Woran liegt es, dass die Daten den Erwartungen hinterherhinken? Eher nicht an der Technologie. Auf der Mikroebene sind die Effekte beeindruckend. Randomisierte Experimente zeigen: In Callcentern lösen Mitarbeitende mit KI-Assistenz 10 bis 20 Prozent mehr Fälle pro Stunde. Wissensarbeiter erstellen Entwürfe in der halben Zeit bei höherer Qualität. Und Junior-Angestellte holen plötzlich zu Seniors auf, weil die Maschine Erfahrungswissen mitliefert.

Doch der Weg von der erfolgreichen Fallstudie zu volkswirtschaftlichen Produktivitätsschüben ist steil und weit. Warum?

• Der Hebel greift nur an einem kleinen Teil der Arbeit an.
  KI beschleunigt spezifische Routinearbeiten. Diese machen in vielen Berufen jedoch nur einen Teil der Arbeitszeit aus. Ein 30-Prozent-Effekt auf 20 Prozent der Bürotätigkeit ist hilfreich, aber kein gesamtwirtschaftlicher Gamechanger. Und in einer Volkswirtschaft, in der Industrie, Pflege, Bau oder Gastronomie wichtiger sind wie Softwareentwicklung, schrumpft der Effekt dann bis zur Unkenntlichkeit.
• Es fehlen komplementäre Investitionen in Organisation, Daten und Fähigkeiten.
  Produktivität entsteht nicht durch Tools, sondern durch neue Arbeitsweisen. Wer KI wirklich skalieren will, braucht saubere Daten, automatisierte Workflows und Führung, die Veränderung ermöglicht. Genau hier hakt es besonders in Europa und Deutschland: Viele Firmen testen zwar KI-Tools, passen aber ihre Kernprozesse nicht an.
• Diffusion und Messung sind langsam.
  Viele frühe KI-Gewinne schlagen eher in Qualität als in Quantität durch – bessere Antworten, weniger Fehler, zufriedenere Kunden. Solche Effekte sind schwer zu messen und tauchen entsprechend in klassischen Produktivitätskennzahlen nur unvollständig auf.

Von oben betrachtet dürfte noch schwerer wiegen: Volkswirtschaften sind träge Systeme. In Deutschland dämpfen Energiepreise, Demografie und eine schwächelnde Industrie das Wachstum. Ohne robuste Digital- und Datenbasis kann selbst mächtige Technologie wenig ausrichten. Die USA profitieren von stärkerer Digitalreife und investitionsfreudigen Märkten – aber auch dort ist nur eine moderate Belebung sichtbar.

Stand heute gesichert ist: KI kann in vielen Bereichen Produktivitätsschübe auslösen. Aber Volkswirtschaften werde von Menschen gemacht. Organisationen, Sektoren, Regulierungen und Routinen verändern sich langsam – viel langsamer als KI-Modelle iterieren. Der Harvard Ökonom Daron Acemoglu bringt es wie folgt auf den Punkt: „AI is no magic bullet for growth.“ Anders formuliert: Die Technologie ist schnell, die Volkswirtschaft bleibt langsam.