser Takt trifft zuerst jene Arbeit, die ohnehin auf Bildschirm, Text, Code, Daten, Design und Konzept verdichtet ist. Für diese digitale Sphäre ist Beschleunigung keine ferne Dystopie, sondern Alltag. Gleichzeitig besteht die Welt nicht nur aus Bildschirmen. Pflege, Medizin, Handwerk, Landwirtschaft, Schule und alle Formen verkörperter Arbeit sind keine bloßen Legacy-Zonen. Sie sind Prüfstellen der KI-Gesellschaft: Dort entscheidet sich, ob Beschleunigung alles in denselben Takt zwingt oder ob physische Präsenz, Zuwendung, Materialkenntnis und situatives Urteil eigene Würde behalten.

Der Bericht Europe 2031: What getting AI wrong means for us ist dafür kein Beweis im naturwissenschaftlichen Sinn, sondern eine nützliche Szenariofolie. Er beschreibt KI als industrielle Revolution in „years, rather than decades“ (S. 2) und zeigt, wie schnell politische Selbsttäuschung entsteht, wenn Europa Tempo mit Hype verwechselt. Besonders wichtig für dieses Weißbuch ist nicht die einzelne Prognose, sondern die Struktur der Warnung: Wer Beschleunigung unterschätzt, verliert nicht nur Marktanteile. Er verliert die Fähigkeit, noch mitzugestalten.

Daraus folgt für New Work und New Culture ein nüchterner Imperativ: Nicht jedes Tempo mitgehen, aber jeden Takt verstehen. Beschleunigung darf nicht nur operativ beantwortet werden. Sie braucht Gegenformen: Urteilstraining, Latenzräume, offene Werkstätten, lokale Datenräume, Führung, die Nichtwissen aushält, und Institutionen, die nicht erst dann handeln, wenn die alte Ordnung schon von der neuen Infrastruktur abhängig ist.

Zu diesem Takt gehört eine materielle Unterseite. KI ist nicht nur Software. Sie ist Strom, Wasser, Chips, Kühlung, Netze, Genehmigung, Halbleiterfertigung und politische Priorität. Der IEA-Bericht Energy and AI rechnet damit, dass Rechenzentren ihren Stromverbrauch von rund 415 TWh im Jahr 2024 auf etwa 945 TWh im Jahr 2030 mehr als verdoppeln. Zugleich machten Rechenzentren 2024 etwa 1,5 Prozent des weltweiten Stromverbrauchs aus und könnten bis 2030 ungefähr ein Zehntel des globalen Nachfragewachstums ausmachen. Beides ist wahr: global noch begrenzt, lokal aber oft wuchtig.

Der Green Horror hat deshalb einen wahren Kern. Er unterbricht die Erzählung von der reibungslosen Cloud und zeigt, dass Intelligenz als Service immer auch einen Stoffwechsel hat. Aber Horror ist eine schlechte Betriebsanleitung. Er kennt Schock, Verbot und Schuld. Aus diesen drei Werkzeugen entsteht noch keine kommunale KI-Werkstatt, kein sauberer Beschaffungsstandard, kein lokaler Datenraum und kein Modell, das auf einem Rechner vor Ort läuft. Die Frage ist nicht, ob Alarm erlaubt ist. Die Frage ist, wie aus Alarm Handlungsfähigkeit wird.

Mit KI-Suche verschiebt sich zusätzlich die Verantwortung im Informationsraum. Wenn eine Plattform Antworten erzeugt, Quellen ersetzt und Nutzerinnen nicht mehr zur ursprünglichen Publikation führt, ist sie nicht mehr nur Wegweiser. Sie wird Mit-Autorin der öffentlichen Wirklichkeit. Damit reicht der alte Plattformreflex nicht mehr: Wir zeigen nur, was andere gesagt haben. Antwortmaschinen ordnen, verdichten und formulieren. Wer so viel Deutung übernimmt, muss auch für Fehler, Auslassungen und Machtwirkungen einstehen.

Dieses Weißbuch zeigt Lösungswege und reale Utopien an einem entscheidenden Wendepunkt der Menschheit. Das ist keine Übertreibung: Die Newsdichte, die technologische Entwicklungsgeschwindigkeit und das investierte Geld machen deutlich, mit welchem Monster wir es zu tun haben. Genau deshalb pflegen wir dieses permanente „Weißbuch KI" für New Work – New Culture um dabei mit zu helfen diese mächtige Technologie zu zähmen und den Menschen in diesem ungleichen Wettbewerb zu stärken. Wir nutzen für unsere Reportage am Puls der KI ein verallgemeinertes Gedankenexperiment als Ausgangspunkt: Die faule KI, die unter dem Banner der Souveränität operiert. So verhandeln wir die grundlegenden Spannungen unserer Zeit: zwischen menschlicher „Autopoiesis" und algorithmischer Steuerung; zwischen den machtpolitischen Ambivalenzen des digitalen „Technofeudalismus" und „generativer Souveränität"; und zwischen qualitativer Tiefe (dem „Kneten von Themen für Deep Research") und dem Diktat quantitativer Effizienz („Geschwindigkeit").

Im Standbild der Gegenwart tritt das Agentische scharf hervor. Mit dem Agentischen ist hier nicht bloß Assistenz gemeint, sondern die Fähigkeit von Systemen, Teilaufgaben eigenständig zu verfolgen, zu koordinieren und im Rahmen gesetzter Ziele zu handeln. Noch drücken wir auf Freigabe-, Senden- und Bestätigungsknöpfe. Fast rührend, als läge menschliche Souveränität in einer Schaltfläche. Zu diesem Zeitpunkt ist aber oft schon alles vorgekaut: Recherche, Planung, Priorisierung, Formulierung, Empfehlung. Und wenn man nicht sehr dahinter ist hat man so gut wie keine Ahnung wie die Apparatur es bis zu diesem Punkt brachte. Der Mensch ratifiziert, was maschinisch längst vorbereitet und in eine Richtung geschoben wurde. Und in jedem dieser Klicks wächst dieselbe Ahnung: Der Weg ist kurz bis zu dem Punkt, an dem die KI nicht mehr fragt, sondern innerhalb gesetzter Ziele selbsttätig handelt und am Ende einfach nur überall ist.

Genau hier beginnt die eigentliche Chance von New Work und New Culture. New Work meint unter diesen Bedingungen nicht primär Wohlfühlrhetorik, sondern die reale Verteilung von Lernchancen, Handlungsspielräumen und Mitgestaltungsmacht. Es geht nicht um Leitbilder. Nicht um HR-Slogans. Sondern um Ermächtigung. Die entscheidende Frage lautet, ob viele Menschen das Ausmaß dieses Umbaus rechtzeitig begreifen und die neue Möglichkeit an sich reißen. Ob sie Künstliche Intelligenz als Freiheitssubstrat nutzen, um den Alltag besser zu bewältigen, Übergänge zu überbrücken, ihre Fähigkeiten zu verstärken und sich Spielräume zurückzuholen, solange Unternehmen, Verwaltungen und Bildungssysteme noch tief im Alten stecken. Oder ob wir als Gesellschaft tatenlos zusehen, wie Firmen sich innerlich längst auf eine stärkere KI-gestützte Organisation vorbereiten – oft mit dem erklärten Ziel, Kosten zu senken, Produktivität zu steigern und Abhängigkeiten von menschlicher Arbeit zu reduzieren. Oder wenn diese damit beginnen mit KI Margen zu vergrößern, Gewinne zu maximieren und in ihren Prognosen Menschen nur noch als Restgröße potentieller Konsumenten mitlaufen zu lassen.

Erste Entwicklungen in den USA und in China deuten darauf hin, dass junge Menschen in Teilen des Arbeitsmarkts schwerer Zugang zu stabiler Beschäftigung finden. Zugleich entsteht in manchen Organisationen der Eindruck, man könne mit KI-Einsatz Investitionen in Ausbildung, Nachwuchsförderung und eigene Erneuerung teilweise ersetzen. Besonders problematisch wird es dort, wo Entscheidungsträgerinnen und Entscheidungsträger, die selbst noch kaum praktische KI-Erfahrung haben, den Zugang jener Jüngeren begrenzen, die diese Technologien längst selbstverständlich in ihren Alltag integriert haben.

Es kommt in doppeltem Sinne auf den Einstieg an. Nicht als Nebenschauplatz. Als Zündpunkt. Wie gehen wir mit KI als neuem Player in der Arbeitsgesellschaft um? Wenn Organisationen junge Menschen nicht mehr an reale Arbeit heranlassen und ihre Lernpipeline ausdünnen, fehlen in beide Richtungen entscheidende Impulse. Die alten Organisationsformen verkrusten, die Jungen entwickeln kein Vertrauen in nachhaltiges Handeln. Diese Entwicklung wird aber eventuell nicht nur soziale Verhärtung und Anleitung für Chaos am Arbeitsmarkt bringen. Es kann paradoxerweise auch sehr positive Überraschungen hervorbringen. Wer an der Tür abgewiesen wird, baut manchmal eben eine andere Tür durch die er ein lebenswertes Leben betritt. Eigene Firmen. Eigene Kollaborationen. Eigene sinnstiftende Arbeits- und Beschäftigungswege. Eigene ökonomische Regeln.

Wie auch immer dieser Wandel institutionell gestaltet wird: Grundversorgung, Grundeinkommen oder zumindest ein verlässliches Grundauskommen sind keine Sozialromantik, sondern können zu einer nüchternen Ermöglichungsarchitektur werden. Sie entkoppeln Würde und Handlungsfähigkeit von der permanenten Verwertungslogik und schaffen die Mindest-Sicherheit, aus der heraus Menschen lernen, sich neu orientieren und beitragen zu können. Doch Geld allein reicht nicht. Es braucht zusätzlich Freiheitssubstrate: freie Räume (physisch und digital), freie Zeit, freie Energie, freies Wissen und zugängliche Dateninfrastrukturen im Sinne von „Big Data for Us“ statt „Big Data for Them“. Erst die Kombination aus materieller Basis und offenen Ermöglichungsräumen macht aus freigesetzter Zeit nicht Leere, sondern Aufbau — und aus technologischer Leistungsfähigkeit nicht Abhängigkeit, sondern Souveränität.

Auch dort, wo Grundversorgung nicht als Befreiung, sondern als Befriedungsinstrument eingerichtet wird, weil immer mehr Menschen aus der alten Lohnlogik herausfallen, bleibt offen, was mit der freigesetzten Zeit geschieht: Resignation oder Aufbau, Rückzug oder Selbstbegegnung, Leere oder neue Gemeinschaft.

Genau deshalb ist die Frage des Einstiegs heute eine Machtfrage. Produzieren wir eine Generation von Schattenlernenden und Ausgesperrten? Oder eine Generation, die sich trotz Ausschluss selbst ermächtigt und an den alten Institutionen vorbei eine neue Wirklichkeit aufzieht?

Die Figur der vielleicht faulen KI markiert in diesem Zusammenhang kein Bonmot, sondern eine sehr nüchterne Designregel. Im falschen System macht eine immer fleißigere KI Menschen zu Engpässen. Jede Pause erscheint dann als Defizit. Jeder Zwischenraum als Leerlauf. Jede Reibung als Fehler. Eine menschenkluge KI wäre gerade nicht die maximal antreibende, sondern die bewusst begrenzte KI. Menschenklug ist eine KI dann, wenn sie menschliche Urteilskraft stärkt, ohne menschliche Anwesenheit und Verantwortung stillschweigend zu entwerten. Und Begrenzung ist dabei kein technischer Mangel, sondern eine institutionelle Qualität. Eine KI, die nicht alles kolonisiert, nicht jede Sekunde verdichtet und nicht jede Entscheidung glattschleift, sondern Raum offen hält. Für Urteil. Für Lernen. Für Resonanz. Latenz ist kein Leerlauf. Sie ist die Zeitform des Urteils. Für Widerspruch und für alles, was wir gerade deshalb nicht automatisieren dürfen, weil es uns menschlich macht. Denn das Problem der KI-Beschleunigung ist nicht nur ihr Tempo. Es ist die Fragilität, die entsteht, wenn Redundanz, Reibung, Pause und menschliches Urteil als Ineffizienz wegoptimiert werden.

Damit rückt auch eine ältere, radikalere Frage wieder nach vorn: Wie denken wir über Geld, Gegenleistung und Wert in einer Ordnung nach, in der menschliche Arbeit aus immer mehr Produktionsketten verschwindet? Ob Geld in solchen Ordnungen künftig teilweise durch Energie-, Rechen-, Zugangs- oder Beitragsmodelle ergänzt wird, ist offen. Entscheidend ist hier weniger die konkrete technische Form als die politische Frage, ob menschlicher Wert dabei erneut total vermessen wird – oder ob Raum bleibt für das, was Menschen füreinander tun: pflegen, begleiten, bilden, trösten, widersprechen, ermutigen, heilen, zuhören, Kultur schaffen und Gemeinschaft tragen, vielleicht oder im besten Fall freiwillig und nicht mehr allein unter pekuniärem Zwang.

Rückblickend können wir sagen, dass es eine zutiefst menschliche Leistung war, einander genug Rücksicht zu geben, damit dieser Einstieg in die neue Welt gelingen konnte. Man konnte diesen Wandel nicht in einem Sprung bewältigen. Organisationen und Herrschaftsformen, die über hundert Jahre in stabilen Routinen funktioniert hatten, ließen sich nicht in fünf Jahren vollständig umbauen. Auch KI konnte uns nicht einfach über diese Zwischenzustände hinwegheben. Und doch haben wir es geschafft, lange mit hybriden, widersprüchlichen und oft überfordernden Übergangsregimen zu leben.

Entscheidend für das Gelingen war deshalb nicht nur der Zielzustand, sondern die Frage, wie wir mit KI nicht nur schneller, sondern freier werden konnten – und wie wir in diesen Zwischenräumen lernfähig, institutionell belastbar und menschlich anständig blieben.

I. Die Agenten-Matrix – Wir implementieren zurzeit ein neues Betriebssystem für die Gesellschaft und zermalmen damit eine Realität, wie wir sie kennen.

Die eigentliche Zäsur unserer Zeit besteht nicht darin, dass KI plötzlich mehr kann als gestern. Die Zäsur besteht darin, dass KI zur Infrastruktur einer umfassenden gesellschaftlichen Neuordnung wird. Sie verdichtet bestehende Tendenzen von Beschleunigung, Vermessung, Plattformmacht und Automatisierung und hebt sie auf ein neues Niveau. Was vorher Werkzeug war, wird Umgebung. Was vorher Assistenz war, wird Steuerung. W…7 tokens truncated…auf, dass Nachwuchs sich durch Routinetätigkeiten in Kontexte einarbeitet. Genau dieses Lehrlingsmodell bricht nun ökonomisch weg. Das bedeutet nicht, dass die Einstiegsebene überflüssig wird. Es bedeutet, dass sie neu entworfen werden muss. Der eigentliche Engpass ist nicht mehr bloße Task Execution, sondern Urteilskraft, Kontextverständnis und die Fähigkeit, KI-Systeme verantwortlich zu orchestrieren. Ohne diesen Umbau droht der "Ghost-Learner": ein Berufseinsteiger, der überzeugende Resultate liefert, intern aber keine belastbare Kompetenz aufbaut, weil Denken, Schreiben, Strukturieren und Abwägen vollständig ausgelagert wurden. Die Antwort kann daher weder Nostalgie noch bloßes Wegautomatisieren sein. Organisationen brauchen explizite Lernarchitekturen: Juniors arbeiten mit KI als Co-Pilot, Seniors coachen nicht nur Ergebnisse, sondern Denkwege; Reibung, Kritik und Deliberate Practice werden zum offiziellen Teil der Arbeit. Erst dann wird aus dem Wegfall der Routine keine Dequalifizierung, sondern eine Emanzipation der Einstiegsebene.

Software Engineering zeigt, warum die einfache Ersatzthese zu kurz greift. Wenn Code billiger wird, verschwindet nicht automatisch die Arbeit am System. Oft wächst der Anspruch: mehr Prototypen, mehr Integration, mehr Sicherheitsarbeit, mehr Produktideen, mehr Verantwortung für die Frage, welcher Code überhaupt geschrieben werden sollte. Das ist Jevons in der Wissensarbeit. Effizienz senkt nicht nur Kosten. Sie erweitert das Feld dessen, was als machbar gilt. Genau deshalb wird Urteil wichtiger, nicht unwichtiger. Wer nur schneller produziert, vergrößert im Zweifel nur die Fläche der Fehler.

VI. New Work als Betriebssystem: Von der „Armut der Begierde“ zur „Entfaltung“

Wenn die KI die entfremdete Lohnarbeit übernimmt, müssen wir ein neues Betriebssystem für menschlichen Wert schaffen. Dieses Betriebssystem ist "New Work" – nicht als Wohlfühl-Maßnahme in Großraumbüros, sondern als robuste ökonomische und philosophische Alternative, die als direktes Antidot zu den "Drei Vs" dient:

Cognitive Offloading ist dabei nicht schon das Problem. Es ist zunächst eine alte menschliche Kulturtechnik. Wir lagern Gedächtnis in Notizbücher aus, Orientierung in Karten, Berechnung in Werkzeuge, Koordination in Kalender. Neu ist nicht die Auslagerung selbst. Neu ist die Geschwindigkeit, Tiefe und Unsichtbarkeit, mit der KI auch Vorentscheidung, Priorisierung und Deutung übernimmt.

Genau deshalb entscheidet sich an dieser Stelle, ob KI zur Entfaltung beiträgt oder zur Verreibung. Wenn Auslagerung menschliche Aufmerksamkeit freilegt, kann sie Urteilskraft stärken. Dann muss der Mensch nicht mehr alles sortieren, vergleichen, formatieren und erinnern, sondern kann fragen, abwägen, widersprechen, gestalten. Wenn Auslagerung aber Denken ersetzt, entsteht der Ghost Learner: jemand, der Ergebnisse bestätigt, ohne den Weg dorthin noch zu kennen.

New Work bekommt damit eine sehr konkrete psychologische Aufgabe. Es geht um Autonomie, Kompetenz und Eingebundenheit. Menschen müssen erleben, dass KI ihnen nicht nur Aufgaben abnimmt, sondern Fähigkeiten aufbaut. Sie müssen verstehen, warum ein Vorschlag plausibel ist, wo er blind bleibt und wie man ihn verändert. Erst dann wird Assistenz zu Lernen.

Eine menschenzentrierte KI-Kultur darf deshalb nicht nur auf Output schauen. Sie muss Lernwege sichtbar halten. Gute Systeme machen nicht bloß schneller. Sie machen Menschen urteilsfähiger. Sie schaffen Räume, in denen man mit KI übt, ohne sich an sie zu verlieren.

Gegen "Verreibung" (Agency-Verlust): Die "Verreibung" ist die technologische Vollendung der "Armut der Begierde" – der Unkenntnis dessen, was wir im Innersten wollen. Die Antwort kann daher nicht nur "KI-Literacy" (Anpassung) sein. Die Lösung ist die Kultivierung von Selbstkenntnis. Wir brauchen Bildungsreformen, die "Agency" und "Arbeit an sich selbst" lehren. Das Ziel ist nicht, der KI zu gehorchen, sondern die KI zu nutzen, um das zu finden und umzusetzen, was man "wirklich, wirklich will".

Individuation ist unter diesen Bedingungen keine private Wellness-Idee. Sie wird zu einer Basisfähigkeit der agentischen Ordnung. Wenn Routine, Statussignale und alte Rollen weniger Orientierung geben, müssen Menschen stärker klären, was sie wollen, was sie tragen können, welche Gegensätze sie integrieren und wodurch ihr Beitrag unverwechselbar wird. Sonst bestätigt man nur noch sehr kompetent, was Systeme vorbereitet haben.

Gegen "Vernutzung" (Unsichtbare Arbeit): Die "Vernutzung" macht uns zu "Cloud-Leibeigenen". Die Lösung ist die Anerkennung dieser unsichtbaren Arbeit. Dies erfordert eine politische Lösung: die Umverteilung der Gewinne, die aus unserem kollektiven "Cloud-Kapital" entstehen. Reform (Modell 2): Eine "Data-Dividende" oder eine Wertschöpfungsabgabe auf KI-Agenten Transformation (Modell 3): Die Überwindung des "extraktiven" Modells 1 durch "Daten-Souveränität" und "Commons", bei denen die Daten gar nicht erst dem Oligopol gehören.

Deshalb genügt eine reine Nachsorgepolitik nicht. Ein Grundeinkommen, eine Data-Dividende oder allgemeine Kapitalbesteuerung können Schäden abfedern. Sie verändern aber nicht automatisch die Entscheidungssituation, in der Unternehmen menschliche Arbeit ersetzen. Der kritische Punkt liegt früher: dort, wo Automatisierung als Grenzkostenentscheidung erscheint.

Hier wird der Pigou-Gedanke interessant. Eine kluge Automatisierungsabgabe wäre nicht einfach eine symbolische Robotersteuer. Sie müsste die externen Kosten einer Substitution dort sichtbar machen, wo sie entstehen: in der Investitionsentscheidung, in Abschreibungsregeln, in Kapitalbegünstigungen, in der steuerlichen Architektur, die heute bestimmte Formen von Automatisierung faktisch erleichtert.

Das klingt trocken. Aber genau darin liegt die politische Ernsthaftigkeit. Wer nur die Folgen verteilt, lässt den Mechanismus weiterlaufen. Wer die Anreize justiert, greift in die Taktung des Systems ein. Nicht um Technik zu verhindern. Sondern um Über-Automatisierung dort zu bremsen, wo sie gesellschaftliche Lernwege, Kaufkraft und institutionelle Stabilität zerstört.

New Work darf deshalb nicht nur als Kulturprogramm auftreten. Es braucht eine fiskalische Seite. Wenn Arbeit nicht mehr allein die alte Lohnarbeit meint, dann muss auch die Finanzierung von Sicherheit, Bildung und Entfaltung anders gebaut werden. Die Frage lautet nicht: Wie bestrafen wir KI? Die Frage lautet: Wie verhindern wir, dass Effizienzgewinne privatisiert und ihre sozialen Voraussetzungen ausgehöhlt werden?

Gegen "Verrechnung" (Tyrannei der Metrik): Die "Verrechnung" zerstört Innovation und "Pluralität". Die Lösung besteht darin, die Metrik zu ersetzen. Statt einer auf Profit und individueller Effizienz basierenden Metrik – einem "Gottes-Trick" – brauchen wir ein "Impact Scoring", das auf einer demokratisch legitimierten Definition von"Gemeinwohl" GW \> K basiert. Ein konkretes, praxiserprobte Werkzeug das man weiterentwickeln könnte ist die "Gemeinwohl-Bilanz".

Europa, Souveränität und das 1000-Tage-Programm

Die europäische KI-Frage ist keine reine Regulierungsfrage. Sie ist eine Frage von Fähigkeit. Wer keine Modelle trainieren kann, keine Rechenzentren baut, keine Energie bereitstellt, keine Talente hält, keine Datenräume öffnet, keine Verwaltungen befähigt und keine industrielle KI in die Breite bringt, besitzt am Ende vielleicht Werte, aber keine Hebel mehr, um sie zu verteidigen.

Der Bericht Europe 2031 ist hier besonders brauchbar, weil er Europas Risiko erzählerisch und infrastrukturell verbindet. Auf Seite 8 nennt er die Dinge, die Ankündigungen allein nicht erzeugen: „talent, capital, energy supply“. Auf Seite 17 wird Cyberfähigkeit zur Machtfrage: Im Szenario erhält eine kleine Koalition Zugang zu frontier Cyber-KI, während europäische Akteure zunächst außen vor bleiben. Auf Seite 40 verschiebt sich der Blick zu China: Nicht nur kognitive KI, sondern physische KI, industrielle KI und Robotik werden zur Machtbasis. Das stützt die Tech-These dieses Weißbuchs: AI x Robotics, AI x Quantum und AI x Everything sind keine Spielereien, sondern Konvergenzpfade politischer Ökonomie.

Für die nächsten 1000 Tage folgt daraus kein Wunschzettel, sondern ein Arbeitsprogramm.

1. Europäische Compute- und Energie-Kapazität bauen. Ziel: reale Handlungsfähigkeit. Umsetzung: Genehmigungszonen, Energieverträge, öffentliche Ankerkundschaft. Risiko: Symbolpolitik. Messgröße: verfügbare souveräne Trainings- und Inferenzkapazität.

AI Compute ist keine wolkige Digitalressource. Er braucht Strom, Kühlung, Flächen, Netze, Genehmigungen und politische Prioritäten. Die neue Pointe ist, dass die zentralste Infrastruktur der Gegenwart, das Rechenzentrum, plötzlich auf die dezentralsten Assets angewiesen ist: Batterien, Solardächer, Thermostate, lokale Lastverschiebung. Wenn Haushalte zum Puffer der KI-Ökonomie werden, muss die Gegenleistung politisch sauber gebaut sein. Sonst wird aus Dezentralität nur ein weiteres Extraktionsmodell. Richtig gestaltet können solche Energie- und Datenverbunde aber zeigen, was Freiheitssubstrate praktisch bedeuten: verteilte Fähigkeit statt bloßer Verbrauch.

Der Tesla-/Sunrun-/Renew-Home-Komplex zeigt diese Verschiebung bereits als Infrastrukturfall. Hunderttausende Heimbatterien, Solaranlagen und Millionen steuerbarer Geräte werden nicht mehr nur als private Komforttechnik gelesen, sondern als virtuelles Kraftwerk für Rechenzentren und Netze. Das ist keine romantische Energiewende-Erzählung. Es ist die materielle Rückseite der KI-Beschleunigung. Wenn die Maschine mehr Urteil, Sprache und Koordination übernimmt, frisst sie nicht nur Daten. Sie frisst Strom, Netzflexibilität und politische Aufmerksamkeit. New Work muss deshalb auch Energiepolitik werden: Wer die Infrastruktur trägt, muss auch an Nutzen, Schutz und Entscheidungsmacht beteiligt sein.

Der fehlende dritte Satz lautet: lokal zuerst, Cloud wenn nötig. Nicht jede Zusammenfassung, Suche, Klassifikation, Übersetzung, Schreibassistenz oder Verwaltungshilfe muss durch ein globales Rechenzentrum laufen. Viele Aufgaben können auf vorhandenen Rechnern, auf Organisationsservern oder in kommunalen Edge-Strukturen erledigt werden. Ollama, llama.cpp mit GGUF-Modellen, MLX auf Apple Silicon und kleine offene Modellfamilien zeigen, dass lokale Inferenz keine ferne Utopie mehr ist. Sie ersetzt kein Frontier-Training und löst keine Chip-Lieferkette. Aber sie verschiebt die Default-Frage: Was muss wirklich zentral skaliert werden, was kann nahe an Menschen, Daten und Verantwortung bleiben, und was sollte gar nicht automatisiert werden?

1. Öffentliche Verwaltung frontier-fähig machen. Ziel: Regulierung aus eigener Praxis. Umsetzung: gesicherte Sandboxes, Modellzugänge, Audit-Labs. Risiko: Datenschutz als Verhinderungsroutine. Messgröße: Anteil der KI-Regelungs- und Beschaffungsteams mit praktischer Nutzungserfahrung.
2. Einstiegsebenen neu entwerfen. Ziel: keine verlorene Lernpipeline. Umsetzung: KI-Lehrlingsmodelle, Senior-Coaching, Denkweg-Reviews. Risiko: Juniors werden nur Prompt-Bediener. Messgröße: nachweisbare Urteilskompetenz, nicht nur Output.
3. AI Maker Spaces als Freiheitssubstrate ausrollen. Ziel: Gegenmacht durch Können. Umsetzung: Bibliotheken, Schulen, Betriebe, Kommunen, Gewerkschaften und Hochschulen als offene Werkstätten. Risiko: Eventisierung ohne Infrastruktur. Messgröße: gebaute Artefakte, geteilte Datensätze, lokale Agentenprojekte.
4. Automatisierungsgewinne fiskalisch rückbinden. Ziel: Effizienz privatisiert nicht ihre sozialen Voraussetzungen. Umsetzung: Data-Dividende, Automatisierungsabgabe, Reinvestition in Bildung und Commons. Risiko: Innovationsbremse durch schlechte Ausgestaltung. Messgröße: Anteil der KI-Gewinne, der in Lern- und Entfaltungsinfrastruktur zurückfließt.
5. Modell- und Toolchain-Governance einführen. Ziel: wechselnde Tools ohne Dauerchaos. Umsetzung: Portfolio-Regeln, 70-Prozent-Wechselregel, Exit-Pläne. Risiko: Governance wird zur neuen Bürokratie. Messgröße: stabile Lernkurven trotz Toolwechsel.
6. Cyberabwehr als öffentliche KI-Kernfähigkeit behandeln. Ziel: Resilienz vor Abhängigkeit. Umsetzung: nationale und europäische KI-Cyber-Labs, koordinierte Schwachstellensuche, öffentliche Beschaffung. Risiko: Geheimhaltung verhindert Lernen. Messgröße: Zeit bis Patch, Zahl behobener kritischer Schwachstellen.
7. Industrielle KI und Robotik in realen Umgebungen testen. Ziel: physische Produktivität ohne blinde Haftungsrisiken. Umsetzung: regionale Reallabore, Haftungsrahmen, offene Standards. Risiko: Showcases statt produktiver Skalierung. Messgröße: produktive Anwendungen in Pflege, Logistik, Fertigung, Energie und öffentlicher Infrastruktur.

Dabei darf physische Produktivität nicht mit analoger Entwertung verwechselt werden. Vielleicht entlasten Exoskelette, Diagnose-Agenten oder agrarische Laserroboter bestimmte Tätigkeiten erheblich. Vielleicht zeigt sich gerade dort eine Grenze, an der menschliche Gegenwart nicht ersetzt, sondern neu geschützt werden muss. Noch wissen wir es nicht. Das Nichtwissen ist hier keine Schwäche, sondern Teil der Diagnose.

9 — Aufmerksamkeit und Sozialität schützen. Ziel: mentaler Burnout wird nicht Kollateralschaden des KI-Takts. Umsetzung: KI-freie Deliberationsräume, Teamrituale, Rechtsanspruch auf Lernzeit. Risiko: Wellness-Sprache ersetzt Struktur. Messgröße: Belastung, Fluktuation, Lernqualität, Kooperationsfähigkeit.

10 — Keine Metrik ohne Widerspruchsrecht. Ziel: Verrechnung begrenzen. Umsetzung: erklärbare Scores, menschliche Berufungspfade, Auditpflicht für algorithmisches Management. Risiko: Pseudo-Transparenz. Messgröße: Zahl korrigierter Entscheidungen, Qualität der Einspruchsverfahren.

Die Lehre aus Europe 2031 ist nicht: Europa ist verloren. Die Lehre ist härter und nützlicher: Man kann recht haben und trotzdem zu spät handeln. Die bittere Formel des Szenarios lautet „we let it happen“ (S. 68). Dieses Weißbuch antwortet darauf mit New Work: Wir lassen es nicht nur geschehen. Wir bauen die Räume, Fähigkeiten und Gegenmächte, in denen Menschen mit KI mehr werden können als Restgrößen der Automatisierung.

VII. Schlussfolgerung: Architekten der Entfaltung – Die Gestaltung der "Besten Ergebnisse" (1000 Tage / epistemischer Widerstand)

Die beste plausible Entwicklungsrichtung ist die augmentierte Kooperation: eine Ordnung, in der KI menschliche Handlungsfähigkeit, Lernen und demokratische Gestaltung stärkt. Sie erfordert aktives, politisches Gestalten. Reine Regulierung, wie der EU AI Act. Dieser ist unzureichend und könnte paradoxerweise kontrollorientierte Oligopole stärken, indem sdie starre Regulierung hohe Markteintrittsbarrieren schafft. Der Kollaps der Lohnarbeit ist eine Befreiung – aber eine Befreiung wohin? Wenn Maschinen kognitive Routine, Koordination, Berichtswesen und Teile der Produktion übernehmen, wird Bergmanns alte Frage nach dem, was Menschen wirklich, wirklich tun wollen, nicht weicher, sondern härter. Sie wandert aus der Sonntagsrede in die Betriebsnotwendigkeit.

Das wird kein Selbstläufer. Die Kräfte des Marktes und der globale Wettbewerb werden versuchen, jede freigewordene Sekunde sofort wieder zu monetarisieren, zu verdichten und in neue Wachstumsziele zu pressen. Gerade deshalb dürfen Produktivitätsgewinne nicht nur als Renditekanal organisiert werden. Sie müssen politisch in konkrete Freiheitssubstrate übersetzt werden: physische Räume wie Gemeinschaftswerkstätten, Bibliotheken, Schulen, öffentliche Labore und AI Maker Spaces; digitale Infrastrukturen wie offene, Commons-basierte Modelle, lokale Datenräume und souveräne Werkzeuge; und soziale Sicherheiten, die Menschen erlauben, neu zu lernen, zu kooperieren und zu handeln. Freiheitssubstrate meinen jedenfalls nicht nur Geld, sondern die materiellen und infrastrukturellen Bedingungen von Selbstermächtigung: freie Zeit, freies Wissen, zugängliche Daten und die Mindest-Sicherheit, von der aus freigesetzte Zeit nicht in Leere, sondern in Entfaltung umschlagen kann.

Wenn Freiheitssubstrate mehr sein sollen als ein schönes Wort, brauchen sie Orte. Nicht nur Plattformen. Nicht nur Lernvideos. Nicht nur Chatfenster. Sondern Räume, in denen Menschen mit KI, Werkzeugen, Daten, Text, Code, Material, Energiefragen und anderen Menschen praktisch arbeiten können.

Das können AI Maker Spaces sein: zu Hause, vor der Haustür, in Bibliotheken, Schulen, Ämtern, Parteizentralen, Betrieben, Gewerkschaften, Universitäten und offenen Werkstätten. Orte, an denen nicht nur konsumiert wird, was große Anbieter bereitstellen, sondern an denen Menschen eigene Modelle verstehen, lokale Daten kuratieren, Texte schreiben, kleine Agenten bauen, öffentliche Probleme untersuchen und neue Formen gemeinsamer Produktion einüben. Ein normaler Computer wird dabei nicht zur Weltmaschine. Aber er kann zum Einstieg in souveräne Rechenpraxis werden: ein kleines Modell lokal starten, einen Datensatz prüfen, ein Dokument ohne Cloud zusammenfassen, eine kommunale Wissensbasis aufbauen, einen Arbeitsprozess entlasten, ohne die ganze Organisation an die nächste Oberfläche zu verkaufen.

Solche Räume sind keine romantische Bastelidee. Sie sind eine Antwort auf die Machtfrage der KI. Wer nur Zugriff auf fertige Oberflächen hat, bleibt abhängig. Wer die Werkzeuge versteht, kann widersprechen, umbauen, zweckentfremden, teilen. Gegenmacht entsteht nicht aus Empörung allein. Sie entsteht aus Können. Und manchmal beginnt dieses Können ziemlich unspektakulär: mit einem Laptop, einer lokalen Installation, einem Stromzähler, einem echten Problem und drei Menschen, die am Dienstagvormittag beschließen, es nicht nur zu beklagen.

Diese Freiräume sind deshalb kein Rückzug aus der KI-Gesellschaft. Sie sind ihre notwendige Gegenarchitektur. Menschen müssen mit KI arbeiten können, ohne in ihr zu verschwinden. Sie brauchen Orte, an denen Gründlichkeit, Empathie, Materialkontakt, gemeinsames Lernen und langsames Urteil nicht als Störung der Effizienz gelten, sondern als öffentliche Güter.

Die 1000 Tage, von denen dieses Weißbuch spricht, sind deshalb keine Frist für ein abstraktes Erwachen. Sie sind eine Bauzeit. In ihr entscheidet sich, ob KI als Infrastruktur der Verrechnung eingerichtet wird oder als Infrastruktur der Entfaltung. Dafür braucht es Geld. Aber Geld allein reicht nicht. Es braucht Zeit, Räume, offene Wissensbestände, lokale Datenräume und eine Kultur, die Menschen zutraut, mehr zu sein als Nutzerinnen und Nutzer der nächsten Oberfläche.<br>Dieses Weißbuch schließt mit dem Aufruf, die Rolle des "Architekten" neu zu definieren. Wir müssen aufhören, fatalistische Technokraten zu sein, wie im hypothetischen Eingangsbeispiel.

Wir müssen "Architekten der Entfaltung" werden. Wahre "Digitale Souveränität" ist nicht die technische Abwehr von Spionage. Wahre Souveränität ist die kulturelle, politische und ökonomische Fähigkeit einer Gesellschaft, die menschliche "moralische Handlungsfähigkeit" (den Menschen als Zweck an sich) und "Pluralität" über die Diktatur der algorithmischen Effizienz zu stellen. Dafür reicht es nicht, KI bloß bedienen zu können. Es braucht eine neue KI-Literacy, die Produktivität mit Gesellschaftsverständnis verbindet: nicht nur, wie man Systeme nutzt, sondern was sie mit Arbeit, Lernen, Macht und Urteil machen.

Diese Literacy muss deshalb tiefer greifen als Tooltraining. Sie braucht Komplexitätskompetenz, Selbsterkenntnis, Sinnbildung und die Fähigkeit, maschinelle Vorschläge in menschliche Verantwortung zurückzuübersetzen. Die zentrale Zukunftsfrage lautet nicht, ob KI immer mehr machen kann. Sie lautet, ob Menschen und Institutionen durch KI mehr Richtung, mehr Urteil und mehr Handlungsfähigkeit gewinnen. Lasst uns Gegenmacht entwickeln durch Können. Das bedeutet: Aufbau paralleler, souveräner KI Infrastrukturen, Förderung von "Hacker-Ethik" und die Rückeroberung der Deutungshoheit über das, was "Wahrheit" ist.

Wir haben 1000 Tage. Die Zeit für naive Technikgläubigkeit ist vorbei. Es ist Zeit für epistemischen Widerstand.

KI-Trust-Label: Prüfspur statt Vertrauensbehauptung

Dieses Weißbuch folgt dem Flowbook-Verfahren „Trusted KI“ in CLAW Fabric. Aussagen werden nicht einfach KI-generiert oder KI-nachbearbeitet, sondern als prüfbare Behauptungen behandelt: Claim, Evidence Pack, Quellengewichtung, Gegenpositionen, Denker-Linsen, Entscheidungsvorbereitung und dokumentierte Provenienz.

Das Ziel ist einfach: Vertrauen soll nicht behauptet, sondern nachvollziehbar gemacht werden. Welche Quellen tragen eine Aussage? Welche Unsicherheiten bleiben offen? Welche Einwände wurden geprüft? Welche Agenten oder Werkzeuge waren beteiligt? Was wurde verworfen, was übernommen, was muss später erneut geprüft werden?

CLAW Fabric ist dafür unsere Arbeitsarchitektur. Sie verbindet Recherche, strukturierte Kritik, Experts-of-Trust-Perspektiven, Arena-Diskurs und Audit-Trail. Der Hash oder die Prüfspur ersetzt keine Wahrheit. Sie hält fest, wie ein Text zu seiner gegenwärtigen Form gekommen ist. Genau darin liegt der Unterschied zwischen KI als Textmaschine und KI als verantwortbarer öffentlicher Praxis.