Viele Unternehmen sprechen in Earnings Calls über Künstliche Intelligenz, aber in den harten Kennzahlen kommt der große Durchbruch oft noch nicht an. Genau dieser Widerspruch erinnert Ökonominnen und Ökonomen an ein bekanntes Muster aus der Computergeschichte, das als Solow-Paradox berühmt wurde.
Ein Déjà-vu aus der IT-Geschichte
Schon nach den großen Halbleiter-Innovationen der 1960er-Jahre erwarteten Wirtschaft und Unternehmen einen deutlichen Produktivitätsschub. Stattdessen fiel das Produktivitätswachstum in den USA über lange Strecken. Robert Solow brachte den Widerspruch 1987 auf den Punkt: Das Computerzeitalter sei überall sichtbar, nur nicht in der Produktivitätsstatistik.
Die Erklärung damals war unter anderem banal und gleichzeitig wichtig: Neue Technik erzeugte zunächst mehr Daten, mehr Reports, mehr Koordinationsaufwand. Der organisatorische Nutzen kam verzögert.
Was aktuelle CEO-Daten zu KI zeigen
Heute wiederholt sich dieses Spannungsfeld in neuer Form. Zwar nennen immer mehr börsennotierte Unternehmen KI als strategisches Thema. Gleichzeitig zeigen Befragungen von Führungskräften in mehreren Ländern, dass der praktische Effekt bisher häufig klein bleibt:
- KI wird zwar breit getestet, aber oft nur wenige Stunden pro Woche genutzt.
- Ein relevanter Teil der Befragten nutzt KI am Arbeitsplatz noch gar nicht.
- Der Großteil der Firmen sieht in den letzten Jahren keinen klaren Effekt auf Beschäftigung oder Produktivität.
Gleichzeitig bleiben die Erwartungen hoch: Für die kommenden Jahre rechnen viele Verantwortliche weiterhin mit steigender Produktivität und mehr Output durch KI.
Warum der Durchbruch ausbleiben kann
Zwischen technologischer Verfügbarkeit und messbarer Wirkung liegt in der Praxis ein tiefer Implementierungsgraben. Drei Punkte stechen dabei heraus:
- Nutzungstiefe statt Tool-Existenz: Ein KI-Account allein verändert noch keinen Prozess. Der Effekt entsteht erst, wenn Teams Arbeitsabläufe, Verantwortlichkeiten und Qualitätskontrollen neu aufsetzen.
- Komplexität frisst Gewinne: Zu viele parallele KI-Tools können Produktivität sogar senken. Studien beschreiben bei Übernutzung kognitive Überlastung, mehr kleine Fehler und sinkende Konzentration.
- Vertrauen und Kompetenzlücke: Wenn Mitarbeitende KI zwar nutzen, ihr aber nicht vertrauen oder nicht ausreichend geschult sind, bleiben Potenziale auf der Strecke.
Gemischte Evidenz ist normal, nicht überraschend
Die Forschung liefert derzeit kein einheitliches Bild. Einige Analysen sehen bereits positive Effekte auf die Produktivität, andere eher moderate Zuwächse über längere Zeiträume. Das ist in Transformationsphasen typisch: Frühindikatoren springen an, während Makrodaten langsamer reagieren.
Hinzu kommt, dass Produktivität nicht nur im Büro entsteht. Untersuchungen legen nahe, dass KI im Alltag Zeit spart, diese Zeit aber nicht automatisch in zusätzliche Arbeitsleistung fließt. Ein Teil wandert in Freizeit oder andere private Aktivitäten. Auch das dämpft den kurzfristigen Effekt auf volkswirtschaftliche Kennzahlen.
Der J-Kurven-Effekt: Erst Reibung, dann Hebel
Ein plausibles Szenario ist die sogenannte J-Kurve: Anfangs steigen Investitionen und Reibungsverluste, bevor die Wirkung sichtbar wird. Genau das kennen wir aus früheren Technologiewellen. Wenn Prozesse, Rollen und Führungslogik nachziehen, kann aus punktueller KI-Nutzung ein echter Systemeffekt werden.
Ob dieser Effekt groß ausfällt, hängt weniger vom Modell selbst ab als von der Umsetzung im Unternehmen. Wert entsteht dort, wo KI in Entscheidungswege, Servicequalität, Time-to-Market und Lernzyklen eingebettet wird.
Was Unternehmen jetzt konkret tun sollten
- Auf wenige, messbare Use Cases fokussieren statt Tool-Sammlung ohne Priorität.
- Produktivität klar definieren (Zeitgewinn, Fehlerquote, Durchlaufzeit, Marge) und monatlich tracken.
- Arbeitsdesign anpassen: Prozesse, Rollen und Entscheidungsspielräume gemeinsam neu schneiden.
- Kompetenz gezielt aufbauen: Training nah am Alltag, mit klaren Standards für Qualität und Verantwortung.
- Führungskräfte in die Pflicht nehmen: KI-Erfolg ist ein Umsetzungs- und kein reines IT-Thema.
Fazit: KI ist keine Abkürzung, sondern ein Hebel. Der Hebel wirkt, wenn Unternehmen ihn sauber ansetzen. Dann kann aus dem scheinbaren Paradox ein belastbarer Produktivitätsschub werden.
Dieser Beitrag ist inspiriert durch folgenden Artikel.
https://fortune.com/article/why-do-thousands-of-ceos-believe-ai-not-having-impact-productivity-employment-study/
