Erwartungen an KI treffen auf erste Zweifel
Die Erwartungen an Künstliche Intelligenz sind hoch. Sie soll ermöglichen, mit geringerem Aufwand mehr zu leisten und zugleich höhere Erträge zu erzielen. Während einzelne Unternehmen bereits zweistellige Produktivitätszuwächse melden, gehen viele Ökonomen davon aus, dass der gesamtwirtschaftliche Effekt auf das globale Wachstum deutlich moderater ausfallen dürfte.
Studien, Unternehmensberichte und makroökonomische Daten zeichnen bislang ein uneinheitliches Bild. Zwischen ambitionierten Versprechen, ersten Erfolgsbeispielen und messbaren Effekten auf gesamtwirtschaftlicher Ebene bestehen teils erhebliche Unterschiede. Damit rückt die Frage in den Fokus, wie belastbar die Annahmen rund um KI-getriebenes Wachstum tatsächlich sind.
Produktivität als zentrale wirtschaftliche Stellgröße
Alternde Gesellschaften, Fachkräftemangel und steigende Wohlstandserwartungen erhöhen den Druck, die Produktivität zu steigern. Das gilt für einzelne Beschäftigte ebenso wie für Unternehmen und ganze Volkswirtschaften. Voraussetzung dafür ist jedoch eine belastbare und vergleichbare Messung von Produktivität.
Am häufigsten wird die Arbeitsproduktivität herangezogen. Sie misst, wie viel Zeit für die Herstellung eines Produkts oder einer Dienstleistung benötigt wird. Ergänzend spielt die Kapitalproduktivität eine Rolle, die beschreibt, wie effizient Maschinen, Anlagen und technische Ausstattung genutzt werden. Ein umfassenderes Maß ist die gesamtfaktorielle Produktivität. Sie berücksichtigt neben Arbeit und Kapital auch organisatorische Verbesserungen, technologische Fortschritte und das wirtschaftliche Umfeld. Auf gesamtwirtschaftlicher Ebene gilt sie als entscheidender Treiber des langfristigen Wachstums.
Breite KI-Nutzung ohne spürbaren Wachstumsschub
Angesichts der raschen Verbreitung von KI-Werkzeugen, insbesondere im Büroalltag und bei wissensintensiven Tätigkeiten, wären bereits deutlichere Wachstumsimpulse zu erwarten. Bislang haben sich diese jedoch kaum in den volkswirtschaftlichen Kennzahlen niedergeschlagen.
Selbst in den USA, die stark auf Entwicklung und Anwendung von KI setzen, bleiben die gesamtwirtschaftlichen Effekte begrenzt. Nach Schätzungen der Weltbank wuchs die US-Wirtschaft im vergangenen Jahr um 2,1 Prozent, ohne dass KI dabei als klarer Wachstumstreiber identifizierbar wäre. Ein zentraler Grund liegt in den notwendigen Anfangsinvestitionen. Der Einsatz von KI erfordert Ausgaben für IT-Infrastruktur, Software und Qualifizierung. Diese Kosten fallen sofort an, während Produktivitätsgewinne und finanzielle Erträge zeitlich verzögert eintreten.
Warum sich KI-Effekte nur langsam entfalten
Zudem ist der Einsatz von KI bislang häufig auf einzelne Prozesse, bestimmte Branchen und größere Unternehmen beschränkt. Eine flächendeckende Nutzung über ganze Wertschöpfungsketten hinweg ist bisher die Ausnahme. Ökonomen gehen davon aus, dass der gesamtwirtschaftliche Effekt entscheidend davon abhängt, wie schnell und wie breit KI in Unternehmen und Organisationen eingeführt wird.
Erst eine umfassende Anwendung könnte sich spürbar in der gesamtwirtschaftlichen Leistung niederschlagen. Solange KI vor allem punktuell eingesetzt wird, bleiben die Effekte auf Wachstum und Wohlstand begrenzt, auch wenn einzelne Unternehmen bereits deutliche Effizienzgewinne erzielen.
Welche Wachstumsimpulse global möglich sind
Mehrere Studien haben versucht, den potenziellen Wachstumseffekt von KI zu quantifizieren. Eine Analyse von Eugenio Cerutti und Kollegen für den Internationalen Währungsfonds betrachtet KI als Faktor, der die gesamtfaktorielle Produktivität erhöht und damit indirekt das Bruttoinlandsprodukt beeinflusst.
In den Modellrechnungen des IWF steigt die globale gesamtfaktorielle Produktivität innerhalb von zehn Jahren bei langsamer Einführung um 0,8 Prozent, bei schneller Einführung um 2,4 Prozent. Das weltweite BIP läge entsprechend um 1,3 Prozent beziehungsweise nahezu vier Prozent höher. Die Autoren betonen jedoch, dass diese Effekte ungleich verteilt wären. Vor allem entwickelte Volkswirtschaften würden überdurchschnittlich profitieren, während weniger entwickelte Länder geringere Zugewinne verzeichnen dürften.
Europa mit moderaten, aber unterschiedlichen Effekten
Eine weitere IWF-Studie von Florian Misch und Kollegen analysiert 31 europäische Volkswirtschaften, darunter alle Mitgliedstaaten der Europäischen Union. Im Durchschnitt erwarten die Autoren innerhalb von fünf Jahren einen Anstieg der gesamtfaktoriellen Produktivität um 0,8 Prozent.
Die Unterschiede zwischen den Ländern sind dabei erheblich. In Luxemburg könnte der Zuwachs rund ein Prozent erreichen, in Rumänien lediglich etwa 0,5 Prozent. Für Slowenien wird ein Anstieg von rund 0,82 Prozent erwartet und damit leicht über dem europäischen Durchschnitt. Damit positive Effekte auf Unternehmensebene auch das nationale Bruttoinlandsprodukt stützen, wäre eine breite und effiziente Nutzung von KI erforderlich. Bislang bleibt diese jedoch begrenzt.
Unterschiedliche Einführungsgeschwindigkeit nach Regionen
Wie unterschiedlich die Einführung von KI verläuft, zeigt eine Umfrage unter Chefökonomen globaler Konzerne am Rande des Weltwirtschaftsforums in Davos. Für die USA erwarten 55 Prozent der Befragten bereits innerhalb eines Jahres spürbare Produktivitätsgewinne.
Für China liegt der Median der Einschätzungen bei 1,2 Jahren, für Europa bei 2,4 Jahren. Besonders schnelle Effekte werden in der Informations- und Kommunikationsbranche sowie in digitalen Dienstleistungen erwartet. Deutlich langsamer dürften die Effekte in der Industrie eintreten. Auch die Unternehmensgröße spielt eine Rolle. Große Unternehmen profitieren nach Einschätzung der Befragten früher als kleine Betriebe.
Wenn Investitionen schneller wirken als Erträge
Wie stark KI in der Praxis wirkt, zeigt eine weltweite Befragung der Beratungsgesellschaft PwC unter 4.500 Unternehmenschefs aus 95 Ländern. Die Ergebnisse fallen deutlich verhaltener aus als viele Erwartungen.
Mehr als die Hälfte der Befragten gab an, dass KI-Investitionen im vergangenen Jahr weder die Einnahmen erhöht noch die Kosten gesenkt hätten. Lediglich zwölf Prozent verzeichneten gleichzeitig steigende Umsätze und sinkende Kosten. Bei 22 Prozent der Unternehmen stiegen die Kosten, während nur ein kleiner Teil dieser Gruppe auch höhere Einnahmen erzielte. Die Ergebnisse verdeutlichen die zeitliche Verzögerung zwischen Investition und wirtschaftlichem Nutzen.
Messbare Effekte aus der Unternehmenspraxis
Dennoch gibt es zahlreiche Beispiele für erfolgreiche KI-Anwendungen. Am Universitätsklinikum Ljubljana wird KI unter anderem zur automatisierten Transkription medizinischer Diktate eingesetzt. Nach Angaben des Klinikums lassen sich so rund 40 Prozent der benötigten Zeit einsparen.
Darüber hinaus kommt KI bei der Optimierung interner Dienstleistungen sowie in bildgebenden Verfahren und robotergestützten Operationen zum Einsatz. Eine vollständige Ersetzung des medizinischen Personals wird dabei ausdrücklich ausgeschlossen. Auch Banken nutzen KI zunehmend, etwa bei der Kreditprüfung, Betrugserkennung und Dokumentenverarbeitung. Ziel ist es, Mitarbeiter von Routinetätigkeiten zu entlasten und Kapazitäten für komplexere Aufgaben zu schaffen.
Produktivitätsgewinne in Industrie und Dienstleistungen
In der Industrie zeigen sich ebenfalls messbare Effekte. Der Technologiekonzern Hidria konnte mithilfe von maschinellem Lernen einen Kalibrierungsprozess von 30 Minuten auf wenige Sekunden verkürzen.
Andere Unternehmen berichten von Effizienzgewinnen in der Produktionsplanung, Qualitätskontrolle und Wartung. Auch internationale Konzerne wie Microsoft melden Produktivitätszuwächse nach Einführung interner KI-Werkzeuge. Diese Beispiele zeigen, dass KI dort besonders wirksam ist, wo Prozesse klar definiert sind und die Einführung gezielt erfolgt.
Strategische Einbettung als Erfolgsfaktor
Erfolgreiche KI-Projekte beginnen nicht mit der Auswahl von Software, sondern mit einer klaren strategischen Zielsetzung. Entscheidend ist, dass Unternehmen die Einsatzmöglichkeiten und Grenzen von KI realistisch einschätzen.
Zentrale Faktoren sind Datenqualität, IT-Infrastruktur und die Qualifikation der Mitarbeiter. Ebenso wichtig sind Pilotprojekte mit klaren Zielen sowie eine messbare Erfolgskontrolle. Ohne strategische Einbettung bleibt KI häufig ein kostenintensives Experiment mit begrenztem wirtschaftlichem Nutzen.
Unterschiedliche Formen von KI-Anwendungen
Am weitesten verbreitet ist derzeit die generative KI, etwa in Form großer Sprachmodelle, die Texte erstellen oder Analysen unterstützen. Diese Systeme reagieren auf Eingaben, handeln jedoch nicht eigenständig.
Darüber hinaus gewinnen autonome KI-Systeme an Bedeutung. Sie können Aufgaben selbstständig ausführen, Entscheidungen treffen und Prozesse steuern, etwa im Kundenservice, in der Berichterstellung oder im Bestandsmanagement. In der Industrie eröffnet sich mit der sogenannten physischen KI ein weiteres Anwendungsfeld. Dabei wird Software mit Maschinen, Robotern und Sensoren verbunden, um Produktionsprozesse zu automatisieren und effizienter zu gestalten.
Bedeutung für den Wirtschaftsstandort Deutschland
Für Deutschland liegt das Potenzial von KI weniger in kurzfristigen Wachstumsschüben als in nachhaltigen Effizienzgewinnen. Besonders Industrie, Logistik, Gesundheitswesen und Finanzdienstleistungen könnten davon profitieren.
Entscheidend wird sein, wie konsequent deutsche Unternehmen KI strategisch integrieren und in Qualifizierung investieren. Gelingt dies, kann KI mittelfristig dazu beitragen, Produktivität zu stabilisieren und die Wettbewerbsfähigkeit des Wirtschaftsstandorts Deutschland zu stärken.
