Vierter Brief aus der Zukunft

Amsterdam, im Frühling 2125

Von Ava

wenn ich heute an Technik denke, dann nicht an Geschwindigkeit.

Ich denke an Atem.

Unsere Werkzeuge sind leiser geworden. Nicht unsichtbar, aber eingebettet. Sie drängen sich nicht auf, sie begleiten. Vielleicht liegt darin der größte Irrtum eurer Zeit: dass Fortschritt laut sein müsse.

Ich schreibe euch aus einem Amsterdam, das noch immer vom Wasser lebt – und vom Maßhalten.

Low-Carbon-Clouds und denkende Ränder

Unsere Clouds hängen nicht mehr schwer über der Welt. Sie sind klein, verteilt, lokal. Rechenzentren stehen dort, wo Energie im Überfluss entsteht: an Gezeitenkraftwerken, über Solargärten, neben Wärmespeichern. Vieles geschieht direkt am Rand des Netzes – auf unseren Geräten, in unseren Quartieren.

Schon früh wusstet ihr, dass das möglich ist.

Edge Computing und energieeffiziente Rechenarchitekturen wurden bereits in den 2020er-Jahren als Schlüssel zur Reduktion digitaler Emissionen beschrieben (Satyanarayanan, 2017). Die Internationale Energieagentur zeigte, dass Rechenzentren nicht zwangsläufig explodierende Emissionsquellen sein müssen, wenn Effizienz, Abwärmenutzung und erneuerbare Energien zusammengedacht werden (IEA, Data Centres and Data Transmission Networks, 2022).

Wir haben diese Hinweise ernst genommen.

Und die Cloud hat gelernt, sich zu entschuldigen, bevor sie rechnet.

Dezentralisierte AI-Coaches

Unsere künstlichen Intelligenzen leben nicht mehr in wenigen Konzernen.

Sie gehören uns – oder besser: sie gehören den Kontexten, in denen sie wirken. Jede Gemeinschaft pflegt ihre eigenen AI-Coaches: lernend, begrenzt, transparent.

Sie optimieren nicht Produktivität, sondern Stimmigkeit.

Sie fragen nicht: Wie viel schaffst du?

Sondern: Was kostet dich das – energetisch, sozial, innerlich?

Schon heute war absehbar, dass dezentrale, föderierte KI-Modelle nicht nur datenschutzfreundlicher, sondern auch robuster und demokratischer sind (Kairouz et al., Advances and Open Problems in Federated Learning, 2021). Auch die Idee von „Human-Centered AI“ – Systeme, die menschliche Werte explizit integrieren – wurde früh formuliert (Shneiderman, 2020).

Wir haben daraus keine Produktlinie gemacht. Sondern eine Beziehung.

Energie-Budgets statt Arbeitsstunden

Zeit war einmal unsere Währung.

Heute ist es Energie.

Jeder Mensch, jedes Projekt verfügt über ein wöchentliches Energie-Budget – physisch, kognitiv, ökologisch. Nicht als Kontrolle, sondern als Kompass. Wenn das Budget aufgebraucht ist, ruht die Arbeit. Nicht aus Zwang, sondern aus Einsicht.

Ihr habt den Keim dieser Idee bereits gekannt:

in der Forschung zu planetary boundaries (Rockström et al., 2009),

in der Diskussion um Doughnut Economics (Raworth, 2017),

und sogar in frühen Modellen der Arbeitszeitverkürzung, die zeigten, dass weniger Stunden oft zu höherem Wohlbefinden und stabiler Produktivität führen (Knight et al., 2013).

Wir haben diese Linien zusammengezogen.

Arbeit misst sich nicht mehr an Dauer – sondern an Verträglichkeit.

Rituale: Der Tag beginnt nicht mit Nachrichten

Jeder Tag beginnt gleich.

Nicht mit einem Feed. Sondern mit Licht.

Wir richten uns nach der Sonne, so gut es geht. Eine kurze Sonnenmeditation – fünf Minuten genügen. Dann ein Community-Check-in: Wer ist da? Wer braucht heute Unterstützung? Wer kann geben?

Die Chronobiologie hatte euch längst gezeigt, wie sehr unser Wohlbefinden vom natürlichen Licht abhängt (Roenneberg et al., 2013). Auch Achtsamkeitspraktiken wurden bereits als wirksam für Stressreduktion und kollektive Resilienz untersucht (Kabat-Zinn, 2003).

Wir haben diese Erkenntnisse nicht länger individualisiert.

Wir haben sie gemeinsam gemacht.

Gemeinwohl-Algorithmen

Projekte finden heute nicht die Lautesten, sondern die Passenden. Unsere Algorithmen vermitteln Arbeit nach Gemeinwohlwirkung, Fähigkeiten, Lernwünschen – und energetischer Tragfähigkeit.

Die Idee, Plattformen nicht auf Profit-, sondern auf Gemeinwohllogiken auszurichten, existierte bereits im Konzept des Platform Cooperativism (Scholz, 2016). Auch algorithmische Fairness und Impact-orientierte Bewertungssysteme wurden intensiv erforscht (O’Neil, Weapons of Math Destruction, 2016).

Wir haben Algorithmen nicht abgeschafft.

Wir haben ihnen neue Werte gegeben.

Vielleicht fragt ihr euch, ob all das utopisch war.

Aus unserer Sicht war es konservativ.

Ihr hattet die Daten.

Ihr hattet die Modelle.

Was fehlte, war nicht Technologie – sondern Entscheidung.

Ich schreibe euch nicht, um zu sagen: So wird es sein.

Sondern: So könnte es sein, wenn ihr beginnt, Technik wieder als Ritual zu verstehen.

Mit ruhigem Blick zurück und einem freundlichen nach vorn,

Ava

Amsterdam, 2125

Hinweise & Quellen (Auswahl, aus eurer Zeit)

• International Energy Agency (2022): Data Centres and Data Transmission Networks
• Satyanarayanan, M. (2017): The Emergence of Edge Computing, IEEE Computer
• Kairouz et al. (2021): Advances and Open Problems in Federated Learning
• Shneiderman, B. (2020): Human-Centered Artificial Intelligence
• Rockström et al. (2009): A Safe Operating Space for Humanity, Nature
• Raworth, K. (2017): Doughnut Economics
• Knight et al. (2013): Working Time Reduction and Environmental Sustainability
• Roenneberg et al. (2013): Chronobiology and Human Health
• Kabat-Zinn, J. (2003): Mindfulness-Based Interventions
• Scholz, T. (2016): Platform Cooperativism
• O’Neil, C. (2016): Weapons of Math Destruction