Künstliche Intelligenz im Arbeitsumfeld: Chancen und Herausforderungen für Unternehmen in Deutschland

Arbeitsabläufe neu gestalten: Wie Künstliche Intelligenz die Effizienz steigert

Die Integration Künstlicher Intelligenz (KI) in den Arbeitsalltag hat das Potenzial, die Produktivität maßgeblich zu beeinflussen und etablierte Prozesse neu zu definieren. Während die Diskussion um KI häufig von futuristischen Szenarien geprägt ist, zeigen aktuelle Entwicklungen, dass die Technologie bereits heute konkrete und messbare Vorteile für Unternehmen und Beschäftigte bietet. Dieser Artikel beleuchtet die vielfältigen Facetten der KI-Integration – von makroökonomischen Auswirkungen über mikroökonomische Effekte bis hin zu praktischen Anwendungsmöglichkeiten und den notwendigen Rahmenbedingungen für einen erfolgreichen Einsatz in Deutschland.

Makroökonomische Perspektiven: KI als Faktor für Produktivitätswachstum

Die Erwartungen an Künstliche Intelligenz hinsichtlich einer Steigerung der gesamtwirtschaftlichen Produktivität sind erheblich. Eine Projektion der Produktivitätsentwicklung, die die potenziellen Effekte von KI berücksichtigt, deutet auf ein jährliches Produktivitätswachstum in Deutschland von durchschnittlich 0,9 Prozent für die Jahre 2025 bis 2030 und 1,2 Prozent für die Jahre 2030 bis 2040 hin. Dies würde eine Verbesserung gegenüber dem historisch schwachen Wachstum der frühen 2020er Jahre (0,4 Prozent) darstellen, jedoch voraussichtlich nicht das Niveau eines „Produktivitätswunders“ erreichen.

Die Analyse verdeutlicht, dass die Produktivitätsimpulse künftig stärker aus dem technisch-organisatorischen Fortschritt resultieren werden, in den auch die Effekte des KI-Einsatzes einfließen. Die Kapitalintensivierung wird ebenfalls zunehmen, was jedoch primär auf den demografisch bedingten Rückgang des Arbeitseinsatzes zurückzuführen ist und weniger auf einen starken Investitionsimpuls. Es wird angenommen, dass KI in Deutschland bis zur Mitte des Jahrhunderts nicht zu einer technologischen Singularität führen wird, in der Innovationen weitestgehend autonom erfolgen.

Die Auswirkungen von KI auf die Produktionsfaktoren Arbeit, Kapital und technisches Wissen sind vielschichtig:

• Arbeitseinsatz: Der gesamtwirtschaftliche Arbeitseinsatz in Deutschland wird in den kommenden zehn Jahren primär demografisch bestimmt. Es wird nicht erwartet, dass ein verstärkter KI-Einsatz zu einer grundlegenden Veränderung des Arbeitsvolumens führt. Vielmehr kann durch KI freigesetzte Arbeit, etwa durch Automatisierung, aufgrund des Fachkräftemangels anderweitig eingesetzt werden.
• Kapitaleinsatz: Die Verbreitung von KI kann positive Kapitalstockeffekte bewirken, insbesondere wenn der Anteil der durch digitalen Kapitalstock übernommenen Tätigkeiten steigt. Allerdings ist der Bereich des Digitalisierungskapitals durch hohe Abgänge aufgrund schneller technologischer Obsoleszenz gekennzeichnet, was hohe Ersatzinvestitionen erfordert. Eine leistungsfähige IT-Infrastruktur, insbesondere Rechenzentren, ist eine Grundvoraussetzung für KI, wobei Deutschland im internationalen Vergleich noch Nachholbedarf hat.
• Technologischer Fortschritt: KI wird als Querschnittstechnologie und wichtiger Treiber für die Totale Faktorproduktivität (TFP) angesehen. Sie kann Produktionsprozesse beschleunigen, Ressourcen einsparen und die Allokationseffizienz zwischen Unternehmen stärken. Allerdings benötigen neue Technologien Zeit, um vollumfänglich produktivitätswirksam zu werden, und regulatorische Hindernisse oder Fachkräftemangel können die Effizienz verzögern.

KI und Beschäftigte: Komplementär statt substituierend

Die Einführung neuer Technologien weckt oft Ängste vor Arbeitsplatzverlusten. Im Kontext von KI zeigt die empirische Evidenz jedoch, dass die Auswirkungen auf Beschäftigte überwiegend komplementärer Natur sind. KI-Systeme erweitern und ergänzen menschliche Fähigkeiten, anstatt sie zu ersetzen. Dies gilt insbesondere für Deutschland, wo bisher kein robuster Zusammenhang zwischen dem Einsatz von KI und einem relevanten Arbeitsplatzabbau festgestellt wurde.

Studien belegen, dass:

• Beschäftigte in KI-nahen Berufen, insbesondere Experten und Spezialisten, höhere Mediantagesentgelte und eine dynamischere Lohnentwicklung verzeichnen.
• KI-nahe Beschäftigte seltener den Betrieb wechseln und seltener längere Arbeitslosigkeitsphasen durchleben, was auf stabilere Beschäftigungsverhältnisse hindeutet.
• Die Nutzung von KI-Anwendungen im Arbeitsalltag – insbesondere zur Datenverarbeitung und -auswertung – zunimmt. Beschäftigte, die KI nutzen, berichten häufiger von Lernmöglichkeiten und der Lösung unvorhergesehener Probleme.
• KI-Nutzer, unabhängig von der Intensität, durchschnittlich höhere Bruttostundenlöhne erzielen als Nicht-Nutzer. Dieser positive Zusammenhang zeigt sich über alle Bildungsgruppen hinweg, was auf eine breitere Teilhabe an den Produktivitätsgewinnen hindeutet.
• Unternehmen, die KI einsetzen, mehrheitlich von gestiegener Arbeitsproduktivität berichten. Bei Unternehmen in der Erprobungsphase sind die Einschätzungen jedoch ambivalenter, was auf die notwendige Einarbeitungszeit und die Entwicklung eines Business Cases hindeutet.

Die Implementierung von KI-Anwendungen kann in einer ersten Phase mit ambivalenten Effekten einhergehen, da Zeit für das Kennenlernen und Ausprobieren der neuen Tools benötigt wird. Langfristig überwiegen jedoch die positiven Effekte, insbesondere wenn komplementäre Reorganisationen und Investitionen in andere Digitalisierungstechnologien erfolgen.

Künstliche Intelligenz in der Unternehmenspraxis: Effizienz und Innovation

Die mikroökonomische Perspektive zeigt, dass Unternehmen, die bereits KI nutzen oder entwickeln, eine Vielfalt an Anwendungsmöglichkeiten identifizieren. Diese reichen von einfachen Chatbots für Kundenanfragen bis hin zu hochspezialisierten KI-Systemen zur Steuerung von Produktionsprozessen.

Erfahrungen mit KI:

• Große Unternehmen haben oft frühzeitig in KI investiert und eigene spezialisierte Teams aufgebaut.
• Seit der Veröffentlichung von generativer KI wie ChatGPT ist eine deutliche Ausweitung der Anwendungsfälle zu beobachten.
• Anwendungsbereiche umfassen Kundeninteraktion, Prozessoptimierung, Automatisierung von monotonen Tätigkeiten, Analyse- und Prognoseverfahren sowie generative Designverfahren.

Auswirkungen auf Produktion und Innovation:

• Nahezu alle befragten Unternehmen berichten von Effizienzsteigerungen durch Zeit- und Kostenersparnisse.
• KI ermöglicht genauere Prognosen und kann in Einzelfällen zu Umsatzsteigerungen und der Förderung innovativer Problemlösungsverfahren beitragen.
• Der Einsatz von KI führt in der Fertigung, Telekommunikation, im Bankwesen und in der Softwareentwicklung zu erheblichen Effizienzsteigerungen.

Auswirkungen auf Beschäftigte:

• Es besteht Konsens, dass KI komplementäre Auswirkungen auf Mitarbeitende hat, indem sie diese von einfachen, monotonen oder transaktionalen Tätigkeiten entlastet.
• KI wird als Lösungskonzept zur Bewältigung des Fachkräftemangels und zur Stärkung der Kernqualifikationen der Mitarbeitenden verstanden.
• Der Einsatz von KI führt zu einer Veränderung der Arbeitsweise und schafft neue Arbeitsprofile sowie Kompetenzbedarfe, die Schulungen oder Neueinstellungen erfordern.

Rahmenbedingungen für KI in Deutschland

Der Erfolg der KI-Integration hängt maßgeblich von den externen und internen Rahmenbedingungen ab. Hierzu zählen insbesondere die Regulierung, die digitale Infrastruktur und die Fachkräfteverfügbarkeit.

Regulierung:

• Der europäische AI Act reguliert KI risikobasiert, wobei Systeme mit hohem Risiko strengeren Anforderungen unterliegen. Die meisten KI-Systeme fallen in Kategorien ohne oder mit begrenzter Regulierung.
• Unternehmen bewerten den AI Act mehrheitlich positiv, da er Rechtssicherheit schafft. Kritische Stimmen sehen jedoch eine potenzielle Innovationshemmung durch komplexe Regelungen.
• Die Vielzahl und die noch fehlende Rechtsprechung der digitalen Regulierungsnormen erschweren die Handhabung, insbesondere für KMU.

Digitale Infrastruktur:

• Eine ausreichende IT-Infrastruktur, insbesondere Breitbandverfügbarkeit und Rechenzentrumsinfrastruktur, ist essenziell für den effizienten Einsatz von KI.
• Deutschland hat Fortschritte beim Breitbandausbau gemacht, hinkt jedoch beim Glasfaserausbau im EU-Vergleich hinterher.
• Der Bedarf an Rechenzentren und deren Energieversorgung steigt mit der zunehmenden KI-Nutzung, wobei Deutschland hier im internationalen Vergleich Nachholbedarf hat.

Fachkräfteverfügbarkeit:

• Der Fachkräftemangel in Digitalisierungsberufen ist sowohl Motivation als auch Herausforderung für den KI-Einsatz.
• Unternehmen investieren vermehrt in die Weiterbildung von IT-Fachkräften und -Anwendern.
• Die Fachkräftelücke in Digitalisierungsberufen ist hoch und wird voraussichtlich bestehen bleiben, was qualifizierte Zuwanderung unabdingbar macht.

Handlungsempfehlungen für Politik und Wirtschaft

Um die Potenziale der KI in Deutschland umfassend zu nutzen und die Wettbewerbsfähigkeit zu stärken, sind koordinierte Maßnahmen von Politik und Wirtschaft erforderlich.

Handlungsempfehlungen für die Politik:

• Deutsche Umsetzung des AI Act vorantreiben: Eine zügige Verabschiedung des Durchführungsgesetzes ist notwendig, um Rechtssicherheit zu schaffen und die personelle sowie finanzielle Ausstattung der zuständigen nationalen Behörden sicherzustellen.
• KI-Regulierung handhabbar machen: Praxisnahe Checklisten, Umsetzungshilfen und Best Practices sind erforderlich, um KMU den regelkonformen Umgang mit dem AI Act zu erleichtern.
• AI Act wiederholt evaluieren und anpassen: Angesichts der dynamischen Entwicklung von KI muss der AI Act in kürzeren Abständen evaluiert und bei Bedarf angepasst werden, um mit den technologischen Fortschritten Schritt zu halten.
• Übersicht über Digitalregulierung schaffen: Eine digitale Plattform oder Webseite sollte Unternehmen, insbesondere KMU, Orientierung über die verschiedenen europäischen Digitalregulierungen geben und deren Komplexität reduzieren.
• Ausbau der Unterstützungsinstrumente für den Mittelstand: Förderprogramme, Beratungsangebote und praxisnahe Schulungen, wie sie von KI-Hubs angeboten werden, sollten weiter ausgebaut werden.
• Vorgaben für die betriebliche Praxis auf KI ausrichten: Das Statusfeststellungsverfahren für Solo-Selbstständige und Werkvertragsbeschäftigte sollte überprüft und angepasst werden, um Rechtsunsicherheiten zu minimieren und den Einsatz externer Spezialisten für Digitalisierungsprozesse zu erleichtern.
• KI-Forschung in Deutschland in die Anwendung bringen: Gezielte Anreize für Kooperationen zwischen Universitäten, Hochschulen und Unternehmen sind erforderlich, um Forschungsergebnisse zur Marktreife zu entwickeln und in die Praxis zu überführen.
• Private Investitionen in KI incentivieren: Durch attraktive Rahmenbedingungen, Steuervergünstigungen, Bürokratieabbau und die Förderung von KI-Start-ups sollen private Investitionen in KI-Infrastruktur und -Anwendungen angeregt werden.
• Infrastruktur fit für KI machen: Der Ausbau eines leistungsfähigen Breitbandnetzes, insbesondere der Glasfaserinfrastruktur, und der Rechenzentrumsinfrastruktur muss vorangetrieben werden. Dies erfordert die Beschleunigung von Genehmigungsverfahren und den Ausbau erneuerbarer Energien zur Deckung des steigenden Energiebedarfs.
• Arbeitsmarktpolitik prüfen: Die Arbeitsmarktpolitik sollte Weiterbildungsmaßnahmen unterstützen, die auf die betrieblichen Anforderungen des KI-Einsatzes zugeschnitten sind, und die Integration in Beschäftigung fördern, ohne unnötige Lohnversicherungen einzuführen.
• Fachkräfteverfügbarkeit verbessern: Gezielte Bildung, die Gewinnung von Schulabgängern für MINT-Berufe, qualifizierte Zuwanderung und Maßnahmen zur Erhöhung der Erwerbsbeteiligung sind notwendig, um den Fachkräftemangel in Digitalisierungsberufen zu beheben.
• KI-Bildung ausbauen: Das Thema Künstliche Intelligenz sollte frühzeitig und umfassend in Lehrpläne integriert werden, um Kinder und Jugendliche auf den Umgang mit KI vorzubereiten und die IT-Kompetenzen der gesamten Bevölkerung zu stärken.

Handlungsempfehlungen für die Wirtschaft:

• Mit Digitalisierung und Datenmanagement Grundlagen für erfolgreiche KI-Anwendungen schaffen: Unternehmen müssen ihre Fähigkeit zur effizienten Datenbewirtschaftung verbessern und passende Anwendungsfelder für KI identifizieren, die bestehende Probleme lösen oder Prozesse optimieren.
• Compliance sicherstellen: Unternehmen müssen die geltenden Regeln und Gesetze, insbesondere den AI Act, kennen und befolgen. Dies erfordert eine Einordnung der eigenen KI-Anwendungen in Risikoklassen, die Sensibilisierung und Schulung der Beschäftigten sowie gegebenenfalls die Entwicklung unternehmensinterner Verhaltenskodizes.
• Weiterbildung stärken: Unternehmen sollten den Qualifizierungsbedarf ihrer Mitarbeitenden systematisch analysieren und gezielte, betriebsnahe Weiterbildungsangebote entwickeln, um die notwendigen KI-Kompetenzen aufzubauen.
• Akzeptanz schaffen: Eine frühzeitige Einbindung und Information der Mitarbeitenden sowie des Betriebsrats ist entscheidend, um Vertrauen und Transparenz zu schaffen und Widerstände gegen die Einführung von KI-Anwendungen abzubauen.
• Mindset vorleben: Eine technologieoffene und agile Unternehmenskultur, die Chancen über Risiken stellt und die Bereitschaft zu innovativem Ausprobieren fördert, ist essenziell für eine erfolgreiche und nachhaltige Implementierung von KI-Lösungen.

Die Transformation des Arbeitsalltags durch KI ist eine fortlaufende Entwicklung, die eine kontinuierliche Anpassung und strategische Ausrichtung erfordert. Durch eine gemeinsame Anstrengung von Politik und Wirtschaft können die vielfältigen Potenziale der Künstlichen Intelligenz in Deutschland zum Wohle der gesamten Gesellschaft ausgeschöpft werden.

Bibliographie

Acemoglu, Daron, 2024, The Simple Macroeconomics of AI, NBER Working Paper, Nr. 32487, Cambridge/Mass.
Acemoglu, Daron / Autor, David / Hazell, Jonathon / Restrepo, Pascual, 2022, AI and Jobs: Evidence from Online Vacancies, NBER Working Paper, Nr. 28257, Cambridge/Mass.
Acemoglu, Daron / Restrepo, Pascual, 2018, The Race Between Man and Machine: Implications of Technology for Growth, Factor Shares, And Employment, American Economic Review, 108. Jg., Nr. 6, S. 1488–1542
Ademmer, Martin et al., 2017, Produktivität in Deutschland – Messbarkeit und Entwicklung, Kieler Beiträge zur Wirtschaftspolitik, Nr. 12, Kiel
Aghion, Philippe / Bunel, Simon, 2024, AI and Growth: Where Do We Stand?, https://www.frbsf.org/wp-content/uploads/AI-and-Growth-Aghion-Bunel.pdf [26.2.2025]
Aghion, Philippe / Jones, Benjamin / Jones, Charles, 2017, Artificial Intelligence and Economic Growth, NBER Working Paper, Nr. 23928, Cambridge/Mass.
Aiyar, Shekhar et al., 2023, Geoeconomic Fragmentation and the Future of Multilateralism. International Monetary Fund, Staff Discussion Note SDN/2023/001, Washington D.C.
Albasina, Stefania et al., 2023, New Technologies and Jobs in Europe, NBER Working Paper, Nr. 31357, Cambridge/Mass.
Alekseeva, Liudmila et al., 2021, The demand for AI skills in the labor market, Labour Economics, 71. Jg., Issue C
Andrews, Dan / Criscuolo, Chiara / Gal, Peter N., 2016, The Best versus the Rest: The Global Productivity Slowdown, Divergence across Firms and the Role of Public Policy, OECD Productivity Working Paper, Nr. 5, Paris
Anger, Christina / Betz, Julia / Plünnecke, Axel, 2023, Die Aufgaben der Hochschulen im Transformationsprozess, Gutachten für die Initiative Neue Soziale Marktwirtschaft (INSM), Köln
Anger, Christina / Kohlisch, Enno / Koppel, Oliver / Plünnecke, Axel, 2021, MINT-Frühjahrsreport 2021. MINT-Engpässe und Corona-Pandemie: von den konjunkturellen zu den strukturellen Herausforderungen, Gutachten für BDA, BDI, MINT Zukunft schaffen und Gesamtmetall, Köln
Anger, Christina / Plünnecke, Axel, 2017, Qualifikation: Kompetenzentwicklung und Bildungsabschlüsse, in: Institut der deutschen Wirtschaft Köln (Hrsg.), Perspektive 2035. Wirtschaftspolitik für Wachstum und Wohl-stand in der alternden Gesellschaft, Köln, S. 75–90
Arntz, Melanie / Blesse, Sebastian / Doerrenberg, Philipp, 2022, The End of Work is Near, Isn't It? Survey Evidence on Automation Angst, ZEW – Centre for European Economic Research Discussion Paper, Nr. 22-036, Mannheim
Arntz, Melanie / Gregory, Terry / Zierahn, Ulrich, 2019, Digitalization and the Future of Work: Macroeconomic Consequences, IZA-Discussion Paper, Nr. 12428, Bonn
Azkan, Can et al., 2024, Anreizsysteme und Ökonomie des Data Sharings: Status quo der deutschen Datenwirtschaft und Grundlagen des unternehmensübergreifenden Datenaustausches, Publikation aus dem IEDS-Projekt Incentives and Economics of Data Sharing im Auftrag des Bundesministeriums für Bildung und For-schung (BMBF), Dortmund/Köln
Azkan, Can et al., 2023, Anreizsysteme und Ökonomie des Data Sharings: Status Quo der deutschen Datenwirtschaft und Anwendung von unternehmensübergreifenden Datenaustausch, Publikation aus dem IEDS-Projekt Incentives and Economics of Data Sharing im Auftrag des Bundesministeriums für Bildung und For-schung (BMBF), Dortmund/Köln
Bardt, Hubertus / Hüther, Michael, 2024, Verteidigungsfähigkeit erfordert Priorität im Bundeshaushalt und föderale Gesamtbilanz, IW-Kurzbericht, Nr. 91, Köln
Bayrisches Staatsministerium für Digitales, 2025, KMUs bei der Umsetzung des „AI Act“ der EU unterstützen // Bayern zum Vorreiter für verantwortungsvolle KI machen // Mehring: „Wir spannen Schutzschirm vor EU-Bürokratie über Bayerns Wirtschaft auf“, Pressemitteilung vom 30. Januar 2025, https://www.stmd.bay-ern.de/kmus-bei-der-umsetzung-des-ai-act-der-eu-unterstuetzen-bayern-zum-vorreiter-fuer-verantwor-tungsvolle-ki-machen-mehring-wir-spannen-schutzschirm-vor-eu-buerokratie-ue/ [31.1.2025]
Bertschek, Irene et al., 2015, The Economic Impacts of Broadband Internet: A Survey, in: Review of Network Economics, 14. Jg., Nr. 4, S. 201–227
Bloom, Nicholas / Jones, Charles / Van Reenen, John / Webb, Michael, 2020, Are Ideas Getting Harder to Find, in: American Economic Review, 110. Jg., Nr. 4, S. 1104–1144
BMBF – Bundesministerium für Bildung und Forschung, 2024, Zukunftstechnologie Künstliche Intelligenz, https://www.bmbf.de/DE/Forschung/Zukunftstechnologien/KuenstlicheIntelligenz/kuenstlicheintelli-genz_node.html [11.2.2025]
Boch, Michael et al., 2024, Künstliche Intelligenz und Produktivität, Wien
Bolwin, Lennart et al., 2023, Der digitale Faktor – Wie Deutschland von intelligenten Technologien profi-tiert, https://storage.googleapis.com/derdigitalefaktor/download/231031_IW_Google-Studie_Sum-mary_DE.pdf [29.1.2025]
Bonin, Holger / Gregory, Terry / Zierahn, Ulrich, 2015, Übertragung der Studie von Frey/Osborne (2013) auf Deutschland, Kurzexpertise des Zentrums für Europäische Wirtschaftsforschung, Nr. 57, im Auftrag des Bun-desministeriums für Arbeit und Soziales, Mannheim
Börsch-Supan, Axel, 2013, Mikro- und makroökonomische Dimensionen des demografischen Wandels, in: Hüther, Michael / Naegele, Gerhard (Hrsg.), Demografiepolitik. Herausforderungen und Handlungsfelder, Wiesbaden, S. 96–122
Briggs, Joseph / Kodnani, Devesh, 2023, Upgrading Our Longer-Run Global Growth Forecasts to Reflect the Impact of Generative AI, Goldman Sachs, Global Economics Analyst, 29 October 2023, New York, NY
Brümmerhoff, Dieter / Grömling, Michael, 2015, Volkswirtschaftliche Gesamtrechnungen, 10. Auflage, Ber-lin/Boston
Brynjolfsson, Erik / Li, Danielle / Raymond, Lindsey, 2023, Generative AI at work, NBER Working Paper, Nr. 31161, Cambridge/Mass.
Brynjolfsson, Erik / McAfee, Andrew, 2014, The Second Machine Age. Work, Progress, and Prosperity in a Time of Brilliant Technologies, New York
Brynjolfsson, Eric / Mitchell, Tom / Rock, Daniel, 2018, What Can Machines Learn, and What Does It Mean for Occupations and the Economy, in: AEA Papers and Proceedings, 108. Jg., S. 43–47
Büchel, Jan et al., 2021, KI-Monitor: Status quo der Künstlichen Intelligenz in Deutschland, Gutachten im Auftrag des Bundesverbandes Digitale Wirtschaft (BVDW) e.V., Köln
Büchel, Jan / Bakalis, Dennis / Scheufen, Marc, 2024, Digitalisierung der Wirtschaft in Deutschland. Langfas-sung der Ergebnisse des Digitalisierungsindex im Rahmen des Projekts „Entwicklung und Messung der Digi-talisierung der Wirtschaft am Standort Deutschland“ im Auftrag des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK), Köln
Büchel, Jan / Engler, Jan Felix / Mertens, Armin / Demary, Vera, 2023, KI-Einsatzbereiche in Deutschland. Eine Analyse von KI-Stellenanzeigen, Gutachten im Projekt „Entwicklung und Messung der Digitalisierung der Wirtschaft am Standort Deutschland” des Bundesministeriums für Wirtschaft und Klimaschutz, Köln
Büchel, Jan / Mertens, Armin, 2022, KI-Bedarfe in Deutschland. Regionale Analyse und Entwicklung der An-forderungsprofile in KI-Stellenanzeigen, Gutachten im Rahmen des Projekts „Entwicklung und Messung der Digitalisierung der Wirtschaft am Standort Deutschland” im Auftrag des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK), Berlin / Köln
Büchel, Jan / Mertens, Armin, 2021, KI-Bedarfe der Wirtschaft am Standort Deutschland. Eine Analyse von Stellenanzeigen für KI-Berufe, Gutachten im Auftrag des Bundesministeriums für Wirtschaft und Energie, Köln
Büchel, Jan / Monsef, Roschan Pourkhataei, 2024, Künstliche Intelligenz - Bessere Entlohnung durch Pro-duktivitätsbooster?, in: IW-Trends, 51. Jg., Nr. 2, S. 45–63
Büchel, Jan / Röhl, Klaus-Heiner, 2023, Aufbau Ost. Die Gigabit-Lücke, IW-Kurzbericht, Nr. 15, Köln / Berlin
Büchel, Jan / Scheufen, Marc / Engels, Barbara, 2025, Digitalisierungsindex 2024. Digitalisierung der Wirt-schaft in Deutschland, Ergebnisse des Digitalisierungsindex im Rahmen des Projekts „Entwicklung und Mes-sung der Digitalisierung der Wirtschaft am Standort Deutschland”, Köln
Bundesagentur für Arbeit, 2021, Umsteigeschlüssel vom Fünfsteller (Berufsgattung) KldB 2010 zum Vierstel-ler ISCO 2008, https://statistik.arbeitsagentur.de/DE/Statischer-Content/Grundlagen/Klassifikationen/Klas-sifikation-der-Berufe/KldB2010-Fassung2020/Arbeitsmittel/Umschluesselungstabellen.html [10.9.24]
Bundesagentur für Arbeit, 2024, Datenbank Beschäftigte nach Berufsgruppe und Anforderungsniveau, Stand August 2024, https://statistik.arbeitsagentur.de/DE/Navigation/Statistiken/Themen-im-Fokus/Berufe/Berufe-Nav.html [10.9.24]
Bureau of Labor Statistics, 2012, Crosswalk between the 2008 ISCO to the 2010 SOC https://www.bls.gov/soc/soccrosswalks.htm [10.9.24]
Burstedde, Alexander / Tiedemann, Jurek, 2024a, IW-Arbeitsmarktfortschreibung 2027. Aktualisierung mit Daten bis 2022 – Zuwanderung kann Alterung ausgleichen, IW-Report, Nr. 33, Köln
Burstedde, Alexander / Tiedemann, Jurek, 2024b, Kompetenzbarometer: Fachkräftesituation in Digitalisie-rungsberufen – Beschäftigungsaufbau und Fachkräftemangel bis 2027, Gutachten im Rahmen des Projekts „Entwicklung und Messung der Digitalisierung der Wirtschaft am Standort Deutschland“ im Auftrag des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK), Köln
Calvino, Flavio / Fontanelli, Luca, 2023, A portrait of AI adopters across countries: Firm characteristics, assets’ complementarities and productivity, OECD Science, Technology and Industry Working Papers, Nr. 2023/02, Paris
Cam, Arif / Chui, Michael / Hall, Bryce, 2019, Global AI Survey: AI proves its worth, but few scale impact, Mc Kinsey, https://www.mckinsey.com/featured-insights/artificial-intelligence/global-ai-survey-ai-proves-its-worth-but-few-scale-impact#/ [26.9.2023]
Cantore, Cristiano / Ferroni, Filippo / Leon-Ledesma, Miguel A., 2017, The Dynamics of Hours Worked and Technology, in: Journal of Economic Dynamics and Control, Nr. 82. S. 67–82, ISSN 0165-1889
Cui, Kevin Zheyuan et al., 2024, The Effects of Generative AI on High Skilled Work: Evidence from Three Field Experiments with Software Developers, Working Paper at SSRN, 5. September 2024, https://pa-pers.ssrn.com/sol3/papers.cfm?abstract_id=4945566#:~:text=This%20study%20evaluates%20the%20im-pact%20of [4.10.2024]
Czarnitzki, Dirk / Fernandez, Gaston P. / Rammer, Christian, 2022, Artificial Intelligence and Firm-Level Productivity, ZEW-Discussion Paper, Nr. 22-005, Mannheim
Czernich, Nina / Falck, Oliver / Kretschmer, Tobias, 2011, Broadband Infrastructure and Economic Growth, in: Economic Journal, 121. Jg., Nr. 552, S. 505–532
Damioli, Giacomo / Van Roy, Vincent / Vertesy, Daniel/ Vivarelli, Marco, 2023, AI technologies and employ-ment: micro evidence from the supply side, in: Applied Economics Letters, 30. Jg., Nr. 6, S. 816–821
Decker, Hanna / Sachse, Maximilian, 2024, Renaissance in den USA? Immer mehr Techkonzerne setzen auf die Kernkraft, Rehttps://www.faz.net/aktuell/wirtschaft/unternehmen/technologie-konzerne-investieren-in-atomkraft-ki-beschleunigt-trend-110153125.html [26.2.2025]
Dell'Acqua, et al., 2023, Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality, Harvard Business School Technology & Opera-tions Mgt. Unit, Working Paper, Nr. 24-013, Harvard
Demary, Vera et al., 2020, KI-Monitor 2020. Status quo der Künstlichen Intelligenz in Deutschland, Gutach-ten im Auftrag des Bundesverbands Digitale Wirtschaft (BVDW) e.V.
Demary, Vera / Matthes, Jürgen / Plünnecke, Axel / Schaefer, Thilo / Schmitz, Edgar, 2024, Herausforderun-gen der Transformation für die Unternehmen in Deutschland, in: IW-Trends, 51. Jg., Nr. 3, S. 89–106
Demary, Vera / Matthes, Jürgen / Plünnecke, Axel / Schaefer, Thilo (Hrsg.). 2021, Gleichzeitig: Wie vier Dis-ruptionen die deutsche Wirtschaft verändern. Herausforderungen und Lösungen, IW-Studie, Köln
Demary, Vera / Rusche, Christian, 2018, Zukunftsfaktor 5G – Eine ökonomische Perspektive, IW-Report, Nr. 45, Köln
Dengler, Katharina / Matthes, Britta, 2021, Folgen des technologischen Wandels für den Arbeitsmarkt. Auch komplexere Tätigkeiten könnten zunehmend automatisiert werden, IAB-Kurzbericht, Nr. 13, Nürnberg
Dengler, Katharina / Matthes, Britta, 2018: Substituierbarkeitspotenziale von Berufen. Wenige Berufsbilder halten mit der Digitalisierung Schritt, IAB-Kurzbericht, Nr. 4, Nürnberg
Dengler, Katharina / Matthes, Britta, 2015, Folgen der Digitalisierung für die Arbeitswelt – Substituierbar-keitspotenziale von Berufen in Deutschland, IAB-Forschungsbericht, Nr. 11, Nürnberg
Deschermeier, Philipp, 2024, IW-Bevölkerungsprognose 2024. Eine Datengrundlage zur Gestaltung der Her-ausforderungen des demografischen Wandels, in: IW-Trends, 51. Jg., Nr. 3, S. 65–88
Deschermeier, Philipp / Schäfer, Holger, 2024, Die Babyboomer gehen in Rente, IW-Kurzbericht, Nr. 78, Köln
Deutsche Bundesbank, 2021, Zur Verlangsamung des Produktivitätswachstums im Euroraum, in: Monatsbe-richt, Januar, S. 15–47
Deutsche Bundesbank, 2014, Neuschätzung des Produktionspotenzials der deutschen Wirtschaft, in: Mo-natsbericht, Dezember, S. 28–30
Deutscher Bundestag, 2025, AI Act: Abstimmungen für Durchführungsgesetz dauern an, https://www.bun-destag.de/presse/hib/kurzmeldungen-1039626 [11.2.2025]
Deutscher Bundestag, 2024a, Nationale Umsetzung des AI Act in Deutschland, https://www.bundes-tag.de/presse/hib/kurzmeldungen-1016762 [11.2.2025]
Deutscher Bundestag, 2024b, Antwort der Bundesregierung der Fraktion der CDU/CSU – Drucksache 420/12671 – Nationale Umsetzung des AI Act in Deutschland, Drucksache 20/12948, https://dserver.bundes-tag.de/btd/20/129/2012948.pdf [11.2.2025]
D’Onofrio, Sara, 2024, Generative Künstliche Intelligenz – die neue Ära der kreativen Maschinen, HMD Pra-xis der Wirtschaftsinformatik, 61. Jg., Nr. 2, S. 331–343
Dullien, Sebastian / Gerards Iglesias, Simon / Hüther, Michael / Rietzler, Katja, 2024, Herausforderungen für die Schuldenbremse. Investitionsbedarfe in der Infrastruktur und für die Transformation, IW-Policy Paper, Nr. 2, Köln
Edelson, Laura / Graef, Inge / Lancieri, Filippo, 2023, Access to Data and Algorithms: For an Effective DMA and DSA Implementation, CERRE report, Brüssel
Eger, Thomas / Scheufen, Marc, 2024a, The Law and Economics of the Data Economy: Introduction to the Special Issue, in: European Journal of Law and Economics, Vol. 57, No.1, pp. 93-111
Eger, Thomas / Scheufen, Marc, 2024b, Data Sharing in Deutschland. Theorie, Empirie und europäische Ge-setzgebung, in: Wirtschaftsdienst, 104. Jg., Heft 10, S. 725-729
Eisele, Olaf / Harlacher, Markus / Lennings, Frank, 2023, Bedarfsgerechte Auswahl und Einführung von KI-Anwendungen, in: Stowasser, Sascha (Hrsg.), Künstliche Intelligenz (KI) und Arbeit. ifaa-Edition, Berlin, Hei-delberg, S. 107–139
Eloundou, Tyna / Manning, Sam / Mishkin, Pamela /Rock, Daniel, 2023, GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models, arXiv preprint arXiv:2303.10130
Engels, Barbara / Büchel, Jan / Scheufen, Marc, 2025, Deutschland, digital gespalten — fünf Jahre Digitali-sierungsindex, IW-Kurzbericht, Nr. 5, Köln
Enste, Dominik / Kürten, Louisa Marie / Suling, Lena / Orth, Anja Katrin, 2020, Digitalisierung und mitarbeiterorientierte Führung. Die Bedeutung der Kontrollüberzeugung für die Personalpolitik, IW-Ana-lyse, Nr. 135, Köln
EU Commission, 2025a, The Commission publishes guidelines on AI system definition to facilitate the first AI Act’s rules application, https://digital-strategy.ec.europa.eu/en/library/commission-publishes-guidelines-ai-system-definition-facilitate-first-ai-acts-rules-application [10.2.2025]
EU Commission, 2025b, Commission publishes the Guidelines on prohibited artificial intelligence (AI) prac-tices, as defined by the AI Act, https://digital-strategy.ec.europa.eu/en/library/commission-publishes-guide-lines-prohibited-artificial-intelligence-ai-practices-defined-ai-act [10.2.2025]
EU Commission, 2025c, General-Purpose AI Code of Practice, https://digital-strategy.ec.europa.eu/en/poli-cies/ai-code-practice [10.2.2025]
EU Commission, 2025d, EU launches InvestAI initiative to mobilise €200 billion of investment in artificial intelligence, https://ec.europa.eu/commission/presscorner/detail/en/ip_25_467 [12.2.2025]
EU Commission, 2024, DESI indicators, Fibre to the Premises (FTTP) coverage, https://digital-decade-desi.digital-strategy.ec.europa.eu/datasets/desi/charts/desi-indicators?indicator=desi_fttp&break-down=total_pophh&period=desi_2024&unit=pc_hh_all&coun-try=AT,BE,BG,HR,CY,CZ,DK,EE,EU,FI,FR,DE,EL,HU,IE,IT,LV,LT,LU,MT,NL,PL,PT,RO,SK,SI,ES,SE [07.02.2025]
European Parliament, 2025, Legislative Train Schedule, AI liability directive, https://www.europarl.eu-ropa.eu/legislative-train/theme-a-europe-fit-for-the-digital-age/file-ai-liability-directive?p3373 [10.2.2025]
Ewald, Johannes / Goecke, Henry / Kempermann, Hanno / Kestermann, Christian, 2024, Spillover-Effekte von Rechenzentren – Rückgrat der KI-Revolution in Deutschland, Gutachten im Auftrag der unter dem Dach des eco Verbands gegründeten Allianz zur Stärkung digitaler Infrastrukturen, Köln
Falck, Elisabeth / Röhe, Oke / Strobel, Johannes, 2024, Auswirkungen des digitalen Wandels auf die Arbeits-produktivität, Deutsche Bundesbank, Research Brief, Nr. 65, Frankfurt/Main
Felten, Edward / Raj, Manav / Seamans, Robert, 2023, How will Language Modelers like ChatGPT Affect Oc-cupations and Industries?, http://doi.org/10.2139/ssrn.4375268
Felten, Edward / Raj, Manav / Seamans, Robert, 2021, Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses, in: Strategic Management Journal, 42. Jg., Nr. 12, S. 2195 –2217
Felten, Edward / Raj, Manav / Seamans, Robert, 2019, The Occupational Impact of Artificial Intelligence: La-bor, Skills, and Polarization, NYU Stern School of Business, http://doi.org/10.2139/ssrn.3368605
Fossen, Frank M. / Sorgner, Alina, 2019, New Digital Technologies and Heterogeneous Employment and Wage Dynamics in the United States: Evidence from Individual-Level Data, IZA Discussion Paper, Nr. 12242, Bonn
Frey, Carl B. / Osborne, Michael A., 2013, The Future of Employment: How Susceptible Are Jobs to Comput-erisation?, University of Oxford
Frodermann, Corinna et al., 2021a, Schwach anonymisierte Version der Stichprobe der Integrierten Arbeits-marktbiografien (SIAB) – Version 7519 v1, Forschungsdatenzentrum der Bundesagentur für Arbeit (BA) im Institut für Arbeitsmarkt- und Berufsforschung (IAB), https://doi.org/10.5164/IAB.SIAB7519.de.en.v1
Frodermann, Corinna / Schmucker, Alexandra / Seth, Stefan / vom Berge, Philipp, 2021b, Stichprobe der In-tegrierten Arbeitsmarktbiografien (SIAB) 1975-2019. (FDZ-Datenreport 01/2021 (de)), Nürnberg, 77 S., https://doi.org/10.5164/IAB.FDZD.2101.de.v1
Gartner, Hermann / Hutter, Christian / Weber, Enzo, 2021, Wie der Arbeitsmarkt zwei sehr unterschiedliche Krisen bewältigt, IAB-Kurzbericht, Nr. 27, Nürnberg
Gathmann, Christina / Grimm, Felix, 2022, The Diffusion of Digital Technologies and its Consequences in the Labor Market, 23rd IZA Summer School in Labor Economics, Buch/Ammersee, https://conference.iza.org/conference_files/SUM_2022/grimm_f32263.pdf [26.9.2023]
Gathmann, Christina / Grimm, Felix / Winkler, Erwin, 2024, AI, Task Changes in Jobs, and Worker Reallocation, IZA DP No. 17554, https://docs.iza.org/dp17554.pdf [29.1.2025]
Geis-Thöne, Wido et al., 2021, Wie lässt sich das Produktivitätswachstum stärken? Gutachten im Auftrag der KfW Bankengruppe, Köln
Georgieff, Alexandre / Hyee, Raphaela, 2021, Artificial intelligence and employment: New cross-country evi-dence, OECD Social, Employment and Migration Working Papers, Nr. 265, Paris
Giering, Oliver / Fedorets, Alexandra / Adriaans, Jule / Kirchner, Stefan, 2021, Künstliche Intelligenz in Deutschland: Erwerbstätige wissen oft nicht, dass sie mit KI-basierten Systemen arbeiten, DIW-Wochenbe-richt, Nr. 48, Berlin
Giuntella, Osea / König, Johannes / Stella, Luca, 2023, Artificial intelligence and workers' well-being, SOEPpa-pers on Multidisciplinary Panel Data Research, Nr. 1194, Berlin
Goldin, Ian / Koutroumpis, Pantelis / Lafond, Francois / Winkler, Julian, 2024, Why is Productivity Slowing Down?, in: Journal of Economic Literature, 62. Jg., Nr. 1, S. 196–268
Gonschor, Myrielle / Storm, Eduard, 2023, The Diffusion of Artificial Intelligence: New evidence from German Online Job Vacancy data, Working Paper, Düsseldorf/Essen, congress-files.s3.amazonaws.com/2023-07/OJA%2520AI%2520Diffusion%2520Germany_2023_02.pdf [26.9.2023]
Goodridge, Peter / Haskel, Jonathan / Edquist, Harald, 2021, We see data everywhere except in the produc-tivity statistics, in: Review of Income and Wealth, 68. Jg., Nr.4, S. 862–894
Gordon, Robert J., 2014, The turtle’s progress: Secular stagnation meets the headwinds, in: Teulings, Coen / Baldwin, Richard, Secular Stagnation: Facts, Causes and Cures, Brüssel, S. 47–59
Green, Andrew / Lamby, Lucas, 2023, The supply, demand and characteristics of the AI workforce across OECD countries, OECD Social, Employment and Migration Working Papers, Nr. 287, Paris
Grömling, Michael, 2022, Kapitalarmes Produktivitätswachstum in Deutschland – eine schwere Ausgangs-lage, in: Zeitschrift für das gesamte Kreditwesen, 75. Jahrgang, Nr. 9, S. 32-37
Grömling, Michael, 2021, COVID-19 and the Growth Potential, in: Intereconomics, 56. Jg., Nr. 1, S. 45–49
Grömling, Michael, 2019, Messung und Interpretation der makroökonomischen Einkommensverteilung, in: Mink, Reimund / Voy, Klaus (Hrsg.), Gesamtwirtschaftliche Einkommensbegriffe, Produktion und Einkom-men im sozialpolitischen Kontext, Berliner Beiträge zu den Volkswirtschaftlichen Gesamtrechnungen, Bd. 3, Marburg, S. 317–338
Grömling, Michael, 2017, Wachstumspotenzial: ein Growth Accounting für Deutschland, in: Institut der deutschen Wirtschaft Köln (Hrsg.), Perspektive 2035. Wirtschaftspolitik für Wachstum und Wohlstand in der alternden Gesellschaft, Köln, S. 91–111
Grömling, Michael, 2016, The Digital Revolution – New Challenges for National Accounting?, in: World Eco-nomics, 17. Jg., Nr. 1, S. 1–13
Grömling, Michael et al., 2024, Volkswirtschaftliche Bedeutung der Bauwirtschaft, Gutachten im Auftrag des Hauptverbands der Deutschen Bauindustrie e.V., Köln
Grömling, Michael et al., 2021, Ein Wachstumspfad für mehr Produktivität, Innovation und Beschäftigung in Deutschland, Gutachten im Auftrag von StepStone GmbH, NEW WORK SE, Kienbaum Consultants Internati-onal, Köln
Grömling, Michael / Hentze, Tobias / Schäfer, Holger, 2022, Wirtschaftliche Auswirkungen der Corona-Pan-demie in Deutschland – Eine ökonomische Bilanz nach zwei Jahren, in: IW-Trends, 49. Jg., Nr. 1, S. 41–72
Grömling, Michael / Klös, Hans-Peter, 2018, „Inklusives Wachstum“ – Potenziale und Grenzen eines Kon-zepts. Eine institutionenökonomische Analyse, IW-Analysen, Nr. 126, Köln
Grömling, Michael / Niebel, Thomas, 2025, Measuring the productivity effects of digital capital – a concep-tual approach, in: ASTA – Wirtschafts- und Sozialstatistisches Archiv, 19. Jg., Nr. 1, S. 319–335
Gühler, Nadine / Schmalwasser, Oda, 2020, Anlagevermögen, Abschreibungen und Abgänge in den Volks-wirtschaftlichen Gesamtrechnungen, in: Wirtschaft und Statistik, Nr. 3, S. 76–88
Halsberger et al., 2024, The Impact of AI on Economic Growth. The Next Productivity Frontier, Deloitte, https://www2.deloitte.com/content/dam/Deloitte/us/Documents/insights/us-impact-ai-economic-growth.pdf
Hammermann, Andrea / Monsef, Roschan / Stettes, Oliver, 2025, Produktiver mit KI?. Wie Unternehmen und Beschäftigte die Produktivitätseffekte einschätzen, in: IW-Trends, 2024, 51. Jg., Nr. 4, S. 75–94
Hammermann, Andrea / Monsef, Roschan Pourkhataei / Stettes, Oliver, 2023, KI und der Arbeitsmarkt. Eine Analyse der Beschäftigungseffekte, IW-Report, Nr. 55, Köln
Havik, Karel et al., 2014, The Production Function Methodology for Calculating Potential Growth Rates & Output Gaps, European Commission Economic Papers, Nr. 535, November, Brüssel
Hemel, Ulrich et al., 2024, Künstliche Intelligenz als Co-Pilot – Warum Unternehmen im Fahrersitz bleiben müssen, IW-Policy Paper, Nr. 1, Köln
Hemmer, Hans-Rimbert / Lorenz, Andreas, 2004, Grundlagen der Wachstumsempirie, München
Hintemann, Ralph / Hinterholzer, Simon / Progni, Kejsi, 2024, Bitkom-Studie Rechenzentren in Deutschland: Aktuelle Marktentwicklungen– Stand 2024, Bitkom/Borderstep Institut, Berlin
Hochreiter, Sepp, 2024, Wir treten jetzt in die dritte Phase der Künstlichen Intelligenz ein, in: FAZ, vom 17.12.2024
Hulten, C. R., 1978, Growth accounting with intermediate inputs, The Review of Economic Studies, 511–518
Hüther, Michael, 2025, Eine Agenda für die neue Legislaturperiode. Wettbewerbsfähigkeit und Transforma-tion, IW-Policy Paper, Nr. 1, Köln
Hüther, Michael, 2024, Zauberwort Resilienz, Gastbeitrag, Welt am Sonntag, 11. Februar 2024, https://www.iwkoeln.de/presse/in-den-medien/michael-huether-zauberwort-resilienz.html [31.01.2025]
Hutter, Christian / Weber, Enzo, 2025, Konjunktur und Transformation: die kritische Gemengelage am Ar-beitsmarkt, in: IAB-Forum, Nürnberg
Ifaa, 2023, Künstliche Intelligenz in produzierenden Unternehmen, https://www.arbeitswissenschaft.net/an-gebote-produkte/studien/kwh-ue-alf-ki-studie-ergebnisse [4.10.2023]
IHK München und Oberbayern – Industrie- und Handelskammer München und Oberbayern, 2025, Artificial Intelligence Act – das müssen Unternehmen wissen, https://www.ihk-muenchen.de/de/Service/Digitalisie-rung/K%C3%BCnstliche-Intelligenz/AI-Act/ [11.2.2025]
IMF – International Monetary Fund, 2023, Artificial Intelligence. What AI means for economics, Finance & Development, 60. Jg., Nr. 4, Washington, D.C.
Kerkhof, Anna / Licht, Thomas / Menkhoff, Manuel / Wohlrabe, Klaus, 2024, Die Nutzung von Künstlicher Intelligenz in der deutschen Wirtschaft, in: ifo Schnelldienst, 77. Jg., Nr. 8, S. 39–43
Kozlowski, Julian / Veldkamp, Laura / Venkateswaran, Venky, 2020, Scarring Body and Mind: The Long-Term Belief-Scarring Effects of COVID-19, Federal Reserve Bank of St. Louis Working Paper, Nr. 2020-009, St. Louis
Lane, Marguerita, 2024, Who will be the workers most affected by AI? A closer look at the impact of AI on women, low-skilled workers and other groups, OECD Artificial Intelligence Paper No. 26, https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/10/who-will-be-the-workers-most-affected-by-ai_fb7fcccd/14dc6f89-en.pdf [6.1.2025]
Lane, Marguerita / Williams, Morgan / Broecke, Stijn, 2023, The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers, OECD Social, Employment and Migration Working Pa-pers, Nr. 288, Paris
Lu, Yingying / Zhou, Yixiao, 2021, A review on the economics of artificial intelligence, in: Journal of Eco-nomic Surveys, 35. Jg., Nr. 4, S. 1045–1072
McKinsey & Company, 2023, The economic potential of generative AI - The next productivity frontier
Menzel, Christoph / Winkler, Christian, 2018, Zur Diskussion der Effekte Künstlicher Intelligenz in der wirt-schaftswissenschaftlichen Literatur, Bundesministerium für Wirtschaft und Energie, Diskussionspapier, Nr. 8, Berlin
Microsoft, 2024, Fit für das KI-Zeitalter: Microsoft investiert 3,2 Milliarden Euro, um KI-Infrastruktur und Cloud-Kapazitäten in Deutschland mehr als zu verdoppeln sowie Fachkräfte zu qualifizieren, https://news.microsoft.com/de-de/fit-fuer-das-ki-zeitalter-microsoft-investiert-32-milliarden-euro-um-ki-infrastruktur-und-cloud-kapazitaeten-in-deutschland-mehr-als-zu-verdoppeln-sowie-fachkraefte-zu-qualifi-zieren/ [11.2.2025]
Milanez, Anna, 2023, The impact of AIon the workplace: Evidence from OECD case studies of AI implementa-tion, OECD Social, Employment and Migration Working Papers, Nr. 289, Paris
Monsef, Roschan / Stettes, Oliver, 2023, Die Dynamik der Personalbewegungen auf Unternehmensebene im digitalen und ökologischen Wandel, in: IW-Trends, 50. Jg., Nr. 2, S. 59–75
Muehlemann, Samuel, 2024, AI Adoption and Workplace Training, IZA DP, Nr. 17367, https://docs.iza.org/dp17367.pdf [29.1.2025]
Niebel, Thomas / Rasel, Fabienne / Viete, Steffen, 2019, BIG data – BIG gains? Understanding the link be-tween big data analytics and innovation, in: Economics of Innovation and New Technology, 28. Jg., Nr. 3, S. 296–316
Nordhaus, William, 2021, Are We Approaching an Economic Singularity? Information Technology and the Future of Economic Growth, in: American Economic Journal: Macroeconomics, 13. Jg., Nr. 1, S. 299–332
Noy, Shakked / Zhang, Whitney, 2023, Experimental evidence on the productivity effects of generative arti-ficial intelligence., Science, Jg., Nr. 6654, S. 187–192
OECD – Organisation for Economic Co-operation and Development, 2024, OECD-Bericht zu Künstlicher In-telligenz in Deutschland, OECD Publishing, Paris, https://doi.org/10.1787/8fd1bd9d-de
OECD, 2023, Employment Outlook 2023: Artificial Intelligence and the Labour Market, Paris
OECD, 2015, The Future of Productivity, Paris
Pathak, Maitrayee, 2024, Data Governance Redifined: The Evolution of EU Data Regulations from the GDPR to the DMA, DSA, DGA, Data Act and AI Act, in: European Data Protection Law Review, 10. Jg., Nr. 1, S. 43–56
Pouliakas, Konstantinos / Santangelo, Giulia / Dupire, Paul, 2025, Are Artificial Intelligence (AI) Skills a Reward or a Gamble? Deconstructing the AI Wage Premium in Europe, IZA DP, Nr. 17607, https://docs.iza.org/dp17607.pdf [29.1.2025]
Punz, Matthias, 2025, AI Act: BMWK sieht keinen Bedarf an Hilfsangeboten für Unternehmen, Süddeutsche Zeitung Dossier Digitalwende, 5.2.2025
PwC – PricewaterhouseCoopers, 2018, Auswirkungen der Nutzung von künstlicher Intelligenz in Deutsch-land
Rusche, Christian, 2024, Wachsen regulierte digitale Märkte?, in: Wirtschaftsdienst, 104. Jg., Nr. 11, S. 807–810
Rusche, Christian et al., 2022, KI-Monitor 2022. Künstliche Intelligenz in Deutschland, Gutachten im Auftrag des Bundesverbandes Digitale Wirtschaft (BVDW) e.V., Köln
Schaefer, Thilo et al., 2024, Transformationspfade für das Industrieland Deutschland, Gutachten in Koope-ration des Instituts der deutschen Wirtschaft mit der Boston Consulting Group und dem Bundesverband der deutschen Industrie, Berlin/Köln
Schäfer, Holger / Schleiermacher, Thomas / Stettes, Oliver, 2024, Der Einsatz von Solo-Selbstständigen und Angehörigen von Fremdfirmen in deutschen Unternehmen, Gefördert von Bundesverband für selbständige Wissensarbeit e.V., Verband der Gründer und Selbstständigen in Deutschland e.V., Vereinigung der Bayeri-schen Wirtschaft e.V., Köln
Scheufen, Marc, 2024a, Rechtliche Hemmnisse beim Data Sharing überwinden, IW-Kurzbericht, Nr. 31, Köln
Scheufen, Marc, 2024b, Hemmnisse beim Data Sharing – Entwicklung und Handlungsempfehlungen, in: IW-Trends,51. Jg., Nr. 2, S. 65–80
Seele, Stefanie, 2024, Experten sind besonders nah an KI, IW-Kurzbericht, Nr. 80, Köln
Seele, Stefanie / Stettes, Oliver, 2025 forthcoming, Lohneffekte der Dekarbonisierung
Seele, Stefanie / Stettes, Oliver, 2023, Wechseln von Digitalisierung betroffene Beschäftigte häufiger den Betrieb oder in Arbeitslosigkeit?, in: IW-Trends, Nr. 4, 50. Jg., S. 3–21
Solow, Robert M., 1957, Technical Change and the Aggregate Production Function, in: The Review of Eco-nomics and Statistics, 39. Jg., Nr. 3, S. 312–320
Stackpole, Beth, 2024, The impact of generative AI as a general-purpose technology, https://mitsloan.mit.edu/ideas-made-to-matter/impact-generative-ai-a-general-purpose-technology [13.2.2025]
Stettes, Oliver, 2024, Digitale und ökologische Transformation, betriebliche Konfliktfelder und die Rolle von Betriebsräten, in: IW-Trends, 51. Jg., Nr. 3, S. 3-24
Stettes, Oliver, 2023, Solo-Selbstständige und Werkvertragsbeschäftigte als Katalysatoren des digitalen Wandels in deutschen Unternehmen, in: IW-Trends, 50. Jg., Nr. 1, S. 63–80
Svanberg, Maja et al., 2024, Beyond AI Exposure: Which Tasks are Cost-Effective to Automate with Com-puter Vision?, https://doi.org/10.2139/ssrn.4700751
SVR – Sachverständigenrat zur Begutachtung der gesamtwirtschaftlichen Entwicklung, 2023, Wachstums-schwäche überwinden – In die Zukunft investieren, Jahresgutachten 2023/24, Wiesbaden
SVR, 2020, Corona-Krise gemeinsam bewältigen, Resilienz und Wachstum stärken, Jahresgutachten 2020/2021, Wiesbaden
SVR, 2015, Zukunftsfähigkeit in den Mittelpunkt, Jahresgutachten 2015/2016, Wiesbaden
tagesschau.de, 2025a, „Stargate“. Trump verkündet milliardenschweres KI-Projekt, https://www.tages-schau.de/wirtschaft/digitales/stargate-ki-trump-100.html [11.2.2025]
tagesschau.de, 2025b, 1.500 Teilnehmer erwartet. Gipfel zu Künstlicher Intelligenz in Paris begonnen, https://www.tagesschau.de/wirtschaft/digitales/ki-europa-gipfel-100.html [11.2.2025]
Universität des Saarlands, 2025, Neuer Referentenentwurf zur Durchführung der KI Verordnung, Juristisches Internetprojekt Saarbrücken, https://www.jura.uni-saarland.de/neuer-referentenentwurf-zur-durchfueh-rung-der-ki-verordnung/ [11.2.2025]
Vöpel, Henning, 2021, Die digitale Revolution: Der große Sprung in die Datenökonomie, in: Straubhaar, Thomas, 2021, (Hrsg.), Neuvermessung der Datenökonomie, Hamburg, S. 29–39
Wambach, Achim, 2022, Wettbewerb in der digitalen Ökonomie, in: List Forum für Wirtschafts- und Finanz-politik, 48. Jg., S. 35–52
Webb, Michael, 2020, Essays in the economics of artificial intelligence, Standford, http://purl.stan-ford.edu/hy957wm6685 [26.9.2023]