KI-Boom spiegelt das IT-Produktivitätsparadoxon der 1990er-Jahre wider

Ein Bericht der US-Notenbank Fed vergleicht die aktuelle Stagnation der KI-Produktivität mit den Verzögerungen bei der Einführung des Internets in den 90ern.

In der globalen Wirtschaft zeigen sich zwei gegensätzliche Entwicklungen, die Ökonomen vor Rätsel stellen. Auf der einen Seite setzt sich das Wirtschaftswachstum robust fort, während das Beschäftigungswachstum spürbar nachlässt. Diese Konstellation deutet darauf hin, dass die Effizienz der verbleibenden Arbeitskräfte steigt. Auf der anderen Seite zeigen die offiziellen makroökonomischen Kennzahlen, dass das Produktivitätswachstum in den letzten Jahren stagniert hat und im ersten Quartal 2026 sogar rückläufig war. Technologen und Wirtschaftsführer argumentieren fortlaufend, dass der massive Einsatz von Systemen der künstlichen Intelligenz die Arbeitsabläufe optimieren und die Wirtschaft grundlegend verändern wird. In den aggregierten Daten ist dieser Effekt bislang jedoch nicht nachweisbar.

In bestimmten Berufsfeldern führt die Nutzung generativer Werkzeuge dazu, dass Angestellte das gleiche Arbeitspensum in wesentlich kürzerer Zeit bewältigen. Eine Untersuchung der London School of Economics aus dem vergangenen Jahr bezifferte die potenzielle Zeitersparnis auf die Größenordnung von bis zu einem vollständigen Arbeitstag pro Woche. In der Wirtschaftswissenschaft wird dieser Prozess als Kapitalvertiefung bezeichnet. Dies beschreibt eine Situation, in der Arbeitskräfte Zugang zu besseren Betriebsmitteln erhalten und dadurch ihre individuelle Leistungsfähigkeit steigern, vergleichbar mit dem Übergang von der manuellen Arbeit zu mechanischen Großgeräten im Bauwesen.

Die historische Parallele zum Produktivitäts-Paradoxon der 1990er Jahre

Ein Forschungsbericht der Federal Reserve Bank of San Francisco liefert eine historische Analogie für diese statistische Diskrepanz. Die Ökonomen ziehen Parallelen zwischen den heutigen massiven Investitionen in künstliche Intelligenz und der schrittweisen Einführung des Internets in den frühen und mittleren 1990er Jahren. Auch damals hatten Angestellte plötzlich Zugriff auf bahnbrechende Technologien, während viele Unternehmen in einem langjährigen Produktivitäts-Paradoxon feststeckten, das die Wirtschaft zwischen den 1970er und 1990er Jahren prägte. Trotz enormer Investitionen in die Informationstechnologie blieb eine messbare Steigerung der gesamtwirtschaftlichen Effizienz über Jahre hinweg aus.

Diese historische Verzögerung erwies sich im Rückblick als reine Anpassungsphase, bevor ein umfassender Produktivitätsschub einsetzte. Die Forscher der Zentralbank betonen, dass es in Echtzeit äußerst schwierig ist, den Beginn einer langanhaltenden Wachstumsphase präzise zu bestimmen. Der Nobelpreisträger Robert Solow fasste diese Dissonanz im Jahr 1987 in einer prägnanten Bemerkung zusammen: „Sie können das Computerzeitalter überall sehen, außer in den Produktivitätsstatistiken.“ Die heutige Entwicklung im Bereich der künstlichen Intelligenz weist strukturell identische Merkmale auf.

Diskrepanz zwischen Arbeitsproduktivität und totaler Faktorproduktivität

Zur Messung der wirtschaftlichen Leistungsfähigkeit nutzen Ökonomen primär zwei unterschiedliche Kennzahlen, die gegenwärtig in entgegengesetzte Richtungen weisen. Die klassische Arbeitsproduktivität misst den wirtschaftlichen Ertrag pro geleisteter Arbeitseinheit. Die totale Faktorproduktivität, abgekürzt als TFP, ist eine breitere Kennzahl, welche erfasst, wie effizient eine Volkswirtschaft sämtliche eingesetzten Ressourcen in messbaren Ertrag umwandelt. Während die reine Arbeitsproduktivität in den vergangenen Jahren solide Zuwächse verzeichnete, stagniert die totale Faktorproduktivität seit dem Ende der Pandemie.

Diese Divergenz wird von den Forschern der Federal Reserve Bank dahingehend interpretiert, dass einzelne Angestellte auf individueller Ebene zwar schneller und produktiver arbeiten, die Gesamtwirtschaft dadurch aber nicht zwingend an Effizienz gewinnt. Dieses Muster gleicht der Entwicklung der Computerisierung ab Mitte 1996. Damals beschleunigte sich die Arbeitsproduktivität deutlich vor der totalen Faktorproduktivität, während die makroökonomischen Vorteile des Internets erst Jahre später statistisch sichtbar wurden. Marktbeobachter wie Torsten Slok, der Chefökonom von Apollo, übertragen dieses Erklärungsmodell direkt auf die aktuelle Phase der KI-Integration.

Belastung der Belegschaft und verzögerte Umsatzrealisierung

Die praktischen Herausforderungen bei der Einführung von KI-Systemen in Unternehmen werden durch mehrere wissenschaftliche Untersuchungen untermauert. Eine im Jahr 2026 im Harvard Business Review veröffentlichte Studie an 200 Mitarbeitern eines Technologieunternehmens zeigte, dass der Einsatz von KI-Werkzeugen zwar Zeit einsparte, diese freigewordene Zeit jedoch meist unmittelbar in andere Arbeitsaufgaben reinvestiert wurde. Dies führte zu einer Verdichtung der Arbeitsprozesse und erhöhte das Risiko von Burnout-Erkrankungen. Eine weitere Studie dokumentierte, dass die intensive Nutzung von KI im Berufsalltag zu einer übermäßigen kognitiven Belastung führen kann, was als geistige Erschöpfung messbar ist.

Ergänzend dazu liefert eine Umfrage der Federal Reserve Bank of Atlanta unter rund 750 Führungskräften aus der Wirtschaft konkrete Daten. Die befragten Manager gaben mehrheitlich an, dass sich die Produktivität durch den Einsatz künstlicher Intelligenz verbessert habe. Allerdings waren die subjektiv wahrgenommenen Gewinne deutlich größer als die harten ökonomischen Indikatoren wie der tatsächliche Unternehmensumsatz. Die Forscher führen diese Diskrepanz auf verzögerte Umsatzrealisierungen zurück.

„Wenn das Heute widerspiegelt, was wir Mitte der 1990er Jahre erlebt haben, befinden wir uns möglicherweise in der Frühphase eines durch KI angetriebenen Produktivitätsbooms, der erst im Rückblick klar erkennbar sein wird.“

Forscher der San Francisco Fed

Implikationen für die IT-Governance und das Risikomanagement

Für die IT-Governance und das strategische IT-Risikomanagement in Unternehmen liefert die historische Analyse des Produktivitäts-Paradoxons wichtige Steuerungsimpulse. Die bloße Anschaffung und Bereitstellung von KI-Lizenzen führt nicht automatisch zu einer Steigerung des Unternehmenswerts. Wenn die Werkzeuge isoliert in einzelnen Fachabteilungen genutzt werden, ohne dass die zugrundeliegenden Geschäftsprozesse plattformübergreifend angepasst werden, verpufft der Effizienzvorteil auf Organisationsebene.

Ein vorausschauendes Risikomanagement muss zudem die psychosozialen Folgen der Arbeitsverdichtung und der gestiegenen kogniviten Belastung der Mitarbeiter berücksichtigen, um Leistungsausfälle zu verhindern. Eine moderne Governance erfordert die Etablierung von klaren Messkriterien, die über die rein subjektive Wahrnehmung von Zeitersparnis hinausgehen und den realen Beitrag der Technologie zur Optimierung der gesamten Unternehmensinfrastruktur kontinuierlich evaluieren.