Volkswirte im KI-Nebel: Rechnen sie noch, oder nur noch nach?

Es ist die alte Frage in neuem Kleid. Robert Solow formulierte sie in den Achtzigern, als Computer in jeden Betrieb einzogen, die Produktivitätsstatistik aber keinen entsprechenden Sprung zeigte. Sein Satz wurde zum geflügelten Wort: Man sehe Computer überall, nur nicht in den volkswirtschaftlichen Aggregaten. Heute, vier Jahrzehnte später, wiederholt sich das Schauspiel. Nur lauter, schneller, teurer. KI-Systeme durchdringen Büros, Fabriken, Callcenter. Milliarden fließen in Rechenzentren und Grafikprozessoren. Die Börsen feiern. Und die Wirtschaftsforscher tasten sich durch Nebel.

Eine Analyse des Fortune-Magazins zieht die Parallele zur Internetblase der frühen Neunziger explizit. Damals wie heute stehen Ökonomen vor dem gleichen Rätsel: Investitionen ja, Produktivitätsschub in den Makrodaten — Fehlanzeige. Wer damals prognostizierte, tat es im Nebel. Wer heute prognostiziert, tut es erneut.

Der Economist hat das im Februar auf den Punkt gebracht. Die Überschrift klingt wie eine Warnung: „The AI productivity boom is not here (yet)." Die Methodik der Forscher ist eigentlich überschaubar. Drei Hebel müssen greifen, damit KI in den Produktivitätszahlen auftaucht: Wie verbreitet ist die Technologie? Wie intensiv wird sie tatsächlich genutzt? Und wie stark verändert sie die Wertschöpfung pro Arbeitsstunde? Solange diese drei Größen nicht sauber messbar sind, bleibt jeder Versuch, KI in bewährte Wachstumsmodelle einzuspeisen, eine Schätzung im Nebel.

Und trotzdem wird gerechnet. Die Stanford Economic Review etwa führt die KI-Investitionswelle explizit als einen der zentralen Wachstumstreiber für die Vereinigten Staaten und die Weltwirtschaft in diesem Jahr an. Die Argumentation folgt dem schumpeterschen Muster der schöpferischen Zerstörung. Alte Industrien fallen, neue entstehen. Nur — und hier beginnt mein Unbehagen — funktioniert dieses Muster noch, wenn die „neue Struktur" kein Werkzeug ist, das wir beherrschen, sondern ein System, dessen Wirkungen wir nur teilweise voraussehen können?

Das ist der Kern. Ökonomische Modelle, von Keynes bis Solow, von Cobb-Douglas bis zu modernen DSGE-Konstrukten, setzen Akteure voraus, deren Entscheidungen sich aus Anreizen, Erwartungen und historischen Daten ableiten lassen. Ein Arbeiter, ein Unternehmen, ein Konsument — reagierend auf Preise, Zinsen, Löhne. Die KI bricht diese Prämisse. Sie ist kein Akteur im klassischen Sinn. Sie ist ein Werkzeugkasten, dessen Werkzeuge sich während des Gebrauchs verändern. Ihre Auswirkungen auf Produktivität sind nicht-linear, oft erst verzögert sichtbar, und in den Volkswirtschaftlichen Gesamtrechnungen bislang kaum als eigenständige Größe erfassbar.

Wer derzeit Konjunkturprognosen für das weitere Jahr 2026 liest, sollte die Quellen mitlesen. Die Analysten arbeiten mit Annahmen über KI-Adoption, die sich auf Unternehmensumfragen stützen. Produktivitätsmessungen kommen mit Verzögerung von Quartalen. Die Kausalketten — Investition in KI führt zu Produktivitätsschub, der zu Wachstum, das zu Beschäftigung — bleiben, vorsichtig formuliert, eine Hypothese. Keine Bilanz.

Die Volkswirte sind das Gehirn der Wirtschaftspolitik. Ihre Modelle füttern Notenbanken, Finanzministerien, Aufsichtsbehörden. Wenn dieses Gehirn mit einer Variablen konfrontiert wird, die es nicht greifen kann, dann werden die Empfehlungen unzuverlässig. Nicht falsch. Unzuverlässig. Das ist keine Verschwörungstheorie, das ist Mathematik.

Wer zahlt den Preis für diese Unschärfe? Vermutlich jene, deren Entscheidungen auf Prognosen beruhen, die der Realität vorauseilen. Der Sparer, dessen Zins sich an einer Wachstumsrate orientiert, die es so nicht geben wird. Der Arbeitnehmer, dessen Tätigkeit an Effizienzgewinnen hängt, die in keiner offiziellen Statistik auftauchen. Der Steuerzahler, dessen Subventionen in eine Technologie fließen, deren gesellschaftlicher Ertrag derzeit nicht bezifferbar ist.

Die historische Parallele hilft nur bedingt. Im Fall des Internets dauerte es fast ein Jahrzehnt, bis die versprochene Produktivitätswelle tatsächlich in den Aggregaten sichtbar wurde. Heute, mit KI, stehen wir möglicherweise am Anfang einer ähnlichen Geduldsprobe. Oder vor etwas, das sich der modellhaften Erfassung grundsätzlich entzieht.

Mein Büro riecht nach Lötzinn und kaltem Kaffee. Ich bin keine Ökonomin. Ich bin Telegraphistin. Ich übersetze Signale. Und das Signal, das ich derzeit höre, ist kein klares Pfeifen — es ist ein Rauschen. In diesem Rauschen werden weiter Zahlen produziert, werden weiter Modelle gefüttert, werden weiter Empfehlungen ausgesprochen. Ob sie noch halten, was sie versprechen, wird sich zeigen. Frühestens in den Aggregaten der nächsten Quartale. Später, sehr wahrscheinlich, in den Bilanzen derer, die zu früh geglaubt haben.

Bis dahin gilt: Rechnen ist nicht Verstehen. Und Prognostizieren ist nicht Kontrollieren. Die KI ist kein Parameter in einer Gleichung. Sie ist eine Kraft, deren Richtung wir derzeit nur ahnen.