- [ Künstliche Intelligenz ](https://www.fingerklopfer.de/index.php?option=com_tags&view=tag&id%5B0%5D=444:kuenstliche-intelligenz)
- [ Digitalisierung ](https://www.fingerklopfer.de/index.php?option=com_tags&view=tag&id%5B0%5D=763:digitalisierung)
- [ Wirtschaft ](https://www.fingerklopfer.de/index.php?option=com_tags&view=tag&id%5B0%5D=942:wirtschaft)
- [ Produktivität ](https://www.fingerklopfer.de/index.php?option=com_tags&view=tag&id%5B0%5D=1028:produktivitaet)

#  KI und das Produktivitätsversprechen: Unternehmen erwarten den großen Schub – doch noch bleibt er unsichtbar

06. August 2026 // geschrieben von Redaktion

 ![](https://www.fingerklopfer.de/images/teaser/2026-08-06_KI_produktivitaet.jpg)

Seit dem öffentlichen Durchbruch von ChatGPT Ende 2022 wird Künstliche Intelligenz mit einem Versprechen verbunden, das weit über bessere Suchmaschinen oder automatisch formulierte E-Mails hinausgeht: KI soll die Produktivität der Wirtschaft erhöhen, Kosten senken, Fachkräfte entlasten und Unternehmen ermöglichen, mit weniger Aufwand mehr zu leisten. Milliarden fließen deshalb in Rechenzentren, Hochleistungschips, Software und neue Geschäftsmodelle. Doch ist der erhoffte Produktivitätsschub tatsächlich schon eingetreten?

Eine [neue Analyse der Federal Reserve Bank of St. Louis](https://www.stlouisfed.org/on-the-economy/2026/jul/ai-productivity-what-firms-say-earnings-calls) liefert darauf eine bemerkenswert nüchterne Antwort. Unternehmen sprechen inzwischen sehr häufig und fast ausschließlich positiv über die Produktivitätswirkung von KI. Die meisten können diese Wirkung bislang allerdings noch nicht als realisierten Erfolg verbuchen. Rund 95 Prozent der KI-bezogenen Produktivitätsaussagen in den untersuchten Unternehmenskonferenzen beziehen sich nicht auf bereits erzielte Verbesserungen, sondern auf Erwartungen für die Zukunft.

Damit zeigt sich eine auffällige Lücke zwischen technologischem Fortschritt, unternehmerischem Optimismus und den bislang messbaren Ergebnissen. KI ist in vielen Bereichen zweifellos leistungsfähiger geworden. Ob daraus jedoch ein breiter gesamtwirtschaftlicher Produktivitätsschub entsteht, entscheidet sich nicht allein an der Qualität der Sprachmodelle. Entscheidend ist, ob Unternehmen ihre Arbeitsabläufe, Verantwortlichkeiten und Geschäftsmodelle tatsächlich an die neue Technik anpassen können.

## 490.000 Unternehmensgespräche und ein fast einhelliger Optimismus

Für ihre Untersuchung werteten die Ökonomen Serdar Ozkan, Aakash Kalyani und Nicholas Sullivan rund 490.000 sogenannte Earnings Calls von 5.198 börsennotierten US-Unternehmen aus. Der Datensatz von S&P Global reicht vom Jahr 2000 bis Ende 2025. Bei diesen regelmäßig stattfindenden Telefonkonferenzen erläutern Unternehmensleitungen gegenüber Analysten und Investoren ihre Geschäftszahlen, Investitionen, Kostenentwicklungen und Erwartungen.

Zunächst suchten die Forscher in den Protokollen nach Begriffen wie Produktivität und Effizienz. Anschließend ließen sie die gefundenen Textstellen einschließlich ihres unmittelbaren Zusammenhangs durch das offene Sprachmodell Qwen3-3B klassifizieren. Das Modell sollte unter anderem unterscheiden, ob tatsächlich über die Produktivität des Unternehmens gesprochen wurde, ob KI eine Rolle spielte, ob die Produktivität steigen oder sinken sollte und ob sich die Aussage auf Vergangenheit, Gegenwart oder Zukunft bezog. Nach dem Aussortieren irrelevanter Fundstellen blieben rund 910.955 produktivitätsbezogene Sätze übrig.

Das erste Ergebnis lautet, dass Produktivität in den Gesprächen generell eine größere Rolle spielt als noch vor einigen Jahren. Besonders stark veränderte sich jedoch die inhaltliche Zusammensetzung dieser Diskussionen. Vor dem Aufkommen von ChatGPT war KI als Produktivitätsthema praktisch bedeutungslos. Im Jahr 2023 stieg ihr Anteil sprunghaft, stabilisierte sich 2024 vorübergehend und legte 2025 erneut deutlich zu. Ende 2025 bezogen sich bereits rund 15 Prozent aller produktivitätsbezogenen Aussagen zugleich auf Künstliche Intelligenz.

Auch die Sprache änderte sich. Im Jahr 2023 sprachen Manager vor allem allgemein von „generativer KI“. Seit 2025 treten Formulierungen wie „KI nutzen“ und „KI-Werkzeuge“ stärker in den Vordergrund. Das deutet darauf hin, dass Unternehmen die Technologie zunehmend nicht mehr nur als abstraktes Zukunftsthema behandeln, sondern in konkrete Anwendungen überführen.

Der Grundton könnte positiver kaum sein. Bei gewöhnlichen Produktivitätsaussagen ohne KI-Bezug gingen etwa 75 Prozent von steigender Produktivität aus. Bei KI-bezogenen Aussagen lag dieser Anteil bei rund 95 Prozent. Von sinkender Produktivität war im Zusammenhang mit KI nahezu nie die Rede.

Doch genau an dieser Stelle offenbart sich die Schwäche des Befundes. Nahezu ebenso groß wie der Anteil der positiven Aussagen ist der Anteil der Aussagen, die sich auf die Zukunft beziehen. Etwa 95 Prozent der KI-bezogenen Produktivitätssätze beschreiben erwartete und nicht bereits verwirklichte Fortschritte. Dieses Muster bestand sowohl kurz nach dem ChatGPT-Durchbruch im Jahr 2023 als auch noch 2025.

Die Unternehmen sagen also überwiegend nicht: „KI hat unsere Produktivität erhöht.“ Sie sagen: „KI wird unsere Produktivität erhöhen.“

Das ist ein wesentlicher Unterschied. Unternehmensleitungen kommunizieren in Earnings Calls gegenüber Kapitalmarktteilnehmern. Sie haben einen Anreiz, Investitionen als zukunftsträchtig darzustellen und überzeugende Wachstumsperspektiven zu vermitteln. Die Aussagen sind deshalb ein wertvoller Gradmesser für Erwartungen und Investitionsbereitschaft, aber kein unmittelbarer Nachweis tatsächlich erzielter Produktivitätsfortschritte.

## Große Fortschritte bei Einzelaufgaben, aber kein gesamtwirtschaftlicher Durchbruch

Dass die Produktivitätseffekte nicht völlig aus der Luft gegriffen sind, zeigen verschiedene Untersuchungen zu klar abgegrenzten Tätigkeiten. Eine viel beachtete Studie von Erik Brynjolfsson, Danielle Li und Lindsey Raymond untersuchte den Einsatz eines KI-Assistenten bei 5.179 Beschäftigten im Kundendienst. Im Durchschnitt stieg die Zahl der pro Stunde gelösten Kundenanfragen um etwa 14 Prozent. Besonders stark profitierten weniger erfahrene und leistungsschwächere Mitarbeiter, deren Produktivität um rund ein Drittel zunahm. Bei besonders erfahrenen Beschäftigten war der Effekt dagegen gering. ([NBER](https://www.nber.org/papers/w31161?utm_source=chatgpt.com "Generative AI at Work"))

Ein Experiment von Shakked Noy und Whitney Zhang zeigte ebenfalls deutliche Vorteile bei beruflichen Schreibaufgaben. Teilnehmer mit Zugang zu ChatGPT erledigten Aufgaben schneller und erzielten im Durchschnitt bessere Ergebnisse. Gleichzeitig verringerte sich der Leistungsabstand zwischen stärkeren und schwächeren Teilnehmern. ([Science](https://www.science.org/doi/10.1126/science.adh2586?utm_source=chatgpt.com "Experimental evidence on the productivity effects of ..."))

Solche Befunde erklären, warum Unternehmen so optimistisch sind. KI kann vorhandenes Wissen aufbereiten, Routinetexte erzeugen, Informationen zusammenfassen, Kundenanfragen klassifizieren, Programmcode vorschlagen und Beschäftigten dabei helfen, schneller zu brauchbaren Ergebnissen zu kommen. Besonders groß ist der Nutzen häufig dort, wo Tätigkeiten wiederkehrend, sprachlich geprägt und durch vorhandene Beispiele gut dokumentiert sind.

Allerdings lassen sich diese Ergebnisse nicht ohne Weiteres auf ganze Unternehmen oder Volkswirtschaften übertragen. Wer einen einzelnen Bericht schneller schreibt, macht nicht zwangsläufig das gesamte Unternehmen im gleichen Umfang produktiver. Der erzeugte Text muss möglicherweise kontrolliert, korrigiert und mit anderen Prozessen abgestimmt werden. Einsparungen an einer Stelle können durch zusätzliche Prüf-, Integrations- und Kontrollaufgaben an anderer Stelle teilweise wieder verloren gehen.

Wie stark der Kontext zählt, zeigt ausgerechnet die Softwareentwicklung, die häufig als Vorzeigebereich für KI gilt. Eine kontrollierte Untersuchung der Forschungsorganisation METR mit erfahrenen Open-Source-Entwicklern kam 2025 zu einem überraschenden Ergebnis. Die Entwickler benötigten mit damaligen KI-Werkzeugen im Durchschnitt 19 Prozent mehr Zeit für Aufgaben in ihnen gut bekannten, komplexen Softwareprojekten. Vor Beginn des Versuchs hatten sie dagegen eine deutliche Zeitersparnis erwartet und glaubten sogar nach Abschluss der Aufgaben noch, schneller gewesen zu sein. ([Metr](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/?utm_source=chatgpt.com "Measuring the Impact of Early-2025 AI on Experienced ..."))

METR berichtete 2026 allerdings auch, dass spätere Messungen erste Hinweise auf Produktivitätsgewinne durch verbesserte Werkzeuge lieferten, wobei die statistische Unsicherheit weiterhin groß war. Eine 2026 veröffentlichte Metaanalyse von 23 Studien zu KI-gestützter Programmierung fand insgesamt einen moderaten positiven Produktivitätseffekt. Dieser fiel in kontrollierten Experimenten jedoch größer aus als in realen Open-Source- und Unternehmensumgebungen. Die Ergebnisse unterschieden sich also erheblich nach Aufgabe, Erfahrung der Entwickler und Einsatzumfeld. ([arXiv](https://arxiv.org/abs/2605.04779?utm_source=chatgpt.com "A meta-analysis of the effect of generative AI on productivity and learning in programming"))

Das ist für die Einordnung entscheidend. KI ist kein Produktivitätsschalter, der lediglich eingeschaltet werden muss. Sie kann einfache und standardisierte Aufgaben stark beschleunigen, während sie bei komplexen, haftungsrelevanten oder schwer überprüfbaren Tätigkeiten zusätzlichen Aufwand verursacht. Wer KI-Ergebnisse ungeprüft übernimmt, riskiert Fehler. Wer alles sorgfältig kontrolliert, muss einen Teil der zuvor gewonnenen Zeit wieder investieren.

## Der Stand der Technik: Leistungsfähiger, autonomer – aber weiterhin kontrollbedürftig

Technisch hat sich die Lage seit dem ersten ChatGPT erheblich verändert. Moderne Systeme können nicht mehr nur Texte vervollständigen. Sie verarbeiten Bilder, Dokumente, Sprache und Programmcode, verwenden externe Werkzeuge und bearbeiten zunehmend mehrstufige Aufgaben. Besonders bei Mathematik, wissenschaftlichen Fragen und Softwareentwicklung verbesserten sich die Testergebnisse der führenden Modelle deutlich.

Der Stanford AI Index 2026 kommt zu dem Ergebnis, dass die Leistungsentwicklung nicht zum Stillstand gekommen ist. Auf einigen anspruchsvollen Benchmarks erreichten oder übertrafen führende Modelle menschliche Vergleichswerte. Beim Programmierbenchmark SWE-bench Verified stieg die Leistung der Spitzensysteme innerhalb eines Jahres stark an. Gleichzeitig meldete Stanford, dass 88 Prozent der erfassten Organisationen inzwischen zumindest in irgendeiner Form KI einsetzen. ([Stanford HAI](https://hai.stanford.edu/ai-index/2026-ai-index-report?utm_source=chatgpt.com "The 2026 AI Index Report | Stanford HAI"))

Diese Zahlen dürfen jedoch nicht mit einer vollständigen Automatisierung komplexer Arbeitsplätze verwechselt werden. Benchmarks prüfen klar definierte Aufgaben unter festgelegten Bedingungen. Der betriebliche Alltag besteht dagegen aus unvollständigen Informationen, widersprüchlichen Anforderungen, rechtlichen Vorgaben, gewachsenen IT-Systemen und Entscheidungen, bei denen Fehler teuer werden können.

Hinzu kommt, dass aktuelle KI-Systeme Ergebnisse nicht auf dieselbe Weise verstehen und absichern wie ein verantwortlicher menschlicher Fachmann. Sprachmodelle erzeugen auf Grundlage gelernter statistischer Zusammenhänge plausible Ausgaben. Sie können dabei überzeugend formulierte Fehler produzieren, Quellen falsch zuordnen oder in längeren Arbeitsabläufen von der ursprünglichen Aufgabe abweichen. Die Fortschritte bei sogenannten KI-Agenten ändern dieses Grundproblem nicht vollständig. Sie verlagern menschliche Arbeit vielmehr teilweise vom unmittelbaren Erstellen hin zum Anweisen, Überwachen, Prüfen und Korrigieren.

In der Praxis entsteht damit eine neue Form der Arbeitsteilung. Ein Beschäftigter muss möglicherweise weniger selbst formulieren oder programmieren, dafür aber präzisere Vorgaben machen, Ergebnisse bewerten und Fehler erkennen. Gerade bei erfahrenen Fachkräften kann das zunächst sogar unproduktiver wirken, weil sie für eine Aufgabe, die sie selbst rasch erledigen könnten, zusätzlich die Arbeit der KI kontrollieren müssen. Weniger erfahrene Mitarbeiter profitieren dagegen häufig stärker, weil das Modell ihnen bewährte Lösungswege und Formulierungen zugänglich macht.

Der Produktivitätseffekt hängt deshalb nicht nur davon ab, wie leistungsfähig das Modell ist. Ebenso wichtig sind Datenqualität, Prozessgestaltung, Schulung, Verantwortlichkeiten und die Frage, ob ein Unternehmen KI dort einsetzt, wo ihre Stärken tatsächlich zur Aufgabe passen.

## Erst investieren, dann reorganisieren – und erst später profitieren?

Die Geschichte neuer Basistechnologien spricht dafür, dass zwischen technischer Erfindung und gesamtwirtschaftlicher Wirkung erhebliche Zeit liegen kann. Computer machten Unternehmen nicht automatisch produktiver, nur weil sie angeschafft wurden. Erst neue Software, veränderte Arbeitsabläufe, geschulte Mitarbeiter und umgebaute Organisationsstrukturen führten zu messbaren Fortschritten.

Ähnlich könnte es nun bei KI sein. Die San Francisco Fed stellte im Mai 2026 fest, dass besonders KI-optimistische Unternehmen ihre Investitionen deutlich ausgeweitet hatten. Das Wachstum der Kapitalausgaben sowie der Forschungs- und Entwicklungsaufwendungen wurde vor allem von diesen Firmen und insbesondere von großen Technologiekonzernen getragen, die Rechenzentren und andere KI-Infrastruktur aufbauen. ([Federal Reserve Bank of San Francisco](https://www.frbsf.org/research-and-insights/publications/economic-letter/2026/05/is-optimism-for-artificial-intelligence-boosting-investment/?utm_source=chatgpt.com "Is Optimism for Artificial Intelligence Boosting Investment?"))

Das stützt die These, dass die positiven Aussagen der Unternehmensleitungen nicht bloß aus Werbesprache bestehen. Zumindest ein Teil der Unternehmen setzt erhebliche finanzielle Mittel ein, um die erwarteten Effekte tatsächlich zu verwirklichen. Zugleich bedeutet ein Investitionsboom noch keinen Produktivitätsboom. Zunächst steigen die Kosten. Server, Chips, Energie, Softwarelizenzen, Datenaufbereitung und Fachpersonal müssen bezahlt werden, bevor mögliche Einsparungen sichtbar werden.

In den gesamtwirtschaftlichen Daten ist ein eindeutiger KI-Schub bislang jedenfalls schwer zu erkennen. Die St.-Louis-Fed-Autoren verweisen darauf, dass die um die Kapazitätsauslastung bereinigte totale Faktorproduktivität in den vier Quartalen bis zum ersten Quartal 2026 lediglich um 0,07 Prozent gestiegen war. ([Federal Reserve Bank of St. Louis](https://www.stlouisfed.org/on-the-economy/2026/jul/ai-productivity-what-firms-say-earnings-calls "AI and Productivity: What Firms Are Saying on Earnings Calls")) Das US Bureau of Labor Statistics meldete für das erste Quartal 2026 bei der Arbeitsproduktivität außerhalb der Landwirtschaft lediglich einen annualisierten Zuwachs von 0,3 Prozent. Über vier Quartale entwickelten sich einzelne Produktivitätsmaße zwar besser, doch aus den schwankenden Daten lässt sich noch kein dauerhaftes, eindeutig durch KI verursachtes neues Wachstumsregime ablesen. ([Bureau of Labor Statistics](https://www.bls.gov/productivity/?utm_source=chatgpt.com "Productivity Home Page : U.S. Bureau of Labor Statistics"))

Auch die San Francisco Fed spricht deshalb von gemischten Signalen und lediglich vorsichtigem Optimismus. Die hohen Investitionen könnten auf eine bevorstehende Phase stärkeren Produktivitätswachstums hindeuten. Bewiesen ist ein solcher Strukturbruch bislang jedoch nicht. ([Federal Reserve Bank of San Francisco](https://www.frbsf.org/research-and-insights/publications/economic-letter/2026/05/have-we-entered-era-of-high-productivity-growth/?utm_source=chatgpt.com "Have We Entered an Era of High Productivity Growth?"))

Die eigentliche Botschaft der neuen Untersuchung ist damit weniger spektakulär, aber wirtschaftlich umso wichtiger: KI hat bereits verändert, wie Unternehmen über ihre Zukunft sprechen, investieren und Prozesse planen. Sie hat aber noch nicht in vergleichbarer Deutlichkeit verändert, was in den gesamtwirtschaftlichen Produktivitätsstatistiken tatsächlich ankommt.

Der Stand der Technik rechtfertigt weder die Behauptung, KI sei lediglich ein überschätztes Spielzeug, noch die Vorstellung, Unternehmen könnten nun ohne größere Reibungsverluste ganze Belegschaften ersetzen. In klar umrissenen Tätigkeiten sind erhebliche Effizienzgewinne gut belegt. In komplexen realen Arbeitsumgebungen bleiben die Ergebnisse dagegen uneinheitlich. Die Technik wird leistungsfähiger, doch mit ihr wachsen auch Kontroll-, Integrations- und Qualitätsanforderungen.

Ob aus dem gegenwärtigen Investitions- und Erwartungsboom ein dauerhafter Produktivitätsschub entsteht, wird sich deshalb nicht allein in den nächsten Modellveröffentlichungen entscheiden. Ausschlaggebend wird sein, ob Unternehmen aus leistungsfähigen Werkzeugen funktionierende Arbeitsprozesse machen. Erst wenn Manager in ihren Quartalskonferenzen nicht mehr überwiegend davon sprechen, was KI künftig leisten werde, sondern mit belastbaren Zahlen zeigen können, was sie bereits geleistet hat, ist das große Produktivitätsversprechen wirklich eingelöst.