Das Solow-Paradoxon kehrt zurück – und diesmal spricht es über KI
Es gibt ein stilles Muster, das die Wirtschaftsgeschichte mindestens zweimal deutlich wiederholt hat, bevor das Zeitalter der künstlichen Intelligenz begann. Zuerst mit der industriellen Elektrifizierung, dann mit dem Personalcomputer. In beiden Fällen kam die Technologie Jahrzehnte, bevor ihr Einfluss in den Produktivitätsstatistiken sichtbar wurde. In beiden Fällen war die Phase, in der „nichts passiert", genau der Moment, in dem alles im Verborgenen neu konfiguriert wurde.
Der Ökonom Robert Solow fasste es in einem Satz zusammen, der nicht dazu gedacht war, irgendjemanden zum Lachen zu bringen: „Du kannst das Computerzeitalter überall sehen, nur nicht in den Produktivitätsstatistiken." Es war 1987. PCs verbreiteten sich in Unternehmensbüros, Großrechner verarbeiteten Transaktionen mit einer Geschwindigkeit, die ein Jahrzehnt zuvor undenkbar gewesen wäre, und der Keim dessen, was das Internet werden sollte, existierte bereits. Und doch bewegte sich die aggregierte Produktivität der US-Wirtschaft nicht. Dieses Phänomen wurde als das Solow-Paradoxon in die Geschichte eingraviert, und seine Auflösung ließ fast zehn Jahre auf sich warten.
Was heute mit der künstlichen Intelligenz geschieht, hat eine nahezu identische Geometrie. Und die jüngste Anhäufung von Daten – sowohl aus Massenerhebungen als auch aus Berichten großer Technologieplattformen – legt nahe, dass der Wendepunkt, den die Computer fast ein Jahrzehnt gebraucht haben, sich gerade jetzt für die KI materialisieren könnte.
---
Wenn 90 % sagen „nichts hat sich verändert" und der Markt das Gegenteil sagt
Im Februar dieses Jahres lieferte eine Umfrage unter 6.000 Unternehmensführern ein Ergebnis, das auf den ersten Blick für die Argumente derjenigen, die seit Jahren die KI-Revolution versprechen, verheerend erscheinen würde: 90 % der Befragten gaben an, dass die Einführung künstlicher Intelligenz keinerlei messbaren Einfluss auf Beschäftigung oder Produktivität in ihren Unternehmen gehabt habe. Gleichzeitig erklärten 63 %, KI in irgendeiner Form eingeführt zu haben.
Das ist exakt das Bild von 1987. Eine Technologie, die im Diskurs allgegenwärtig ist, von der Mehrheit eingesetzt wird, aber ohne sichtbaren Abdruck in der realen, mit konventionellen Instrumenten gemessenen Wirtschaft.
Doch es gibt eine weitere Zahl in demselben Bild, die den Rahmen verschiebt. Eine Analyse der Federal Reserve Bank of Saint Louis ergab, dass generative KI eine Produktivitätsverbesserung von 5,4 % bei den Arbeitnehmern erzeugte, die sie nutzen. Das ist keine Zahl, die die aktuellen Bewertungen von KI-Unternehmen rechtfertigt. Aber sie ist auch nicht zu vernachlässigen. Es ist, in historischen Begriffen, genau die Art von schwachem Signal, das typischerweise einer tieferen strukturellen Bewegung vorausgeht.
Die Kluft zwischen den 90 %, die keine Veränderung wahrnehmen, und den 5,4 %, bei denen tatsächlich eine Verbesserung gemessen wird, ist kein Widerspruch. Es ist der Unterschied zwischen dem Einsetzen eines Werkzeugs und dem vollständigen Neugestalten des Prozesses um dieses Werkzeug herum. Die Fabriken des 19. Jahrhunderts, die Elektromotoren über denselben Wellen- und Flaschenzugsystemen wie zuvor installierten, erzielten keine Effizienzgewinne. Jene, die die physische Architektur ihrer Anlagen abrissen und von Grund auf neu um den einzelnen Motor je Arbeitsstation herum aufbauten, erzielten diese – aber dieser Prozess dauerte vierzig Jahre, nachdem Edison 1882 sein erstes Kraftwerk in Betrieb genommen hatte.
Die Deloitte-Analyse zur Einführung generativer KI fügt dem Puzzle ein weiteres Fragment hinzu: Die Mehrheit der Unternehmen, die KI eingeführt haben, berichtet von einem positiven Return, und fast 25 % der Anwender berichten von Produktivitäts- oder Finanzgewinnen von mehr als 30 %. Dieses Viertel der Unternehmen arbeitet nicht mit anderen Werkzeugen als die verbleibenden 75 %. Es arbeitet mit einer anderen organisatorischen Logik, was genau die Art von Variable ist, die in Umfragen zur Technologieakzeptanz nicht auftaucht, aber bestimmt, wo sich der Wert in den nächsten fünf Jahren konzentrieren wird.
---
Was die Ergebnisse von Alphabet und Microsoft offenbaren, was die Umfrage nicht sieht
Während die Mehrheit der Unternehmen von null Auswirkungen berichtet, veröffentlichen zwei Unternehmen mit dominanter Stellung in der technologischen Infrastruktur Zahlen, die nicht zu dieser Erzählung passen. Und der Unterschied liegt nicht darin, dass sie Zugang zu einer besseren KI haben, sondern darin, dass sie den Vertriebskanal kontrollieren, über den Millionen von Organisationen auf diese KI zugreifen.
Alphabet meldete in seinem letzten Quartal ein Wachstum von 19 % bei den Suchanzeigeneinnahmen und führte einen Teil dieses Anstiegs direkt auf die Integration von KI in sein wichtigstes Suchprodukt zurück. Die Google Cloud-Sparte wuchs um 63 % im Jahresvergleich, und das Unternehmen wies darauf hin, dass große Unternehmenskunden, die ihre KI-Dienste eingeführt haben, Umsätze mit einem Wachstum von 800 % gegenüber dem Vorjahr generierten. Diese letzte Zahl ist kein Indikator für das absolute Volumen, aber sie ist ein Signal für die Adoptionsgeschwindigkeit unter dem Unternehmenssegment, das sich historisch am langsamsten bewegt.
Microsoft seinerseits meldete, dass sein KI-Geschäft derzeit mit einer annualisierten Einnahmenrate von 37 Milliarden US-Dollar läuft. Um diese Zahl einzuordnen: OpenAI, das Unternehmen, das die meiste Medienaufmerksamkeit im KI-Bereich auf sich zieht und mit annualisierten Einnahmen von rund 20 Milliarden US-Dollar operiert, ist immer noch kleiner als Microsoft – und das nur in dessen KI-Segment.
Das entstehende Muster ist nicht das einer gescheiterten Technologie, die auf Bestätigung wartet. Es ist das einer Technologie, deren wirtschaftliche Wertabschöpfung sich derzeit in den Plattformen konzentriert, die die Infrastruktur und die Vertriebskanäle zum Unternehmenskunden kontrollieren: Alphabet, Microsoft und in geringerem Maße Salesforce, ServiceNow und Databricks, die ebenfalls eine wachsende Monetarisierung ihrer integrierten KI-Fähigkeiten meldeten.
Dies repliziert getreu das, was in den 1990er-Jahren mit der Computertechnik geschah. Intel, Microsoft, Cisco und die Telekommunikationsbetreiber absorbierten den größten Teil des wirtschaftlichen Werts der digitalen Revolution, lange bevor die Auswirkungen dieser Revolution in den aggregierten Produktivitätsstatistiken sichtbar wurden. Die Unternehmen, die diese Technologie nutzten, brauchten noch Jahre, um die Investitionen in echte operative Gewinne umzuwandeln.
---
Das Verzögerungsproblem, das niemand misst, liegt in der organisatorischen Architektur
Es gibt eine spezifische Reibung, die erklärt, warum die Lücke zwischen Einführung und Produktivität nicht automatisch kollabiert – und diese Reibung taucht selten in Marktanalysen auf. Es handelt sich um die Geschwindigkeit des organisatorischen Neugestaltens, die um Größenordnungen langsamer ist als die Geschwindigkeit der Technologieakzeptanz.
Wenn ein Unternehmen ein generatives KI-Tool in den Arbeitsablauf seines Inhalts- oder Kundenserviceteams integriert, ist der anfängliche Gewinn marginal. Der Mitarbeiter lernt, das Werkzeug zu benutzen, aber der Prozess, in dem dieses Werkzeug eingesetzt wird, hat nach wie vor dieselben Engpässe, dieselben Genehmigungsschichten, dasselbe Rollendesign wie vor der KI. Die 5,4-prozentige Verbesserung, die die Federal Reserve Bank misst, ist zu einem großen Teil die Auswirkung des Werkzeugs auf den bestehenden Prozess.
Der Sprung, der die Elektrifizierung von einem technischen Datum zu einer Produktivitätsrevolution machte, war nicht die Installation des Motors. Es war die Beseitigung der zentralen Antriebswelle und die dezentrale Verteilung der Energie über die gesamte Anlage – was die physische Zerstörung der bestehenden Infrastruktur und ihren Wiederaufbau erforderte. Das KI-Äquivalent ist nicht „einen Copiloten implementieren". Es ist das Neudesignen, welche Prozesse existieren, welche verschwinden, welche Rollen Sinn ergeben und welche Entscheidungen ohne direkten menschlichen Eingriff getroffen werden können.
Die Unternehmen im obersten Quartil der Deloitte-Analyse – die 25 %, die Gewinne von über 30 % melden – tun etwas anderes, als Werkzeuge zu installieren. Sie gestalten ganze Arbeitsabläufe rund um Fähigkeiten neu, die vorher nicht existierten. Das ist eine Operation, die Toleranz gegenüber vorübergehendem Chaos erfordert, die Bereitschaft, funktionierende Prozesse aufzugeben, und vor allem eine ehrliche Einschätzung dessen, was der Endkunde tatsächlich schätzt und welcher Teil des internen Prozesses für niemanden außer dem, der ihn entworfen hat, irgendeinen Wert schafft.
Diese Neugestaltung ist langsam, politisch kostspielig innerhalb von Organisationen und kurzfristig schwer zu messen. Deshalb erscheint sie in der Umfrage der 6.000 Unternehmensführer nicht als sichtbare Wirkung. Aber es ist genau das, was, wenn es in ausreichend vielen Sektoren und Unternehmen eine kritische Masse erreicht, die Art von Bewegung in den Produktivitätsstatistiken erzeugt, die Ökonomen rückblickend als Wendepunkt beschreiben.
---
Was das Solow-Paradoxon allein nicht lösen kann
Die historische Analogie hat analytischen Wert, hat aber auch eine Grenze, die es lohnt, präzise zu benennen. Die Latenzzeit zwischen Technologieakzeptanz und messbarer Produktivität in den 1980er- und 1990er-Jahren trat in einem Kontext langsamerer technologischer Iterationsgeschwindigkeit auf. Die heute existierenden Sprachmodelle werden in drei Jahren primitive Versionen der dann verfügbaren sein. Der Wettbewerbsdruck auf Unternehmen, Prozesse einzuführen und umzugestalten, ist heute intensiver als derjenige, dem Organisationen während des PC-Übergangs ausgesetzt waren.
Das verkürzt den Zeitraum der organisatorischen Verzögerung nicht mechanisch, da diese Verzögerung von menschlichen und institutionellen Faktoren abhängt, die sich nicht im gleichen Tempo wie die Technologie beschleunigen. Aber es bedeutet, dass die Verteilung der Vorteile zwischen Unternehmen, die neugestalten, und solchen, die einführen ohne neu zu gestalten, mit einer höheren Geschwindigkeit in den Bilanzen sichtbar werden wird als in der PC-Revolution.
Die 25 % der Anwender mit Gewinnen über 30 %, wie von Deloitte gemeldet, sind keine statistische Kuriosität. Sie sind der erste Beweis dafür, dass die Trennung zwischen beiden Gruppen bereits stattfindet. Wenn das historische Muster Bestand hat, wird dieses Gefälle sich ausweiten, bevor die makroökonomischen Statistiken es klar registrieren. Wenn die Produktivitätsindizes den Sprung zeigen, den Solow seit 1987 zu sehen erwartet hatte, wird der Wettbewerbsvorteil derjenigen, die neu gestaltet haben, anstatt lediglich einzuführen, bereits strukturell schwer aufzuholen sein.
Die Frage, die das Solow-Paradoxon ungelöst lässt, ist immer dieselbe: Wie viel Zeit hat eine Organisation, um vom Anwender des Werkzeugs zum Gestalter der Prozesse zu werden, die das Werkzeug erst möglich macht. In den 1990er-Jahren betrug diese Frist fast ein Jahrzehnt. Diesmal legt die Geometrie des Marktes nahe, dass sie erheblich kürzer sein wird.
