Die verspätete Rendite: Was die Elektrifizierung über den KI-Boom verrät

Im Sommer 1987 rezensierte der Ökonom Robert Solow für die New York Times ein Buch mit dem Titel "The Myth of the Post-Industrial Economy". Eine Bemerkung, die er dabei im Vorbeigehen fallen ließ, wurde berühmter als das besprochene Buch selbst: Man sehe das Computerzeitalter überall, schrieb er, nur nicht in den Produktivitätsstatistiken (1).

Der Satz traf einen Nerv. US-Unternehmen hatten in den achtziger Jahren gewaltige Summen in Großrechner, Personal Computer und die ersten unternehmensweiten Netzwerke gesteckt. Gemessen am Bruttoinlandsprodukt pro Arbeitsstunde zeigte sich davon fast nichts. Das Produktivitätswachstum der USA war seit den frühen Siebzigern sogar schwächer als in den Jahrzehnten davor, ausgerechnet in der Phase, in der die Informationstechnik zum Massenphänomen wurde. Ökonomen stritten jahrelang, ob das ein Messproblem war oder ein echtes Ausbleiben.

Für das Muster gibt es einen älteren Fall, an dem sich die Mechanik dahinter genauer studieren lässt. Der Wirtschaftshistoriker Paul David zeigte 1990, wie amerikanische Fabriken auf die Elektrifizierung reagierten (2). Die ersten Betriebe ersetzten schlicht ihren Dampfkessel durch einen einzigen großen Elektromotor und behielten die alte Architektur bei: eine zentrale Kraftquelle, die über ein Gewirr aus Transmissionswellen und Riemen unter der Hallendecke jede Maschine antrieb, exakt wie zuvor mit Dampf. Die neue Energiequelle wurde in ein altes Gebäude gezwängt.

Erst rund drei Jahrzehnte später setzte sich eine andere Idee durch: Jede Maschine bekommt ihren eigenen kleinen Motor. Ohne Transmissionswellen ließen sich Hallen niedriger bauen, mit mehr Tageslicht, mit frei versetzbaren Maschinen, teils sogar mehrstöckig. Erst mit dieser Neuordnung des Fabrikbodens zeigte sich der Produktivitätsgewinn der Elektrizität in der Breite.

Die Technologie war neu. Das Gebäude war es nicht.

Die Auflösung von Solows eigenem Rätsel kam, obschon kaum noch jemand danach fragte. Mitte der Neunziger beschleunigte sich das amerikanische Produktivitätswachstum spürbar, getragen von den Computer- und Netzinvestitionen der Vorjahre. Im März 2000, gut dreizehn Jahre nach seiner Pointe, revidierte Solow sie in einem Interview selbst: Man könne Computer inzwischen durchaus in der Produktivitätsstatistik erkennen (3).

Ein einmaliger Umweg mit Happy End war das trotzdem nicht. Ab Mitte der Zweitausenderjahre verlangsamte sich das amerikanische Produktivitätswachstum erneut, obwohl weiter in Computer und Software investiert wurde. Das Muster kehrte wieder, was die Frage aufwirft, ob sich dahinter eine Gesetzmäßigkeit verbirgt und nicht nur ein historischer Zufall.

Genau diese Gesetzmäßigkeit haben die Ökonomen Erik Brynjolfsson, Daniel Rock und Chad Syverson formalisiert. Große Universaltechnologien, ihr Beispiel reicht von der Dampfmaschine bis zur KI, verlangen massive Begleitinvestitionen: neue Arbeitsabläufe, Weiterbildung, Datenstrukturen, umgebaute Organisationen. Diese Investitionen laufen in der Bilanz meist als Kosten, nicht als Kapital, und verschwinden damit weitgehend aus der amtlichen Statistik.

Die gemessene Produktivität unterschätzt die Lage zunächst, weil all die unsichtbare Vorarbeit nirgends auftaucht; sobald die Begleitinvestitionen fertig sind und Ertrag abwerfen, überschätzt sie die Lage eher wieder. Die Autoren nannten das Muster die Produktivitäts-J-Kurve (4). Für das Jahr 2017 rechneten sie nach und kamen auf eine tatsächliche Produktivität, die rund 15,9 Prozent über dem amtlich ausgewiesenen Wert lag, schlicht deshalb, weil die unsichtbaren Investitionen mitgezählt wurden.

Aktuellere Daten des US-amerikanischen Census Bureau bestätigen das Muster auf Ebene einzelner Betriebe, die KI in der industriellen Fertigung einführen: kurzfristige Störungen bei der Einführung, mittelfristige Verbesserungen bei den meisten Firmen (5).

Was in der Statistik wie Stillstand aussieht, ist häufig eine Bauphase.

Dass die aktuelle Investitionswelle historische Dimensionen hat und die Anbieter selbst in eine unbequeme Preislogik zwingt, hat dieser Blog in Die teure Intelligenz nachgezeichnet. Offen blieb dort ein Punkt, der beiläufig klang und es nicht ist: Breite Belege dafür, dass diese Investitionen proportionale Produktivitätsgewinne erzeugen, fehlen bisher. Rund siebzig Prozent der Unternehmen im S&P 500 erwähnen KI mittlerweile in ihren Berichten, aber nur etwa ein Prozentbeziffert deren Effekt auf den Gewinn (6).

Wer nur auf diese Lücke schaut, kann darin den Beweis sehen, dass KI überschätzt wird. Wer die Geschichte der Elektrifizierung und der Computer daneben legt, liest dieselbe Lücke anders: als das erwartbare Tal der J-Kurve. Selbst die Bank für Internationalen Zahlungsausgleich, die den schuldenfinanzierten Ausbau in ihrem Jahresbericht deutlich kritisiert, hält an derselben Stelle fest, KI könne sich langfristig als preisdämpfend erweisen, sofern die versprochenen Produktivitätsgewinne irgendwann einträten (7).

Die Ökonomin Carlota Perez hat für dieses Muster schon 2002 einen Rahmen vorgeschlagen: Große Technologieschübe zerfallen demnach in eine Installationsphase, in der Finanzkapital die Infrastruktur errichtet und dabei regelmäßig übertreibt, und eine spätere Entfaltungsphase, in der die Technik die Wirtschaft tatsächlich durchdringt. Getrennt sind beide Phasen, fast planmäßig, durch einen Crash (8). In dieser Lesart wäre selbst eine platzende Blase kein Gegenargument. Sie wäre Teil des Fahrplans.

Das Solow-Paradox verschiebt damit die Frage: weg vom Ob, hin zum Wann und zu den Bedingungen, unter denen aus Investitionen Rendite wird.

Gegen diese Lesart steht allerdings ein gewichtiger Zeuge. Daron Acemoglu, MIT-Ökonom und Nobelpreisträger, hat 2024 nachgerechnet, was KI in den kommenden zehn Jahren makroökonomisch leisten kann (9). Sein Ergebnis: höchstens 0,66 Prozent zusätzliche totale Faktorproduktivität. Insgesamt, wohlgemerkt, nicht pro Jahr. Goldman Sachs erwartet im selben Zeitraum sieben Prozent zusätzliches Welt-BIP und 1,5 Prozent jährliches US-Produktivitätswachstum. Der gewaltige Abstand zwischen beiden Rechnungen geht im Kern auf eine einzige Annahme zurück: Acemoglu hält nur rund fünf Prozent der Arbeitsaufgaben für profitabel automatisierbar, die Banken 25. Sein Einwand handelt gar nicht von Verzögerung, er bestreitet die Substanz: bescheidene Gewinne, gleichgültig wie lange man wartet. Robert Gordon hatte diesen Gedanken schon 2016 radikalisiert: Die epochalen Erfindungen von der Elektrizität bis zur Sanitärtechnik seien historisch einmalig gewesen, alles Digitale spiele eine Liga darunter (10).

Wer recht behält, wird die Produktivitätsstatistik der nächsten Jahre zeigen. Bis dahin lohnt der Blick auf die Methode, denn dort trennen sich die beiden Rechnungen. Acemoglus Rechnung nimmt die heutigen Arbeitsaufgaben als gegeben und fragt, wie viele davon eine Maschine übernehmen kann. Die J-Kurve fragt etwas anderes: was geschieht, wenn Organisationen ihre Aufgaben um die neue Technik herum neu ordnen. Paul Davids Fabriken wurden nicht dadurch produktiver, dass der Motor die Dampfmaschine ersetzte. Sie wurden es, als der Fabrikboden neu gedacht wurde. Solche Umbauten stehen in keinem Aufgabenkatalog; deshalb fallen sie durch jede Rechnung, die den Status quo fortschreibt.

Was für Volkswirtschaften gilt, wiederholt sich in jeder einzelnen Organisation. Ein Unternehmen oder ein Verband, der KI-Lizenzen einkauft und ansonsten alles beim Alten lässt, vollzieht denselben Tausch wie die Fabriken um 1900: Der Dampfkessel fliegt raus, der Elektromotor kommt rein, die Transmissionswellen bleiben hängen. Der Assistent schreibt dann schneller Protokolle für Sitzungen, die es womöglich gar nicht mehr bräuchte. Genau solche Organisationen sind es übrigens, die Acemoglus nüchterne Rechnung am Ende bestätigen würden.

Die eigentliche Investition taucht in keinem Lizenzpreis auf: Abläufe hinterfragen, Zuständigkeiten neu schneiden, Wissen so strukturieren, dass Maschinen damit arbeiten können. Sie ist unbequem, langsam und in keiner Quartalszahl sichtbar. Sie ist zugleich der Teil, der über die Rendite entscheidet. Für Europa, wo die großen Infrastrukturinvestitionen ohnehin ausbleiben und EZB-Chefökonom Philip Lane vorerst "relativ gedämpfte" Impulse erwartet (11), liegt darin sogar eine leise Pointe: Die Begleitinvestitionen in die eigene Organisation kann niemand nach Amerika delegieren. Sie sind der Teil der Kurve, der vor Ort stattfindet oder gar nicht.

Wem die Erträge der verspäteten Rendite am Ende zufließen, ist eine eigene Rechnung, die einen eigenen Text verdient. Hier zählt zunächst die einfachere Wahrheit: Jede neue Maschine braucht zuerst ein neues Haus, in dem sie stehen kann.