In den 1970er- und 1980er-Jahren hatte der US-amerikanische Ökonom Robert Solow festgestellt, dass die massive Einführung von Informations- und Kommunikationstechnologien (IKT) in den Zahlen kaum Spuren hinterließ. Im Jahr 1987, als er den Nobelpreis für Wirtschaftswissenschaften erhielt, wies er darauf hin, dass Computer in den Vereinigten Staaten zwar fast überall zu finden seien, nur nicht in den Produktivitätsstatistiken. Fast vierzig Jahre später könnte dieses nach ihm benannte Paradoxon auch auf die künstliche Intelligenz (KI) zutreffen.
Unter KI versteht man die Gesamtheit der Techniken, die es Maschinen ermöglichen, menschliche Intelligenz zu simulieren. Laut der OECD gehört sie zu den TUG, einem Akronym für Technologien mit allgemeiner Anwendungsbreite (Technologies of General Use), wie die Dampfmaschine, die Elektrizität oder in jüngerer Zeit die IKT, die seit zweieinhalb Jahrhunderten die Volkswirtschaften und Gesellschaften weltweit grundlegend verändert haben. Die Anfänge der KI reichen bis in die 1950er Jahre zurück (damals sprach man noch von Robotisierung), doch vor allem ihre rasante Entwicklung in den letzten zehn Jahren gilt als technologische Revolution. Wie ihre Vorgänger könnte sie erhebliche Umwälzungen in Wirtschaft, Gesellschaft und Arbeitswelt hervorrufen, indem sie sich auf zahlreiche menschliche Tätigkeiten ausweitet. Ihre Auswirkungen lassen sich jedoch nach wie vor nur schwer abschätzen. Dies geht aus dem Bericht „Die wirtschaftlichen Herausforderungen der künstlichen Intelligenz“ hervor, der im April von der Generaldirektion des französischen Finanzministeriums veröffentlicht wurde.
Den Autoren zufolge weckt die KI auf makroökonomischer Ebene große Erwartungen hinsichtlich Produktivitätssteigerungen – jenem unverzichtbaren Motor für Wachstum. Dies war in der Vergangenheit bereits bei den „großen Erfindungen“ der Fall, die zu einer Steigerung der Gesamtproduktivität führten, die sich über einen langen Zeitraum hinweg durch schrittweise eingeführte Produkt-, Verfahrens- oder Organisationsinnovationen (wie die computergestützte Fertigung) entfaltete. KI unterscheidet sich von früheren Innovationswellen dadurch, dass sie auch Produktivitätssteigerungen bei der Ideenfindung ermöglicht. KI-Modelle, insbesondere die leistungsstarken „Foundation-Modelle“, die 2018 aufkamen, beschleunigen den Innovationsprozess, da sie in der Lage sind, extrem umfangreiche und komplexe Datenbanken (Text, Ton, Bild) zu verarbeiten und daraus völlig neue Ideen, Konzepte und Produkte abzuleiten. So werden KI-Modelle bereits in großem Umfang zur Entwicklung neuer Medikamente eingesetzt. Sie können zudem den Forschungsprozess beschleunigen, indem sie die Generierung von Arbeitshypothesen erleichtern. Auf diese Weise könnten sie sogar „die Erfindung einer Erfindungsmethode“ darstellen.
In mehreren explorativen Studien wurde versucht, die potenziellen Auswirkungen einer flächendeckenden Einführung von KI auf das BIP zu quantifizieren. Vor der Verbreitung von Foundation-Modellen schätzten einige Studien, dass dies eine zusätzliche weltweite Wirtschaftstätigkeit von etwa 13.000 Milliarden Dollar generieren könnte, was einem durchschnittlichen zusätzlichen Wachstum des weltweiten BIP von etwa 1,2 Prozentpunkten pro Jahr zwischen 2018 und 2030 entspräche. Einer neueren Studie aus den USA zufolge könnte die generative KI allein das jährliche Wachstum der Arbeitsproduktivität in diesem Land über einen Zeitraum von zehn Jahren nach einer flächendeckenden Einführung um fast 1,5 Prozentpunkte ankurbeln, während es im Zeitraum 2005–2018 nur um 1,3 Punkte und im Zeitraum 2010–2018 um 0,8 Punkte gestiegen ist.
Diese Schätzungen sind jedoch aufgrund der Ausgangshypothese (massive Einführung), der rasanten technologischen Entwicklung und der verwendeten Methodik mit Vorsicht zu betrachten. In der Praxis sind die makroökonomischen Auswirkungen der KI bislang begrenzt und ungewiss. Die vorliegenden empirischen Studien haben keinen statistisch signifikanten Einfluss der KI auf das Wachstum nachgewiesen, insbesondere in Europa. Damit kehrt das „Solow-Paradoxon“ zurück. Dafür werden mehrere Erklärungen angeführt.
Erstens wurde KI bislang noch relativ wenig in die Produktionsprozesse integriert, wobei es erhebliche Unterschiede zwischen den einzelnen Branchen gibt. Vor der jüngsten Entwicklung der Basis-Modelle schien die Einführung von KI-Technologien sogar eine Stagnationsphase erreicht zu haben. Zudem verläuft die Entwicklung der KI innerhalb der Unternehmen uneinheitlich, wobei sich die Vorteile vor allem auf diejenigen konzentrieren, die diese Technologien frühzeitig eingeführt haben.
Zweitens würden die mit der KI verbundenen Vorteile die anfänglichen Kosten für ihre Einführung noch nicht übersteigen. Wie bei den ihr vorausgegangenen technologischen Umbrüchen erfordert auch die KI eine Umstrukturierung der Unternehmen, eine Neugestaltung der Arbeitsweisen und Kompetenzen sowie zusätzliche Investitionen, was zu verzögerten Auswirkungen auf die Produktivität führt. Betrachtet man nun die mikroökonomische Ebene, bleibt man noch auf dem Trockenen sitzen, da Belege dafür, dass KI die Produktivität von Unternehmen steigert, nach wie vor rar sind.
Zwar zeigen erste empirische Untersuchungen an US-amerikanischen Unternehmen, dass diejenigen, die im Bereich der KI innovativ sind, produktiver sind als andere, doch sind die Belege für einen Kausalzusammenhang nach wie vor dürftig. In Unternehmen scheint der Einsatz von KI einen bescheidenen (und statistisch nicht signifikanten) Effekt auf die Produktivität zu haben, was sich durch einen „Verzögerungseffekt“ erklären lässt, sondern auch durch die gleichzeitige Einführung anderer Technologien, wodurch die festgestellte Verbesserung nicht allein der KI zugeschrieben werden kann. Andererseits wurden die Untersuchungen an Unternehmen einer bestimmten Größe durchgeführt, die am leistungsstärksten sind und am ehesten dazu neigen, KI einzuführen, da ihre Ressourcen es ihnen auch ermöglichen, die ergänzenden Ressourcen zur KI besser einzusetzen, um den vollen Nutzen daraus zu ziehen.
Demgegenüber liegen Daten vor, die auf positive Auswirkungen der Einführung und Nutzung von KI (insbesondere von Grundmodellen) auf die individuelle Produktivität bestimmter Arbeitnehmer hindeuten. Im IT-Bereich beispielsweise würde ein auf KI-Technologien basierender Programmierassistent bei der Datencodierung eine um 55 Prozent höhere Produktivität erzielen. Bei einfachen Schreibaufgaben (wie Finanzierungsanträgen oder der Zusammenfassung von Texten) würden Fachkräfte, die einen KI-basierten Chatbot nutzen, von einem durchschnittlichen Produktivitätsgewinn von 37 Prozent profitieren. Mit der Entwicklung neuer Generationen von KI-Modellen könnten sich diese Erkenntnisse auf zahlreiche weitere Branchen ausweiten.
Innerhalb eines bestimmten Berufsbildes scheinen sich die Gewinne jedoch auf die am wenigsten produktiven Arbeitnehmer zu konzentrieren, während die produktivsten davon nicht (oder nur in geringem Maße) profitieren. So steigert beispielsweise die Einführung einer KI-Technologie, die Taxifahrern durch Routenvorschläge hilft, die Effizienz der am wenigsten produktiven Fahrer, nicht jedoch die der leistungsstärksten. Bei den Kundenberatern lässt sich ein durchschnittlicher Produktivitätsgewinn von vierzehn Prozent bei denjenigen beobachten, die Zugang zu Chatbots haben, die aber gleichzeitig die unerfahrensten sind. Das verwendete KI-Modell ermöglicht es nämlich, das „implizite Wissen“ der erfahrensten Mitarbeiter besser an ihre Kollegen weiterzugeben, wodurch deren Wissenslücken teilweise geschlossen werden. Infolgedessen verringern sich die Produktivitätsunterschiede zwischen diesen beiden Mitarbeitergruppen (um vierzehn Prozent bei den Taxifahrern).
Dieser Aufholeffekt ist auch in höher qualifizierten Berufen zu beobachten. Im Jahr 2023 zeigte eine von der Harvard-Universität veröffentlichte Studie über die Mitarbeiter einer internationalen Beratungsfirma, dass bei der Ausführung kreativer Aufgaben (Entwicklung, Markteinführung und Vermarktung neuer Produkte) der Einsatz von KI die Produktivität der ursprünglich leistungsschwächsten Mitarbeiter um 43 Prozent steigerte, während bei den produktivsten Mitarbeitern lediglich eine Verbesserung um 17 Prozent zu verzeichnen war.
Produktivitätsschock
Der mögliche Beitrag der KI zur Steigerung der Produktivität weckt in Europa, wo der Bedarf an einem „Produktivitätsschub“ spürbar ist, große Hoffnungen. Im Jahr 2023 sank das BIP pro Arbeitsstunde im Euroraum um durchschnittlich ein Prozent, was vor allem auf den Rückgang in vier der fünf größten Volkswirtschaften zurückzuführen war: den Niederlanden, Frankreich, Deutschland und Italien. Davon betroffen sind vor allem die Industrie, das Baugewerbe, die Transport- und Vertriebsdienstleistungen, der Finanzsektor sowie der öffentliche Dienst. Dieser Rückgang ist umso überraschender, als er mit einem historischen Höchststand bei den Unternehmensinvestitionen einhergeht.
Noch beunruhigender ist, dass dieser Indikator nicht nur von seinem langfristigen Trend abzuweichen scheint, sondern sich auch der Abstand zu den Vereinigten Staaten vergrößert. Die Folge zeigt sich beim Wachstum des Pro-Kopf-BIP. Eine Studie von McKinsey hat gezeigt, dass es zwischen 2010 und 2020 im Jahresdurchschnitt in der EU nur halb so schnell gestiegen ist wie in den USA (0,8 Prozent gegenüber 1,7 Prozent). Die Weltbank hat berechnet, dass das Pro-Kopf-BIP der USA im Jahr 2010 um 30 Prozent über dem der Länder der Eurozone lag. Im Jahr 2022 war dieser Anteil auf 87 Prozent gestiegen.
Und wie sieht es mit den Arbeitsplätzen aus ?
Dem französischen Bericht zufolge deuten die wenigen Schätzungen zu den aggregierten Auswirkungen der KI auf die Beschäftigung, die sich zudem auf die Industrieländer beschränken, auf einen bislang noch bescheidenen Effekt hin, lassen jedoch keine Rückschlüsse auf künftige Entwicklungen zu. Nach Ansicht des IWF könnten 60 Prozent der Arbeitsplätze in den fortgeschrittenen Volkswirtschaften in hohem Maße von KI betroffen sein: 27 Prozent seien stark komplementär und könnten daher am ehesten davon profitieren, während KI 33 Prozent der Arbeitsplätze ersetzen könnte. Nach Angaben der ILO ist in den Industrieländern die Zahl der Arbeitsplätze mit Verbesserungspotenzial durch KI (13,4 Prozent) deutlich höher als die der Arbeitsplätze mit Ersatzpotenzial durch KI (5,1 Prozent). Eine US-amerikanische Studie, die sich speziell mit dem Aufkommen von Foundation-Modellen befasste, zeigte, dass zwar bei 80 Pro Prozent der Beschäftigten könnten mindestens zehn Prozent ihrer Aufgaben ersetzt werden, könnte dieser Anteil bei fast der doppelten Zahl der Beschäftigten mindestens die Hälfte erreichen, sodass sie einem erheblichen Substitutionsrisiko ausgesetzt wären.
