Wirtschaftliche Auswirkungen von Künstlicher Intelligenz auf Produktivität und Arbeitsmarkt in Deutschland

KI als Produktivitätstreiber: Eine Analyse der wirtschaftlichen Auswirkungen

Die Diskussion um Künstliche Intelligenz (KI) wird zunehmend von der Frage nach ihren konkreten wirtschaftlichen Auswirkungen geprägt. Während utopische wie dystopische Zukunftsvisionen oft die öffentliche Debatte dominieren, rücken aktuelle Studien die realen und potenziellen Beiträge von KI zur Produktivität in den Vordergrund. Als Spezialist für Mindverse, einem deutschen KI-Unternehmen, das sich als Partner für Content-Erstellung und -Optimierung versteht, ist es unser Ziel, diese komplexen Entwicklungen für eine anspruchsvolle B2B-Zielgruppe präzise und objektiv zu beleuchten.

Der aktuelle Stand der Produktivitätssteigerungen durch KI

Jüngste Analysen, unter anderem von der Europäischen Investitionsbank (EIB), legen nahe, dass der Einsatz von KI die Produktivität von Unternehmen innerhalb der EU um etwa vier Prozent steigert. Obwohl diese Steigerung als "wirtschaftlich bedeutsam" eingestuft wird, fällt sie geringer aus, als einige frühere Prognosen erwartet hatten. Diese Erkenntnisse basieren auf einer umfangreichen Untersuchung von über 12.000 Nichtfinanzunternehmen in der EU und 800 vergleichbaren US-Unternehmen über einen Zeitraum von fünf Jahren. Die Methodik der Instrumentalvariablenanalyse zielte darauf ab, KI als eindeutigen Grund für die beobachteten Produktivitätssteigerungen zu identifizieren.

Ein bemerkenswertes Ergebnis dieser Studien ist das Ausbleiben eines flächendeckenden Stellenabbaus infolge des KI-Einsatzes. Vielmehr profitieren Mitarbeitende in KI-anwendenden Unternehmen teilweise von höheren Löhnen. Die entscheidende Rolle hierbei spielen nicht allein die Investitionen in KI-Software, sondern insbesondere auch in die Fort- und Weiterbildung des Personals. Es bleibt jedoch festzuhalten, dass es sich hierbei um eine Momentaufnahme handeln könnte, deren langfristige Dauerhaftigkeit noch abzuwarten ist.

Ungleichheiten bei der KI-Adoption und Produktivitätsverteilung

Die Vorteile der KI-induzierten Produktivitätssteigerung verteilen sich innerhalb der EU nicht gleichmäßig. Unternehmen in wirtschaftlich stärker entwickelten Staaten, wie Schweden oder Deutschland, nutzen KI häufiger und umfassender. Weniger entwickelte Staaten hingegen bleiben oft zurück, was seit 2023 zu einer wachsenden Diskrepanz im KI-Vorbereitungsindex führt. Auch innerhalb der Unternehmen selbst zeigen sich Unterschiede: Große und mittelgroße Unternehmen profitieren überproportional, während kleinen Unternehmen mit weniger als 50 Mitarbeitenden oft die notwendigen Ressourcen und die Expertise für eine effektive KI-Implementierung fehlen.

Ähnliche Entwicklungen sind in den USA zu beobachten, wo der Direktor des Stanford Digital Economy Lab, Erik Brynjolfsson, einen Produktivitätsschub in ähnlicher Größenordnung feststellte. Der jährliche nationale Produktivitätszuwachs hat sich dort im Jahr 2025 im Vergleich zu den vorherigen zehn Jahren auf 2,7 Prozent verdoppelt, was auf die Wirkung von Investitionen in den KI-Markt zurückgeführt wird.

Makroökonomische Perspektiven auf KI und Produktivität in Deutschland

Für Deutschland prognostiziert ein Gutachten des Instituts der deutschen Wirtschaft (IW) ein jahresdurchschnittliches Produktivitätswachstum von 0,9 Prozent für die Jahre 2025 bis 2030 und 1,2 Prozent für 2030 bis 2040. Auch wenn dies eine Verbesserung gegenüber dem historisch schwachen Niveau der 2020er Jahre darstellt (0,4 Prozent), wird kein "Produktivitätswunder" erwartet. Die Impulse durch technisch-organisatorischen Fortschritt, zu dem KI beiträgt, werden voraussichtlich wieder zunehmen. Die Kapitalintensivierung steigt ebenfalls, hauptsächlich bedingt durch den demografisch bedingten Rückgang des Arbeitseinsatzes.

Die Analyse der Produktivitätsentwicklung in Deutschland verdeutlicht die Relevanz der drei Wachstumsfaktoren Arbeit, Kapital und technisch-organisatorisches Wissen. Die Beiträge der Kapitalintensivierung waren in den letzten drei Dekaden rückläufig, zeigten aber in den letzten vier Jahren wieder einen leichten Anstieg. Dieser Anstieg resultiert jedoch auch aus dem sinkenden Arbeitseinsatz und nicht allein aus einem starken Investitionswachstum. Das hohe Modernisierungstempo bei Ausrüstungs- und immateriellen Kapitalgütern führt zu erhöhten Abgängen aus dem Kapitalstock, was die Kapitalbildung belastet. Dennoch kann dieser Effekt den kapitalgebundenen technischen Fortschritt verstärken und sich positiv auf die totale Faktorproduktivität (TFP) auswirken.

Potenzialeffekte von KI

KI beeinflusst Volumen und Struktur der Produktionsfaktoren. Eine Grundvoraussetzung für KI ist eine hohe Rechenleistung und die damit verbundene Infrastruktur, bestehend aus Informations- und Kommunikationstechnologien. Auch Daten (Big Data) sind ein eigenständiger Produktionsfaktor. Diese "Digitalisierungskapitalien" sind technische Bedingungen und notwendige Produktionsfaktoren für KI. Die Effekte von KI lassen sich in direkte und indirekte Auswirkungen unterteilen. Direkte Effekte ergeben sich aus der Beeinflussung von Volumen, Struktur, Effizienz und Kosten der Produktionsfaktoren. Indirekte Effekte betreffen das Zusammenwirken der Faktoren und können Spillover-Effekte generieren.

Für Deutschland wird in den kommenden 15 Jahren eine verstärkte Investitionstätigkeit angenommen, getrieben durch Klimawandel, demografischen Wandel und geopolitische Veränderungen. Diese Investitionen, insbesondere in digitale Infrastrukturen wie Rechenzentren, sind entscheidend für die Verbreitung von KI. Jedoch führen hohe Obsoleszenzraten im Digitalisierungskapital dazu, dass die Nettoeffekte geringer ausfallen als das Investitionsvolumen. Hohe Strompreise, bürokratische Genehmigungsprozesse und Fachkräftemangel können die Potenzial- und Produktivitätseffekte des KI-Einsatzes in Deutschland bremsen.

Der technische Fortschritt, gemessen an der TFP, war in Deutschland in den letzten Jahren schwach. Die weitere Verbreitung von Basistechnologien wie KI kann diesen Trend umkehren. KI wird als Querschnittstechnologie und wichtiger Treiber für die TFP angesehen, indem sie Prozesse beschleunigt und Ressourcen einspart. Die Umsetzung neuer Technologien erfordert jedoch Zeit und Investitionen in komplementäre Faktoren wie Humankapital und organisatorischen Wandel. Regulatorische Hindernisse und Fachkräftemangel im KI-Bereich können die Effizienzgewinne verzögern. Marktmachtkonzentration kann die Breitenwirkung von Innovationen schwächen, während Open-Source-KIs Anreize für einen breiteren Einsatz schaffen könnten.

Auswirkungen von KI auf den Arbeitsmarkt

Der Einsatz von KI kann auf Arbeitsplatzebene Produktivitätsgewinne realisieren. Empirische Evidenz deutet darauf hin, dass die Ausschöpfung dieses Potenzials spezifische Gelingensbedingungen voraussetzt, die je nach Betrieb, Organisationsbereich und Beschäftigten variieren. Bisherige Befunde sprechen dafür, dass KI in einem komplementären Verhältnis zum Faktor Arbeit steht und nicht primär zu einem arbeitssparenden technischen Fortschritt führt. Dies steht im Gegensatz zu früheren Befürchtungen, die einen massiven Stellenabbau prognostizierten.

Analysen zur potenziellen Betroffenheit von Beschäftigten zeigen, dass KI-nahe Tätigkeiten (insbesondere in Expertenberufen) mit einem höheren Beschäftigungswachstum und höheren Löhnen korrelieren. Die Mobilität von KI-nahen Beschäftigten ist geringer, und sie sind seltener von längeren Arbeitslosigkeitsphasen betroffen. Dies deutet darauf hin, dass KI-Nähe mit stabileren Beschäftigungsverhältnissen einhergeht. Die Nachfrage nach KI-Kompetenzen in Stellenanzeigen steigt, und es gibt Hinweise auf Lohnprämien für diese Fähigkeiten.

Befragungen von Unternehmen und Beschäftigten zeigen, dass KI-Anwendungen, insbesondere im Finanz- und Versicherungssektor sowie im Verarbeitenden Gewerbe, zur Reduzierung von Arbeitskosten eingesetzt werden. Viele Unternehmen berichten von Effizienzsteigerungen durch KI, vor allem in Form von Zeit- und Kostenersparnissen. Auf der Ebene der Beschäftigten geben KI-Nutzer an, dass ihre Arbeitsleistung zugenommen hat, während sie seltener Befürchtungen haben, mit dem technischen Fortschritt nicht mithalten zu können. Allerdings äußern sie auch Sorgen, dass ihre beruflichen Qualifikationen abgewertet werden könnten. Die Lohnentwicklung nach KI-Nutzung zeigt, dass KI-Experten und -Anfänger höhere Bruttostundenlöhne erzielen, und dieser positive Zusammenhang ist über alle Bildungsgruppen hinweg sichtbar.

Qualitative Einblicke aus der Unternehmenspraxis

Interviews mit KI-erfahrenen Unternehmen zeigen, dass diese frühzeitig in die Entwicklung und Anwendung von KI investiert haben. Besonders große Unternehmen verfügen über spezialisierte KI-Abteilungen. Die Anwendungsfälle reichen von Chatbots für Kundenanfragen bis hin zu hochspezialisierten KI-Systemen in der Produktion. Ein breiter Konsens besteht darin, dass KI zu Effizienzsteigerungen führt, vor allem durch Zeit- und Kostenersparnisse. KI wird als komplementär zur menschlichen Arbeit angesehen und ersetzt keine Beschäftigten. Vielmehr entlastet sie Mitarbeitende von einfachen und monotonen Tätigkeiten, wodurch neue Arbeitsprofile und Kompetenzbedarfe entstehen.

Herausforderungen und Rahmenbedingungen

Die Regulierung von KI, insbesondere der europäische AI Act, wird von den Unternehmen überwiegend positiv bewertet, da sie Rechtssicherheit schafft. Kritische Stimmen sehen jedoch eine eingeschränkte Handhabbarkeit und potenzielle Innovationshemmnisse. Die Konzentration von Marktmacht in den Händen weniger Big-Tech-Unternehmen stellt eine Herausforderung dar, da dies zu wachstumshemmenden Effekten führen kann. Eine kluge Wettbewerbspolitik und Regulierungen, die hohe Marktkonzentrationen verhindern und Open-Source-KIs fördern, sind daher essenziell.

Die digitale Infrastruktur, insbesondere Rechenzentren und Breitbandnetze, ist eine zentrale Voraussetzung für den Einsatz von KI. Deutschland hat hier Nachholbedarf, da es im EU-weiten Vergleich bei der Glasfaserverfügbarkeit zurückliegt. Hohe Strompreise und bürokratische Genehmigungsprozesse bremsen den Ausbau der Infrastruktur. Die Fachkräftesituation ist ebenfalls eine Herausforderung: Obwohl KI zur Entlastung von Fachkräften beitragen kann, besteht ein Mangel an qualifiziertem Personal im KI-Bereich. Gezielte Bildung, Zuwanderung und Weiterbildungsmaßnahmen sind notwendig, um diese Lücke zu schließen.

Die Vielzahl an Digitalregulierungen und die damit verbundenen Rechtsunsicherheiten stellen insbesondere für kleine und mittlere Unternehmen (KMU) eine Hürde dar. Hier sind praxisnahe Umsetzungshilfen und eine übersichtliche Orientierung notwendig. Die Politik ist gefordert, die deutsche Umsetzung des AI Act voranzutreiben, die Regulierung handhabbar zu machen und regelmäßig zu evaluieren. Investitionen in KI-Forschung und die Förderung privater Investitionen sind ebenfalls entscheidend. Für die Wirtschaft sind die Schaffung digitaler Grundlagen, die Sicherstellung von Compliance, die Stärkung der Weiterbildung, die Schaffung von Akzeptanz bei Mitarbeitenden und ein offenes Mindset von großer Bedeutung.

Fazit

Künstliche Intelligenz bietet ein erhebliches Potenzial für Produktivitätssteigerungen und die Transformation der Arbeitswelt. Die bisherige Entwicklung zeigt, dass KI menschliche Arbeit eher ergänzt als ersetzt und zu positiven Effekten wie höheren Löhnen führen kann. Um dieses Potenzial in Deutschland voll auszuschöpfen und die Wettbewerbsfähigkeit zu stärken, sind jedoch gezielte Maßnahmen auf politischer und unternehmerischer Ebene erforderlich. Dazu gehören Investitionen in digitale Infrastrukturen und Bildung, eine anpassungsfähige Regulierung sowie die Förderung eines innovationsfreundlichen Umfelds. Nur durch einen koordinierten Ansatz kann Deutschland von den Chancen der KI nachhaltig profitieren und die damit verbundenen Herausforderungen erfolgreich meistern.

Wir bei Mindverse sind uns dieser Entwicklungen bewusst und arbeiten kontinuierlich daran, unsere KI-Lösungen so zu gestalten, dass sie Unternehmen nicht nur bei der Content-Erstellung unterstützen, sondern auch einen Beitrag zur Steigerung der Produktivität und zur Bewältigung der digitalen Transformation leisten.

Bibliographie

- Acemoglu, D., Autor, D., Hazell, J., & Restrepo, P. (2022). AI and Jobs: Evidence from Online Vacancies. NBER Working Paper, No. 28257. - Acemoglu, D., & Restrepo, P. (2018). The Race Between Man and Machine: Implications of Technology for Growth, Factor Shares, And Employment. American Economic Review, 108(6), 1488–1542. - Aghion, P., & Bunel, S. (2024). AI and Growth: where do we stand. Mimeo. San Francisco Fed. - Aiyar, S., et al. (2023). Geoeconomic Fragmentation and the Future of Multilateralism. International Monetary Fund, Staff Discussion Note SDN/2023/001. - Albasina, S., et al. (2023). New Technologies and Jobs in Europe. NBER Working Paper, No. 31357. - Arntz, M., Blesse, S., & Doerrenberg, P. (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. - Bundesministerium für Wirtschaft und Klimaschutz (BMWE). (2025). Künstliche Intelligenz: Für mehr Produktivität braucht es die richtigen Rahmenbedingungen. Schlaglichter der Wirtschaftspolitik (Monatsbericht 06/2025). - Brynjolfsson, E., Li, D., & Raymond, L. (2023). Generative AI at work. NBER Working Paper, No. 31161. - Büchel, J., & Monsef, R. P. (2024). Künstliche Intelligenz - Bessere Entlohnung durch Produktivitätsbooster?. IW-Trends, 51(2), 45–63. - Büchel, J., Scheufen, M., & Engels, B. (2025). Digitalisierungsindex 2024. Digitalisierung der Wirtschaft in Deutschland. - Cam, A., Chui, M., & Hall, B. (2019). Global AI Survey: AI proves its worth, but few scale impact. McKinsey. - Czarnitzki, D., Fernandez, G. P., & Rammer, C. (2022). Artificial Intelligence and Firm-Level Productivity. ZEW-Discussion Paper, No. 22-005. - Dell’Acqua, F., 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 & Operations Mgt. Unit, Working Paper, Nr. 24-013. - Demary, V., et al. (2025). Wie wird KI die Produktivität in Deutschland verändern?. Gutachten im Auftrag des Gemeinschaftsausschusses der Deutschen Gewerblichen Wirtschaft. Institut der deutschen Wirtschaft (IW). - Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023). Gpts are gpts: An early look at the labor market impact potential of large language models. arXiv preprint arXiv:2303.10130. - Ewald, J., Goecke, H., Kempermann, H., & Kestermann, C. (2024). Spillover-Effekte von Rechenzentren – Rückgrat der KI-Revolution in Deutschland. Gutachten im Auftrag der Allianz zur Stärkung digitaler Infrastrukturen. - Felten, E. W., Raj, M., & Seamans, R. (2021). Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses. Strategic Management Journal, 42(12), 2195–2217. - Filippucci, F., Gal, P., & Schief, M. (2024). Miracle or Myth? Assessing the macroeconomic productivity gains from Artificial Intelligence (No. 29). OECD Publishing. - Fossen, F. M., & Sorgner, A. (2019). New Digital Technologies and Heterogeneous Employment and Wage Dynamics in the United States: Evidence from Individual-Level Data. IZA Discussion Paper, Nr. 12242. - Gathmann, C., & Grimm, F. (2022). The Diffusion of Digital Technologies and its Consequences in the Labor Market. 23rd IZA Summer School in Labor Economics. - Gethmann, C. F., Buxmann, P., Distelrath, J., Humm, B. G., Lingner, S., Nitsch, V., Schmidt, J. C., & Spiecker genannt Döhmann, I. (2022). Künstliche Intelligenz in der Forschung: Neue Möglichkeiten und Herausforderungen für die Wissenschaft. Springer. - Gonschor, M., & Storm, E. (2023). The Diffusion of Artificial Intelligence: New evidence from German Online Job Vacancy data. Working Paper. - Green, A., & Lamby, L. (2023). The supply, demand and characteristics of the AI workforce across OECD countries. OECD Social, Employment and Migration Working Papers, Nr. 287. - Grömling, M. (2022). Kapitalarmes Produktivitätswachstum in Deutschland – eine schwere Ausgangslage. Zeitschrift für das gesamte Kreditwesen, 75(9), 32-37. - Hammermann, A., Monsef, R. P., & Stettes, O. (2023). KI und der Arbeitsmarkt. Eine Analyse der Beschäftigungseffekte. IW-Report, Nr. 55. - Heise Online. (2026). „Wirtschaftlich bedeutsam“ – KI sorgt für Produktivität. - Hintemann, R., Hinterholzer, S., & Progni, K. (2024). Bitkom-Studie Rechenzentren in Deutschland: Aktuelle Marktentwicklungen– Stand 2024. Bitkom/Borderstep Institut. - International Monetary Fund (IMF). (2024). World Economic Outlook— Steady but Slow: Resilience amid Divergence. Washington, DC. - Kerkhof, A., Licht, T., Menkhoff, M., & Wohlrabe, K. (2024). Die Nutzung von Künstlicher Intelligenz in der deutschen Wirtschaft. ifo Schnelldienst, 77(8), 39–43. - Milanez, A. (2023). The impact of AI on the workplace: Evidence from OECD case studies of AI implementation. OECD Social, Employment and Migration Working Papers, Nr. 289. - OECD. (2024). OECD-Bericht zu Künstlicher Intelligenz in Deutschland. OECD Publishing. - Pizzinelli, C., Panton, A., Mendes Tavares, M., Cazzaniga, M., & Li, L. (2023). “Labor Market Exposure to AI: Cross-country Differences and Distributional Implications”. IMF Working Paper. - PriorLabs. (2025). DataTech-Startup sammelt 9 Mio. Euro für intelligente KI-Datenanalyse. Trending Topics. - Sachverständigenrat zur Begutachtung der gesamtwirtschaftlichen Entwicklung. (2025). Kapitel 8 – Strukturwandel in Deutschland: Produktivität, regionale Aspekte und Arbeitsmarkt. Jahresgutachten 2025/26. - Svanberg, M., Li, W., Fleming, M., Goehring, B., & Thompson, N. (2024). Beyond AI exposure: which tasks are cost-effective to automate with computer vision?. Available at SSRN 4700751. - Trenz, M., Stettes, O., Seele, S., Scheufen, M., Kestermann, C., Grömling, M., & Demary, V. (2025). Wie wird KI die Produktivität in Deutschland verändern?. Gutachten im Auftrag des Gemeinschaftsausschusses der Deutschen Gewerblichen Wirtschaft. Institut der deutschen Wirtschaft (IW). - Zenk, J., et al. (2025). Künstliche Intelligenz: Potenzielle Effekte für den deutschen Arbeitsmarkt. IAB-Forschungsbericht 23|2025.