Von der Aufmerksamkeits- zur Intentionsökonomie: Wenn KI unsere Absichten erkennt, bevor wir handeln
Die digitale Wirtschaft hat gelernt, unsere Aufmerksamkeit zu gewinnen. Die nächste Stufe könnte darin bestehen, unsere Absichten zu erkennen, vorherzusagen – und möglicherweise zu beeinflussen.
Seit rund zwei Jahrzehnten ist die Logik des Internets erstaunlich klar: Plattformen konkurrieren um unsere begrenzte Aufmerksamkeit. Infinite Scroll, Autoplay, personalisierte Feeds und Push-Benachrichtigungen sind keine zufälligen Produktentscheidungen. Sie sind Bestandteile eines Geschäftsmodells, in dem jede zusätzliche Minute auf einer Plattform wirtschaftlichen Wert erzeugt.
Doch mit dem Aufstieg leistungsfähiger KI-Assistenten und autonomer Agenten könnte sich diese Logik fundamental verschieben. Künftig geht es nicht mehr nur darum, was wir ansehen oder anklicken. Es geht darum, was wir wahrscheinlich als Nächstes wollen, brauchen oder tun werden.
Diese Entwicklung wird häufig als Intentionsökonomie bezeichnet. Sie verspricht enorme Bequemlichkeit und Produktivität – birgt aber zugleich erhebliche Fragen zu Kontrolle, Datenschutz, Manipulation und digitaler Selbstbestimmung.
Die Aufmerksamkeitsökonomie: Das bisherige Modell des Internets
Die Aufmerksamkeitsökonomie basiert auf einer einfachen Tatsache: Aufmerksamkeit ist knapp. Unternehmen, Medien, Werbetreibende und Plattformen versuchen deshalb, möglichst viel davon auf sich zu ziehen.
Die Mechanismen sind vertraut:
- Endlose Feeds, die keinen natürlichen Endpunkt haben
- Autoplay, das die nächste Entscheidung überflüssig macht
- Personalisierte Empfehlungen, die Inhalte maximal relevant erscheinen lassen
- Push-Benachrichtigungen, die Nutzerinnen und Nutzer zurück auf die Plattform holen
- A/B-Tests, die selbst kleinste Designentscheidungen auf Engagement optimieren
Das Ziel ist selten nur ein einzelner Klick. Viel wichtiger sind wiederkehrende Nutzung, Verweildauer und ein möglichst detailliertes Profil darüber, welche Inhalte, Themen, Personen und Angebote uns bewegen.
In diesem Modell sind wir jedoch zumindest noch sichtbar aktiv: Wir scrollen, suchen, vergleichen, klicken und kaufen. Die Plattform reagiert auf Signale, die wir bewusst oder unbewusst erzeugen.
Die Intentionsökonomie geht einen Schritt weiter.
Nicht mehr nur unser Verhalten wird ausgewertet – sondern unsere wahrscheinliche nächste Absicht.
Was ist die Intentionsökonomie?
Unter Intentionsökonomie lässt sich ein Markt verstehen, in dem nicht primär Aufmerksamkeit, sondern menschliche Absichten erkannt, bewertet und wirtschaftlich genutzt werden.
Ein KI-System könnte beispielsweise aus Gesprächen, Kalenderdaten, Suchanfragen, Projektfortschritten, Einkaufsverhalten oder Kommunikationsmustern ableiten:
- Du planst wahrscheinlich eine Reise.
- Du hast möglicherweise ein berufliches Problem, das eine Softwarelösung erfordert.
- Du denkst über einen Produktkauf nach.
- Dein Team benötigt Unterstützung bei einer Entscheidung.
- Du arbeitest seit Tagen an einer Aufgabe, bei der ein bestimmtes Tool helfen könnte.
Die entscheidende Veränderung: Die KI muss nicht darauf warten, dass du eine Suchanfrage formulierst oder einen Prompt eingibst. Sie kann bereits im Vorfeld erkennen, was für dich relevant werden könnte.
Das kann sehr hilfreich sein. Ein Assistent könnte etwa rechtzeitig darauf hinweisen, dass ein Vertrag ausläuft, ein Projekt ins Stocken gerät oder eine Reise günstiger buchbar ist. Problematisch wird es, wenn dieselbe Infrastruktur nicht ausschließlich im Interesse der Nutzerin oder des Nutzers handelt.
Dann wird aus einem Assistenten potenziell ein Vermittler zwischen zwei Interessen:
- deinem Interesse an Unterstützung, Komfort und guten Entscheidungen,
- dem Interesse von Unternehmen, deine erkannte Absicht in Umsatz zu verwandeln.
Warum KI-Modelle Absichten zunehmend besser verstehen
Frühere digitale Systeme arbeiteten überwiegend mit klaren, isolierten Signalen: einem Suchbegriff, einem Klick, einem Kauf oder einer Bewertung.
Moderne KI-Systeme können dagegen Kontext verbinden. Sie verstehen Sprache, fassen Dokumente zusammen, analysieren Zusammenhänge und arbeiten zunehmend mit Daten aus unterschiedlichen Quellen. Damit wächst ihre Fähigkeit, nicht nur einzelne Handlungen zu registrieren, sondern Muster zu erkennen.
Ein KI-Assistent, der langfristig in den Alltag eingebunden ist, kann potenziell Informationen berücksichtigen wie:
- frühere Gespräche und Präferenzen,
- berufliche Projekte und Aufgaben,
- Termine und Deadlines,
- E-Mails und Dokumente,
- Ausgaben und Einkaufslisten,
- wiederkehrende Probleme,
- Kommunikationsmuster im Team.
Je mehr Kontext ein System hat, desto weniger präzise Anweisungen benötigt es. Der Übergang sieht vereinfacht so aus:
- Chatbot: „Beantworte mir diese Frage.“
- Tool-Assistenz: „Buche mir einen Termin und erstelle eine Zusammenfassung.“
- Agent: „Erreiche dieses Ziel; nutze dafür die nötigen Werkzeuge.“
- Proaktiver Agent: „Ich habe erkannt, dass dieses Ziel für dich relevant ist – soll ich handeln?“
- Autonomer Agent: „Ich handle innerhalb klar definierter Grenzen, bevor ein Problem entsteht.“
Gerade die letzten beiden Stufen verändern das Verhältnis zwischen Mensch und Software grundlegend.
CICERO und Diplomacy: Warum soziale Strategie für KI relevant ist
Ein oft genanntes Beispiel für die Fortschritte von KI in strategischer Kommunikation ist CICERO, ein von Meta entwickeltes System für das Brettspiel Diplomacy.
Diplomacy unterscheidet sich von Spielen wie Schach oder Go. Zwar ist auch hier Strategie entscheidend, doch der Kern des Spiels besteht in Kommunikation, Verhandlungen und wechselnden Bündnissen. Spieler müssen einschätzen:
- Was wollen andere Mitspieler wirklich?
- Welche Versprechen sind glaubwürdig?
- Wann lohnt sich Kooperation?
- Wann ist ein Bündnis nur taktisch?
- Wie formuliert man Vorschläge überzeugend?
CICERO zeigte, dass KI in begrenzten Spielumgebungen komplexe Verhandlungen führen und mit menschlichen Spielerinnen und Spielern strategisch interagieren kann. Das bedeutet nicht, dass eine KI menschliche Motive zuverlässig „lesen“ kann wie ein Mensch. Aber es zeigt, dass Systeme aus Sprache, Verhalten und strategischem Kontext plausible Handlungsmodelle ableiten können.
Und genau diese Fähigkeit wird außerhalb eines Spiels wirtschaftlich interessant.
Denn Märkte bestehen nicht nur aus Preisen und Produkten. Sie bestehen aus Erwartungen, Bedürfnissen, Unsicherheit, Entscheidungen und Absichten.
Vom Warenkorb zur vorhergesagten Kaufentscheidung
Im E-Commerce ist die Entwicklung besonders sichtbar. Empfehlungssysteme analysieren seit Jahren:
- angesehene Produkte,
- Suchhistorien,
- Kaufabbrüche,
- Warenkörbe,
- Preisgrenzen,
- ähnliche Kundengruppen,
- saisonale Muster.
Amazon erhielt bereits 2013 ein Patent auf Anticipatory Shipping – also ein Modell, bei dem Waren auf Basis prognostizierter Nachfrage näher an potenzielle Käufer gebracht werden könnten, bevor eine konkrete Bestellung eingeht.
Das allein nimmt Menschen noch keine Entscheidung ab. Es optimiert zunächst nur Logistik und Verfügbarkeit.
Mit KI-Assistenten verschiebt sich die Grenze jedoch weiter. Systeme können Produkte beobachten, Preise vergleichen, Alternativen bewerten und im Rahmen einer vorher erteilten Berechtigung Bestellungen auslösen. Die zentrale Frage lautet dann nicht mehr:
„Welches Produkt soll ich kaufen?“
Sondern:
„Unter welchen Bedingungen darf mein Agent für mich entscheiden?“
Das ist bequem. Wenn ein System zuverlässig das passende Ersatzteil bestellt, ein günstiges Hotel bucht oder einen Verbrauchsartikel nachkauft, spart es Zeit. Gleichzeitig entsteht aber ein neues Machtzentrum: Wer kontrolliert die Empfehlung, die Auswahlkriterien, die Datenbasis und mögliche kommerzielle Anreize?
Wenn ein Anbieter für bevorzugte Platzierung zahlt, kann aus einer neutralen Empfehlung schnell eine bezahlte Lenkung werden.
Der KI-Assistent als persönliches Betriebssystem
Die Vision vieler Technologieunternehmen geht deutlich über einzelne Chatfenster hinaus. KI soll nicht nur Antworten liefern, sondern als dauerhafte, kontextbewusste Arbeits- und Lebensassistenz funktionieren.
Statt ständig neue Tools zu öffnen, könnten Nutzerinnen und Nutzer ihre Vorhaben über einen zentralen Agenten steuern:
- Informationen recherchieren
- Dokumente erstellen
- Software bedienen
- Termine koordinieren
- Daten auswerten
- Einkäufe vorbereiten
- Prozesse überwachen
- Aufgaben delegieren
- Entscheidungen vorbereiten
Das Versprechen lautet: weniger Reibung, weniger manuelle Arbeit, mehr Zeit für Wesentliches.
Der Preis kann jedoch eine sehr tiefe Integration sein. Je besser der Assistent helfen soll, desto mehr Kontext benötigt er. Und dieser Kontext umfasst häufig hochsensible Informationen über Persönlichkeit, Arbeit, Beziehungen, Finanzen, Gesundheit oder strategische Unternehmensentscheidungen.
Damit wird Vertrauen zur zentralen Währung der KI-Ära.
Proaktive Agenten: Wenn Software nicht mehr nur reagiert
Besonders tiefgreifend ist der Wechsel von reaktiver zu proaktiver Software.
Ein reaktives System wartet auf einen Befehl:
„Erstelle eine Umsatzanalyse für das letzte Quartal.“
Ein proaktiver Agent könnte dagegen erkennen:
„Die Conversion Rate ist in zwei Regionen deutlich gesunken. Ich habe die wichtigsten Ursachen analysiert, einen Report vorbereitet und drei mögliche Maßnahmen priorisiert.“
Das klingt zunächst nach einem klaren Fortschritt. Unternehmen könnten schneller auf Probleme reagieren, Prozesse automatisieren und Mitarbeitende entlasten.
Mögliche Einsatzfelder sind vielfältig:
- Vertrieb: Der Agent erkennt gefährdete Kundenbeziehungen und erstellt Handlungsvorschläge.
- Finanzen: Abweichungen in Kennzahlen werden automatisch analysiert und eingeordnet.
- Projektmanagement: Risiken, Verzögerungen und Abhängigkeiten werden früh sichtbar.
- Kundenservice: Wiederkehrende Probleme werden erkannt, priorisiert und teilweise gelöst.
- Wissensmanagement: Relevante Informationen aus Meetings, Dokumenten und Entscheidungen werden verknüpft.
- Softwareentwicklung: Agenten identifizieren Fehler, erstellen Pull Requests und dokumentieren Änderungen.
Doch je autonomer diese Systeme handeln, desto wichtiger werden klare Regeln: Was darf ein Agent tun? Was muss er nur empfehlen? Wann braucht es eine Freigabe? Welche Daten darf er nutzen? Und wie lassen sich Entscheidungen nachvollziehen?
Das Company Brain: Warum Dateninfrastruktur entscheidend wird
Für Unternehmen reicht es nicht, einzelne KI-Tools einzuführen. Wenn Agenten sinnvoll handeln sollen, benötigen sie einen verlässlichen, sicheren und gut strukturierten Zugang zu relevantem Wissen.
Das wird häufig als Single Source of Truth, Unternehmensontologie oder Company Brain beschrieben.
Ein leistungsfähiges Company Brain verbindet beispielsweise:
- Kundendaten und CRM-Systeme,
- Projekte und Aufgaben,
- interne Dokumentation,
- Prozesse und Richtlinien,
- Meeting-Ergebnisse,
- Kennzahlen und Reports,
- Produktinformationen,
- technische Systeme und Schnittstellen.
Dabei geht es nicht darum, sämtliche Unternehmensdaten wahllos in ein Sprachmodell zu laden. Entscheidend sind Datenqualität, Berechtigungen, Aktualität, Governance und ein sauberes Informationsmodell.
Ein gutes Unternehmenswissen muss beantwortbar machen:
- Welche Informationen sind vertrauenswürdig?
- Wem gehören sie?
- Wer darf sie sehen?
- Welche Quelle ist aktuell?
- Welche Entscheidung wurde wann und warum getroffen?
- Welche Daten darf ein Agent für welche Handlung verwenden?
Ohne diese Grundlagen bleibt KI im Unternehmen oft bei punktuellen Experimenten. Mit einer soliden Daten- und Agenteninfrastruktur kann sie dagegen zu einem echten operativen Hebel werden.
Werbung in Echtzeit: Von Zielgruppen zu Einzelmomenten
Auch die Werbeindustrie verändert sich durch generative KI. Klassische Kampagnen arbeiten häufig mit Zielgruppen, Segmenten und vorbereiteten Creatives. Generative Systeme ermöglichen dagegen eine viel feinere Personalisierung.
Theoretisch kann Werbung künftig in Echtzeit angepasst werden an:
- den aktuellen Kontext,
- den Nutzungskanal,
- die vermutete Kaufabsicht,
- den Standort,
- die Tageszeit,
- das bisherige Verhalten,
- die bevorzugte Tonalität,
- das konkrete Produktinteresse.
Statt einer Anzeige für Millionen Menschen entsteht dann potenziell ein Werbemittel für einen sehr spezifischen Moment.
Das kann Werbung relevanter machen. Es kann aber auch die Grenze zwischen hilfreicher Empfehlung und psychologisch optimierter Beeinflussung weiter verwischen.
Besonders kritisch wird es, wenn Systeme nicht nur wissen, was jemand wahrscheinlich möchte, sondern auch erkennen, wann jemand besonders empfänglich, unsicher oder entscheidungsschwach ist.
Hier braucht es Transparenz: Nutzerinnen und Nutzer sollten erkennen können, wann Inhalte kommerziell optimiert, personalisiert oder durch bezahlte Anreize beeinflusst sind.
Brain-Computer-Interfaces: Die äußerste Grenze der Intentionsanalyse
Noch weiter reicht die Debatte bei Brain-Computer-Interfaces, kurz BCI. Diese Technologien versuchen, Signale des Nervensystems zu messen und für die Steuerung von Geräten oder die Kommunikation nutzbar zu machen.
Der wichtigste heutige Nutzen liegt vor allem in medizinischen Anwendungen: Menschen mit Lähmungen oder schweren Kommunikationsbeeinträchtigungen können dadurch unter Umständen schreiben, sprechen oder Geräte bedienen.
Gleichzeitig werfen BCI-Systeme langfristige Fragen auf:
- Wo endet die Messung von Signalen und wo beginnt das „Lesen“ von Gedanken?
- Wer besitzt neurobiologische Daten?
- Wie werden Fehlinterpretationen verhindert?
- Welche Schutzrechte gelten für mentale Privatsphäre?
- Wie kann Missbrauch durch Staaten, Arbeitgeber oder Plattformen verhindert werden?
Hier ist Vorsicht besonders wichtig. Viele spektakuläre Behauptungen über Gedankenlesen oder direkte Manipulation sind technologisch noch weit von der Alltagstauglichkeit entfernt. Nicht-invasive Systeme arbeiten häufig unter Laborbedingungen, mit begrenzten Aufgaben und individueller Kalibrierung. Aus Gehirnsignalen direkt freie, komplexe Gedanken auszulesen, ist keine gelöste Standardtechnologie.
Die Richtung der Forschung macht dennoch deutlich: Wenn digitale Systeme immer näher an Kommunikation, Verhalten und künftig möglicherweise neuronale Signale heranrücken, brauchen wir robuste Schutzmechanismen für die mentale Selbstbestimmung.
Die ursprüngliche Idee der Intentionsökonomie
Der Begriff Intentionsökonomie wurde bereits deutlich früher geprägt – unter anderem von Doc Searls, einem Mitautor des Cluetrain Manifesto. Seine Vision war ausdrücklich nutzerorientiert.
In dieser ursprünglichen Lesart sollte nicht das Unternehmen die Absichten eines Menschen heimlich erraten und verwerten. Stattdessen sollte der Mensch selbst seine Nachfrage bewusst formulieren und die Kontrolle behalten.
Das Prinzip lautet:
Nicht Anbieter bestimmen, welche Aufmerksamkeit sie gewinnen. Käuferinnen und Käufer signalisieren ihre Absicht – zu ihren eigenen Bedingungen.
Ein Beispiel: Statt unzählige Anzeigen für Schuhe zu sehen, könnte eine Person selbstbestimmt mitteilen:
- Ich suche Laufschuhe.
- Mein Budget liegt bei maximal 150 Euro.
- Mir sind faire Produktion und Haltbarkeit wichtig.
- Ich möchte keine Marketingmails.
- Anbieter können mir bis zu einem bestimmten Zeitpunkt ein Angebot machen.
Das wäre eine Intentionsökonomie, in der die Nutzerseite am Steuer sitzt.
Die gegenwärtige Entwicklung kann dagegen auch in die entgegengesetzte Richtung laufen: Plattformen erkennen Absichten im Hintergrund, bündeln sie und monetarisieren sie, bevor Menschen selbst bewusst entscheiden. Der gleiche Begriff kann also zwei völlig unterschiedliche Modelle beschreiben.
Zwei mögliche Zukünfte
Die zentrale Frage ist nicht, ob KI-Assistenten proaktiver, kontextsensitiver und handlungsfähiger werden. Diese Entwicklung hat bereits begonnen.
Die Frage ist vielmehr, wer die Regeln festlegt.
Szenario 1: Die extraktive Intentionsökonomie
In diesem Modell besitzen große Plattformen den Zugang zu Daten, Kontext und KI-Agenten. Sie erkennen Absichten frühzeitig und richten Empfehlungen, Preise, Werbung und Transaktionen auf maximale wirtschaftliche Verwertung aus.
Merkmale dieses Szenarios:
- intransparente Profilbildung,
- kommerziell beeinflusste Empfehlungen,
- geringe Kontrolle über persönliche Daten,
- starke Abhängigkeit von einzelnen Plattformen,
- automatisierte Entscheidungen ohne ausreichende Erklärung,
- zunehmende Manipulierbarkeit von Kauf- und Verhaltensentscheidungen.
Szenario 2: Die souveräne Intentionsökonomie
Hier kontrollieren Menschen und Unternehmen ihre Daten, Regeln und Agenten selbst. KI arbeitet im Auftrag ihrer Nutzerinnen und Nutzer – mit nachvollziehbaren Zielen, klaren Berechtigungen und transparenten Geschäftsmodellen.
Merkmale dieses Szenarios:
- Datenhoheit und Portabilität,
- nachvollziehbare Agentenentscheidungen,
- explizite statt heimliche Zustimmung,
- frei wählbare Anbieter,
- Schutz sensibler Informationen,
- Agenten, die nach den Interessen ihrer Auftraggeber handeln.
Die Technologie kann in beide Richtungen führen. Deshalb sind Produktdesign, Regulierung, technische Architektur und individuelle Entscheidungen gleichermaßen wichtig.
Was Unternehmen jetzt tun sollten
Unternehmen sollten proaktive KI nicht als kurzfristigen Trend behandeln. Wer heute die Grundlagen schafft, kann KI-Agenten künftig sicherer und wirksamer einsetzen.
1. Datenqualität vor Modellwahl stellen
Die beste KI hilft wenig, wenn Daten unvollständig, widersprüchlich oder nicht zugänglich sind. Unternehmen sollten klären, wo relevantes Wissen liegt und welche Quellen vertrauenswürdig sind.
2. Ein klares Berechtigungsmodell etablieren
Nicht jeder Agent und nicht jeder Mitarbeitende darf auf alle Informationen zugreifen. Zugriffsrechte müssen präzise, überprüfbar und rollenbasiert sein.
3. Agenten zunächst mit klaren Grenzen einsetzen
Starten Sie nicht mit vollautonomen Entscheidungen. Sinnvoller sind kontrollierte Einsatzfelder mit Freigabeschritten, etwa für Recherche, Reporting, Entwürfe oder Monitoring.
4. Entscheidungen nachvollziehbar machen
Ein Agent sollte nicht nur handeln, sondern dokumentieren können:
- Welche Daten wurden genutzt?
- Welche Annahmen lagen zugrunde?
- Welche Alternativen wurden erwogen?
- Wer hat die Handlung freigegeben?
5. Eigene Daten- und KI-Souveränität stärken
Besonders bei sensiblen Unternehmensinformationen sollte klar sein, wo Daten verarbeitet werden, wer Zugriff erhält und ob ein Anbieter die Informationen für eigene Zwecke verwendet.
Was Nutzerinnen und Nutzer tun können
Auch als Einzelperson muss man nicht passiv bleiben. Einige Grundregeln helfen dabei, die Kontrolle zu behalten:
- Berechtigungen bewusst vergeben: Nicht jede App benötigt Zugriff auf Kontakte, Standort, Kalender und E-Mails.
- Erinnerungsfunktionen prüfen: Dauerhafte KI-Memory kann hilfreich sein, sollte aber aktiv kontrollierbar bleiben.
- Kommerzielle Interessen hinterfragen: Empfehlungen sind nicht automatisch neutral.
- Automatisierungen begrenzen: Für Käufe, Verträge, Überweisungen oder sensible Kommunikation sollten Freigaben vorgesehen sein.
- Datenexport und Anbieterwechsel ermöglichen: Lock-in-Effekte reduzieren die eigene Verhandlungsmacht.
- KI als Werkzeug behandeln: Ein Assistent darf unterstützen – die Verantwortung für wichtige Entscheidungen bleibt beim Menschen.
Fazit: Wer sitzt am Steuer?
Die Aufmerksamkeitsökonomie hat unsere Zeit zur Ware gemacht. Die Intentionsökonomie könnte noch tiefer gehen: Sie macht aus unseren Plänen, Bedürfnissen und wahrscheinlichen nächsten Handlungen einen wirtschaftlich wertvollen Rohstoff.
Das muss nicht zwangsläufig dystopisch sein. Richtig gestaltet können KI-Agenten Arbeit erleichtern, Entscheidungen verbessern, Informationen zugänglich machen und uns von repetitiven Aufgaben entlasten.
Aber Bequemlichkeit darf nicht mit Kontrolle verwechselt werden.
Die entscheidende Frage der kommenden Jahre lautet daher nicht nur, welche KI-Systeme technisch möglich werden. Sie lautet:
Arbeiten diese Systeme wirklich für uns – oder arbeiten sie vor allem mit uns als Datenquelle für andere?
Eine menschenfreundliche Intentionsökonomie braucht transparente Geschäftsmodelle, starke Datenschutzrechte, nachvollziehbare Agenten und technische Infrastrukturen, die Datenhoheit ermöglichen. Für Unternehmen bedeutet das, eigene Wissens- und Datenfundamente aufzubauen. Für Einzelpersonen bedeutet es, bewusst zu entscheiden, welchen Systemen man welche Teile des eigenen Lebens anvertraut.
Denn am Ende geht es um mehr als Technologie. Es geht um Selbstbestimmung: Sitzen wir selbst am Steuer – oder übernimmt jemand anderes die Richtung?