Zum Inhalt springen
Strategie & Management

KI-Produktivität: Acemoglu setzt auf Unterstützung im Beruf

Seine frühere Wachstumsprognose ist eine unsichere gesamtwirtschaftliche Schätzung. Unternehmen müssen den Nutzen im eigenen Ablauf messen.

Lukas GörögLukas Görög
Teilen
Illustration einer Person neben einem Baum aus Zahnrädern und Glühbirnen, der mit einem Laptop verbunden ist.
Illustration einer Person neben einem Baum aus Zahnrädern und Glühbirnen, der mit einem Laptop verbunden ist.

Der Ökonom Daron Acemoglu erwartet, dass KI ihre wirtschaftliche Wirkung nur schrittweise entfaltet. In seinem Essay vom 15. Juli 2026 greift er eine Schätzung aus dem Jahr 2024 auf: Rund 1,5 Prozent zusätzliches US-BruttoinlandsproduktWert der im Inland in einem Zeitraum produzierten Güter und Dienstleistungen, abzüglich eingesetzter Vorleistungen. über zehn Jahre. Das ist eine unsichere, gesamtwirtschaftliche Prognose und keine neue Zehnjahresrechnung ab Oktober 2026.

Die Prognose beschreibt weder jährliches Wachstum noch einzelne Betriebe

Acemoglu leitet die Größenordnung aus Annahmen über automatisierbare Aufgaben und deren tatsächliche Verbreitung ab. Er bezeichnet die Schätzung selbst als grob. Gemeint ist ein zusätzlicher Effekt über den betrachteten Zeitraum, nicht jedes Jahr 1,5 Prozent mehr Wachstum. Daraus folgt auch keine feste Obergrenze für den Nutzen in einem einzelnen Unternehmen.

Die Veröffentlichung in Microsofts Magazin „The Humanist Review of AI“ macht den Text nicht zu einer verbindlichen Unternehmensprognose von Microsoft. Der Beitrag enthält Acemoglus Argumentation.

Technische Grenzen und betriebliche Einführung wirken zusammen

Der Autor nennt fehlende Zuverlässigkeit und Fähigkeiten für komplexe Aufgaben ebenso wie den Aufwand der organisatorischen Einführung. Seine Schlussfolgerung: KI sollte Beschäftigte bei ihrer Arbeit unterstützen und ihre Möglichkeiten erweitern. Die Erklärung lässt sich deshalb nicht auf träge Betriebe reduzieren.

Ein Pilot braucht eine messbare Verbesserung

Für Unternehmen ist ein konkreter Vergleich hilfreicher als eine makroökonomische Zahl. Wählen Sie einen wiederkehrenden Ablauf, etwa das Erstellen eines standardisierten Berichts. Dokumentieren Sie zunächst den bisherigen Aufwand und typische Fehler. Danach testen Sie die KI-Unterstützung mit vergleichbaren Fällen.

  • Gesamtzeit erfassen: Vorbereitung, Ausgabe, Kontrolle und Nacharbeit zählen gemeinsam.

  • Qualität vergleichen: Sind Zahlen korrekt, Quellen nachvollziehbar und wichtige Informationen vollständig?

  • Ausnahmen prüfen: Funktioniert der Ablauf auch bei unvollständigen Daten oder ungewöhnlichen Fällen?

  • Ergebnis nutzbar machen: Wer übernimmt die Ausgabe, und welche Freigabe ist erforderlich?

Eine passende AI Governance hält Zuständigkeiten und Prüfkriterien fest. Modellwahl, Datenqualität und Arbeitsorganisation gehören dabei gemeinsam in den Test.

Gesparte Minuten sind noch keine realisierte Wertschöpfung

Wenn ein Bericht schneller fertig ist, muss das Unternehmen entscheiden, wofür die gewonnene Zeit verwendet wird. Mehr bearbeitete Fälle, bessere Beratung oder gründlichere Prüfung sind unterschiedliche Ziele und brauchen unterschiedliche Messgrößen. Eine Personalentscheidung lässt sich aus einer Zeitersparnis in einem einzelnen Versuch nicht ableiten.

Als nächster Schritt genügt ein klar begrenzter Vergleich mit vorher festgelegten Kriterien. Bleiben Qualität und Gesamtaufwand nachvollziehbar besser, kann der Ablauf erweitert werden. Andernfalls zeigen die dokumentierten Fehler, ob das Modell, die Daten oder die Einbindung in die Arbeit verbessert werden müssen.

Häufige Fragen

Was genau bedeutet Acemoglus Prognose von 1,5 Prozent Wachstum?

Gemeint ist ein geschätzter zusätzlicher Effekt auf das US-Bruttoinlandsprodukt über zehn Jahre. Es ist weder eine jährliche Wachstumsrate noch ein Leistungsversprechen für einzelne Unternehmen.

Warum reicht ein leistungsfähigeres Sprachmodell allein nicht aus?

Der Nutzen hängt vom gesamten Ablauf ab. Ein gutes Ergebnis muss rechtzeitig ankommen, geprüft werden können und zur nächsten Aufgabe passen. Deshalb sollten Modellqualität, Daten, Zuständigkeiten und Nacharbeit gemeinsam im Pilot gemessen werden.

Wie lässt sich eine geeignete Aufgabe für einen KI-Test finden?

Wählen Sie einen wiederkehrenden, klar abgrenzbaren Ablauf mit prüfbaren Ergebnissen und freigegebenen Daten. Ein standardisierter Bericht ist beispielsweise leichter zu vergleichen als eine offene Strategieentscheidung. Legen Sie Qualitätskriterien vor dem Test fest.

Lohnt sich der Einsatz von KI für Unternehmen trotz der gedämpften Prognose?

Das muss der jeweilige Betrieb für seine Aufgabe prüfen. Vergleichen Sie Qualität und Gesamtaufwand mit dem bisherigen Verfahren. Rechnen Sie Vorbereitung, Kontrolle, Korrekturen und laufende Kosten mit ein, statt nur die Geschwindigkeit der Ausgabe zu betrachten.

Wie können Unternehmen mit KI starten, ohne Arbeitsplätze vorschnell abzubauen?

Binden Sie die Beschäftigten in einen begrenzten Test ein und legen Sie vorab fest, welches Problem gelöst werden soll. Messen Sie auch Ausnahmen und Nacharbeit. Ergebnisse aus einer einzelnen Aufgabe reichen nicht für pauschale Entscheidungen über ganze Stellen.

Wann sollte ein erfolgreicher KI-Pilot erweitert werden?

Wenn die vorher festgelegten Qualitäts- und Aufwandskriterien auch bei wiederholten Tests erfüllt werden. Zuständigkeiten, Datenzugriffe und Freigaben müssen klar sein. Dann lässt sich eine weitere Aufgabe gezielt ergänzen und erneut messen.

Fügen Sie KI-Amigo in Google als bevorzugte Quelle hinzu, um unsere Artikel häufiger zu sehen.