Die Produktivitätslücke: Was KI bisher messbar bringt, und was nicht

Wenn KI die Arbeit schneller macht, müsste sich das an der Arbeitsproduktivität zeigen, also an der Wirtschaftsleistung je Arbeitsstunde. In den USA wächst sie seit Ende 2019 um 2,1 % im Jahr, so schnell wie im Schnitt seit 1947. Teil 2 dieser Serie hat gezeigt, dass die verlässlichen Dividenden früherer Infrastrukturwellen aus der Nutzung der Netze kamen. Heute prüfe ich, ob sich die KI-Nutzung schon in den Daten zeigt.

Ein Satz von 1987 und die lange Leitung der Fabriken

Im Juli 1987 schrieb der Ökonom Robert Solow sinngemäß, das Computerzeitalter sehe man überall, nur nicht in der Produktivitätsstatistik. Seither heißt diese Lücke Solow-Paradox.

1990 zeigte der Wirtschaftshistoriker Paul David, dass es beim Strom genauso lief. 1899 stellten Elektromotoren in amerikanischen Fabriken weniger als 5 % der Antriebsleistung, gut die Hälfte erst Anfang der 1920er-Jahre, vier Jahrzehnte nach dem ersten öffentlichen Kraftwerk. Erst dann zeigte sich der Strom in der Produktivität der Industrie.

In den alten Fabriken trieb eine zentrale Dampfmaschine über lange Wellen und Treibriemen alle Maschinen an. Beim Umrüsten kamen Elektromotoren meist nur dazu, weil sich der Ersatz funktionierender Anlagen nicht lohnte. Den Sprung brachten neue Werke, in denen jede Maschine ihren eigenen Motor hatte und die Hallen dem Arbeitsablauf folgten.

Was die amtlichen Zahlen zeigen

Die jüngste Produktivitätsmeldung der US-Arbeitsstatistikbehörde BLS stammt vom 3. September 2026. Die Behörde rechnet von Konjunkturhoch zu Konjunkturhoch. Seit dem Hoch vor der Pandemie Ende 2019 sind es 2,1 % im Jahr, spürbar mehr als die 1,5 % von 2007 bis 2019.

Je Arbeitsstunde, Veränderung zum Vorjahr	USA (Unternehmen ohne Landwirtschaft)	Deutschland (alle Wirtschaftsbereiche, Stand 25. August)
2023	+2,1 %	−1,2 %
2024	+3,0 %	−0,3 %
2025	+2,1 %	+1,1 %
2. Quartal 2026	+2,2 %	+1,5 %

Das deutsche Plus 2025 entstand bei nur 0,2 % Wirtschaftswachstum, vor allem durch 0,8 % weniger Arbeitsstunden.

Einen KI-Effekt sieht man keiner dieser Zahlen an. Die ersten Jahre des US-Zyklus verzerrt die Pandemie, und KI-Chatbots gibt es für die breite Masse erst seit Ende 2022.

Wo die Wirkung schon messbar ist

Klarer wird das Bild in Studien, in denen nur ein Teil der Beschäftigten KI-Hilfe bekommt.

Studie	Wer, was	Ergebnis mit KI	Grenze
Brynjolfsson u. a., Quarterly Journal of Economics 2025	5.172 Kundendienst-Mitarbeiter eines US-Softwareanbieters	15 % mehr gelöste Fälle je Stunde, bei Neulingen und weniger Qualifizierten 30 %	ein Unternehmen, meist Support von den Philippinen aus, Einführung 2020/21; die Besten kaum schneller, ihre Qualität leicht schlechter
Noy, Zhang, Science 2023	453 Berufstätige mit Hochschulabschluss, berufsnahe Schreibaufgaben online	40 % weniger Zeit, Qualität 18 % besser bewertet	Versuch Anfang 2023, kurze Aufgaben ohne Firmenwissen
Dell'Acqua u. a., Organization Science 2026	758 Berater einer internationalen Unternehmensberatung	bei Aufgaben, die die KI gut beherrscht, 25,1 % schneller und 32 % bessere Qualität; jenseits ihrer Stärken je nach KI-Gruppe 60 bzw. 70,6 % richtige Lösungen, ohne KI 84,5 %	eine Firma, Werkzeugstand 2023
Becker u. a., Arbeitspapier Juli 2025	16 erfahrene Programmierer frei verfügbarer Software, 246 Aufgaben in vertrauten Projekten	19 % mehr Zeit	sehr kleine Stichprobe, Werkzeugstand Anfang 2025

Das Muster: Am meisten bringt KI Einsteigern und bei Standardtexten. Könner in komplexer, vertrauter Arbeit gewinnen wenig oder verlieren Zeit, und jenseits der Stärken des Werkzeugs kann das Ergebnis leiden, obwohl die Aufgabe nicht schwerer wirkt.

Besonders beschäftigt mich die Entwicklerstudie. Vorher erwarteten die Teilnehmer 24 % Zeitersparnis, hinterher glaubten sie, 20 % gespart zu haben. Gemessen war das Gegenteil. Eine Folgemessung vom Februar 2026 deutet auf Zeitgewinne hin, deren Größe aber kaum abzulesen ist, weil gerade Entwickler, die nicht mehr ohne KI arbeiten wollten, nicht mitmachten oder Aufgaben zurückhielten. Die Autoren halten den gemessenen Gewinn deshalb eher für zu niedrig.

Wie weit die Nutzung reicht

In der Firmenumfrage des US-Statistikamts vom 8. Oktober gaben 23,8 % der Firmen ab einem Beschäftigten an, in den zwei Wochen bis zum 20. September KI genutzt zu haben. In Deutschland nutzten 2025 laut Statistischem Bundesamt 26 % der Unternehmen ab zehn Beschäftigten KI. Beide Umfragen zählen nur, ob eine Firma KI überhaupt nutzt, gleich ob für E-Mail-Entwürfe oder eine umgebaute Auftragsbearbeitung.

Die Schätzungen liegen weit auseinander

Wie groß der Effekt einmal wird, schätzen Forscher mit Modellen, meist für die Gesamtfaktorproduktivität: das Wachstum, das übrig bleibt, wenn man mehr Arbeitsstunden und mehr Maschinen herausrechnet. Acemoglu (2025) kommt für die USA auf höchstens 0,66 % mehr in zehn Jahren, rund 0,06 Prozentpunkte im Jahr. Ein OECD-Papier (2024) nennt für die USA 0,25 bis 0,6 Prozentpunkte pro Jahr. Aghion und Bunel (2024) kommen mit Acemoglus Rechenweg auf 0,07 bis 1,24 Prozentpunkte, im Basisszenario auf 0,68.

Warum die Kurve erst nach unten zeigt

Brynjolfsson, Rock und Syverson (2021) beschreiben eine Produktivitäts-J-Kurve: erst ein Knick nach unten, dann ein langer Anstieg. Stell dir vor, ein Pflegeheim führt eine neue Dokumentationssoftware ein. Monatelang gehen Stunden in Schulung, ohne dass mehr Bewohner versorgt werden. Das aufgebaute Können erfasst keine Statistik, also wirkt die Produktivität erst gesunken und später, wenn das Team schneller arbeitet, zu hoch. Rechnen die Autoren solches unsichtbare Kapital rund um Computer und Software ein, lag die Gesamtfaktorproduktivität in den USA Ende 2017 um 15,9 % über dem amtlichen Wert.

Zum Mitnehmen

In den amtlichen Zahlen ist KI, Stand Ende September 2026, noch nicht zu sehen. Beim Strom dauerte das vier Jahrzehnte. Nach der Einteilung aus Teil 2 kam sein Produktivitätsschub noch im Börsenrausch der Zwanziger, vor dem Zusammenbruch der Strom-Holdings.

Dividenden werden aus Gewinnen bezahlt, und Produktivität wird nur zu Gewinn, wenn ein Unternehmen den Vorteil behalten kann. Das gelingt Firmen mit Preismacht, deren Kunden auch bleiben, wenn die Preise nicht sinken. Wer im harten Preiswettbewerb steht, reicht den Vorteil über niedrigere Preise weiter. Für die Dividendenfrage sagt deshalb die Marge der KI-Nutzer, also der Anteil vom Umsatz, der als Gewinn übrig bleibt, mehr als der Umsatz der KI-Anbieter. Was KI für Beschäftigte bedeutet, ist das Thema von Teil 4 am Mittwoch, 28. Oktober.

Die Entwicklerstudie mahnt mich, eigene Werkzeuge nachzumessen. Wie ich mein Frühwarnsystem für Dividendenkürzungen gegen zwölf Jahre Daten geprüft und das Ergebnis veröffentlicht habe, obwohl es in weiten Teilen gegen das System ausfiel, steht im Premium-Beitrag Der Rückwärtstest, der gegen mein eigenes Produkt spricht.