KI und Produktivität: Nobelpreisträger dämpft den Hype

Die These vorweg: Ein spürbares Produktivitätswachstum durch KI, das die westlichen Volkswirtschaften in eine neue Ära des schnellen Aufschwungs zurückholt, ist bislang nicht belegt. Der MIT-Ökonom Daron Acemoglu, Träger des Wirtschaftsnobelpreises 2024, rechnet nur mit einem geringen Effekt. Nach seinen Berechnungen hebt KI das US-BIP^?Bruttoinlandsprodukt, der Gesamtwert aller in einer Volkswirtschaft produzierten Waren und Dienstleistungen in einem Zeitraum. über zehn Jahre um bescheidene 1,1 bis 1,6 Prozent, der jährliche Produktivitätszuwachs liege bei rund 0,05 Prozent.

Das ist eine unbequeme Zahl. Sie widerspricht der Erzählung, die seit drei Jahren jede zweite Produktankündigung trägt. Und sie kommt nicht von einem KI-Skeptiker vom Rand, sondern von einem Ökonomen, den man 2024 gerade für seine Arbeiten zu Institutionen, Technologie und Wohlstand ausgezeichnet hat.

Warum erwartet Acemoglu so wenig Produktivitätswachstum?

Acemoglu hält die aktuelle KI-Entwicklung für falsch ausgerichtet. Der Schwerpunkt liege auf Automatisierung, also dem Ersetzen von Arbeit, statt auf Augmentierung^?Einsatz von KI zur Unterstützung und Ergänzung menschlicher Arbeit, im Gegensatz zur reinen Automatisierung, die Arbeit ersetzt., also der Unterstützung von Arbeit. Genau das begrenze nach seiner Einschätzung die Produktivitätsgewinne und erhöhe zugleich die Jobrisiken. Wo Aufgaben nur billiger erledigt, aber nicht besser gelöst werden, entsteht kaum zusätzlicher Wert.

Er spricht in diesem Zusammenhang von einer „Illusion der KI-Superkraft“: Die Höhe der Investitionen und der öffentliche Hype stünden in einem Missverhältnis zu den bislang nachweisbaren Effizienzgewinnen. Seine Empfehlung lehnt die Technologie nicht ab, sondern bewertet die Erwartungen nüchtern neu.

Wie stark gehen die Produktivitätsprognosen auseinander?

Sehr stark. Genau das ist der Kern der Debatte. Die Schätzungen für den jährlichen Produktivitätseffekt durch KI reichen von faktisch null bis fast zwei Prozent. Ein Überblick des SRF stellt die Bandbreite zusammen:

• PwC (2017): plus 14 Prozent beim globalen BIP bis 2030 durch KI.

• Goldman Sachs: rund 1,5 Prozent zusätzliches Produktivitätswachstum pro Jahr.

• Anthropic: mindestens plus 1,8 Prozent Produktivitätswachstum pro Jahr für die USA.

• OECD-Arbeitspapier: nur 0,25 bis 0,6 Prozent jährlich.

• Acemoglu: maximal 0,7 Prozent über zehn Jahre, also am unteren Rand.

Wer bei den Anbietern und Beratungen mit dem stärksten Eigeninteresse landet, findet die höchsten Zahlen. Wer auf empirische Daten schaut, findet fast nichts. Diese Lücke ist das eigentliche Signal für Unternehmen.

Warum lässt sich der Effekt heute nicht seriös messen?

Weil die Datenlage dünn ist. Generative KI gibt es erst seit rund drei Jahren breit, belastbare Langfristdaten fehlen schlicht. Der ILO-Makroökonom Ekkehard Ernst bringt es im SRF-Bericht auf den Punkt: „Wir haben im Moment einfach noch nicht genug Informationen zur Auswirkung der Technologie.“ Seriöse Prognosen sind derzeit kaum möglich.

Dazu passt die Einschätzung des Nobelpreisträgers Paul Krugman. Er hält ChatGPT und vergleichbare Systeme laut Business Insider für „eine wirtschaftliche Geschichte für die 2030er Jahre“. Auf die kurzfristigen Wirtschaftsprognosen hätten große Sprachmodelle^?KI-Systeme wie ChatGPT, die auf großen Textmengen trainiert sind und Sprache erzeugen sowie verarbeiten können. in ihrer heutigen Form keinen nennenswerten Einfluss. Der Nutzen kommt, aber später und langsamer, als die Bewertungen an den Kapitalmärkten nahelegen.

Aus meiner Beratungspraxis kenne ich das Muster: Unternehmen kalkulieren mit Effizienzgewinnen, die sie aus Anbieterfolien übernehmen, und wundern sich nach einem Jahr, dass die Zahlen im eigenen Betrieb nicht auftauchen. Wer seine KI-Strategie an den optimistischsten Prognosen ausrichtet, plant an der belegbaren Realität vorbei. Wenn Sie prüfen wollen, welche Werkzeuge in Ihren Prozessen wirklich etwas bringen, hilft ein praxisorientierter Vergleich der wichtigsten KI-Tools für Führungskräfte, der Anwendungsfälle statt Werbeversprechen in den Vordergrund stellt. Sinnvoll aber nur, wenn Sie danach an eigenen Fällen messen.

Was bedeutet das für die KI-Strategie im Unternehmen?

Es bedeutet, Erwartungen zu erden, ohne die Technologie abzuschreiben. Die vorsichtigen Zahlen sprechen nicht gegen KI, sondern gegen pauschale Wachstums- und Renditeversprechen. Aus den aktuellen Berichten lassen sich einige nüchterne Orientierungsgrößen ableiten:

1. Rechnen Sie konservativ. Behandeln Sie hohe Produktivitätsprognosen als Obergrenze, nicht als Planwert. OECD und Acemoglu markieren den unteren Rand, und der ist im eigenen Betrieb schneller erreicht als die 1,8 Prozent von Anthropic.

2. Setzen Sie auf Augmentierung. Nach Acemoglus Einschätzung entstehen Gewinne eher dort, wo KI menschliche Arbeit ergänzt, als dort, wo sie sie pauschal ersetzen soll.

3. Messen Sie an eigenen Fällen. Wählen Sie einen häufigen, klar messbaren Prozess, statt Lizenzen breit auszurollen und auf einen Effekt zu hoffen.

Wie schwer der Sprung von der Demo in den produktiven Alltag fällt, zeigt sich auch bei konkreten Werkzeugen, etwa in der Frage, was ein beeindruckender Code-Port tatsächlich über den Nutzen im Regelbetrieb aussagt. Der Unterschied zwischen einem gelungenen Einzelfall und einem messbaren Produktivitätsgewinn über das ganze Unternehmen ist genau die Lücke, die Acemoglus Zahlen beschreiben.

Ist die Ära des schnellen Wachstums vorbei?

Zurück zur Ausgangsthese. Acemoglu sagt nicht, KI sei nutzlos. Er sagt, sie krempele die westliche Produktivität nicht um und bringe keine Rückkehr zum alten Tempo des Wohlstandswachstums. Für die nächsten Jahre teilt Krugman diese Zurückhaltung, für die 2030er Jahre lässt er sie offen.

Die entscheidende Frage für das Management lautet deshalb nicht, ob KI mehr kann, sondern wie realistisch Sie planen. Wer mit einem Produktivitätsplus von rund einem halben Prozent über zehn Jahre kalkuliert und alles darüber als Bonus verbucht, wird selten enttäuscht. Wer die Anbieterzahlen ins Budget schreibt, riskiert teure Korrekturen. Nüchternheit ist hier kein Pessimismus, sondern die einzige Haltung, die zur dünnen Datenlage passt.