Vom reagierenden zum vorausschauenden Staat
Warum ein lernender Staat nicht nur aus vergangenen Entscheidungen lernen, sondern die möglichen Folgen zukünftiger Entscheidungen besser verstehen muss.
In den bisherigen Beiträgen dieser Reihe wurde die Idee einer wissensbasierten Staatssteuerung entwickelt. Ein gemeinsames semantisches Staatsmodell könnte Informationen miteinander verknüpfen, Zusammenhänge sichtbar machen und staatliches Handeln systematisch auswerten. Damit wäre eine wichtige Voraussetzung für einen lernenden Staat geschaffen.
Doch Lernen allein reicht nicht aus. Ein moderner Staat sollte nicht nur im Nachhinein erkennen, ob seine Entscheidungen erfolgreich waren. Er sollte möglichst schon vor einer Entscheidung verstehen, welche Wirkungen unterschiedliche Handlungsoptionen entfalten könnten.
Bislang funktioniert staatliche Steuerung vielfach nach einem vertrauten Muster: Ein gesellschaftliches Problem wird politisch erkannt, eine Maßnahme beschlossen, finanziert und umgesetzt. Ob die angestrebten Wirkungen tatsächlich eintreten, zeigt sich häufig erst Jahre später. Dann sind erhebliche Mittel gebunden, organisatorische Strukturen entstanden und politische Erwartungen geweckt worden. Korrekturen werden entsprechend schwierig.
Ein lernender Staat müsste diesen Prozess weiterentwickeln. Er sollte vorhandenes Wissen nicht nur zur Bewertung vergangener Entscheidungen nutzen, sondern auch zur vorausschauenden Analyse politischer Handlungsoptionen.
Nehmen wir beispielsweise den Wohnungsmarkt. Um steigenden Mieten entgegenzuwirken, stehen unterschiedliche Maßnahmen zur Verfügung: die Förderung des Wohnungsbaus, Änderungen des Baurechts, steuerliche Anreize oder direkte Eingriffe in den Mietmarkt. Jede dieser Maßnahmen verfolgt bestimmte Ziele, verursacht Kosten und kann unterschiedliche wirtschaftliche und gesellschaftliche Wirkungen auslösen.
Eine wissensbasierte Staatssteuerung könnte diese Handlungsoptionen systematisch miteinander vergleichen. Welche Auswirkungen sind auf Wohnungsangebot, Mietpreise, öffentliche Haushalte oder soziale Verteilung zu erwarten? Welche Erfahrungen liegen aus früheren Maßnahmen vor? Welche Zielkonflikte entstehen und welche Annahmen sind noch unsicher?
Dabei geht es nicht darum, politische Entscheidungen mathematisch zu optimieren oder eine vermeintlich objektiv richtige Lösung zu errechnen. Gesellschaftliche Entwicklungen lassen sich nicht vollständig vorhersagen. Aber politische Entscheidungen könnten auf einer deutlich besseren Grundlage getroffen werden, wenn ihre möglichen Folgen und Unsicherheiten vorab nachvollziehbar beschrieben würden.
Der Staat würde damit beginnen, nicht nur Maßnahmen zu planen, sondern ihre Wirkungen vorauszudenken.
Hier könnte künstliche Intelligenz eine wichtige Rolle übernehmen. Auf der Grundlage eines gemeinsamen semantischen Staatsmodells könnte sie vorhandenes Wissen auswerten, Zusammenhänge erkennen und unterschiedliche Entwicklungsszenarien untersuchen. Sie könnte beispielsweise aufzeigen, welche Folgen eine politische Maßnahme unter bestimmten Annahmen wahrscheinlich hätte und an welchen Stellen erhebliche Unsicherheiten bestehen.
Die Ergebnisse solcher Analysen wären keine politischen Entscheidungen. Sie wären Entscheidungsgrundlagen, die öffentlich diskutiert, kritisch hinterfragt und durch neue Erkenntnisse verbessert werden könnten.
Darin liegt auch ein demokratischer Fortschritt. Politische Auseinandersetzungen könnten sich stärker auf konkrete Ziele, Handlungsalternativen und deren wahrscheinliche Wirkungen konzentrieren. Regierung und Opposition müssten nicht zwangsläufig dieselben politischen Prioritäten verfolgen. Aber sie könnten ihre Vorschläge anhand einer gemeinsamen Wissensbasis begründen und vergleichen.
Auch Partialinteressen würden dadurch nicht verschwinden. Ihre möglichen Auswirkungen auf andere gesellschaftliche Gruppen und das Gemeinwohl könnten jedoch transparenter werden. Politische Entscheidungen wären damit nicht automatisch gerechter oder erfolgreicher, aber ihre Begründungen würden nachvollziehbarer und ihre Folgen besser überprüfbar.
Ein vorausschauender Staat müsste schließlich auch bereit sein, seine Prognosen mit der tatsächlichen Entwicklung zu vergleichen. Was wurde erwartet? Was ist eingetreten? Welche Annahmen haben sich bestätigt und welche waren falsch? Die gewonnenen Erkenntnisse würden wieder in das gemeinsame Wissensmodell einfließen und zukünftige Analysen verbessern.
So entsteht aus dem bisherigen Kreislauf von Wissen, Entscheidung, Handlung, Wirkung und Lernen ein weiterentwickeltes Steuerungsverständnis, das auch die systematische Vorausschau einschließt.
Vielleicht ist das die eigentliche Perspektive eines staatlichen Betriebssystems im KI-Zeitalter:
Ein demokratischer Staat, der nicht erst aus den Folgen seiner Entscheidungen lernt, sondern bereits vor seinen Entscheidungen versucht, deren Folgen möglichst gut zu verstehen.
