Die „Dividende“ der KI mag sich noch nicht in den Schätzungen des Bruttoinlandsprodukts niederschlagen, aber sie macht das Leben besser und produktiver.
Von Avinash Collis and Erik Brynjolfsson, Wallstreet Journal am 3. August 2025
Die US-Wirtschaft ist im zweiten Quartal mit einer jährlichen Rate von 3 % gewachsen, was eine gute Nachricht ist. Bedeutet das, dass die künstliche Intelligenz ihre lang versprochenen Vorteile einlöst? Nein, denn das Bruttoinlandsprodukt ist nicht der beste Ort, um nach dem Beitrag der KI zu suchen. Doch die offiziellen Zahlen der Regierung unterschätzen den Nutzen der KI erheblich.
Im ersten Quartal 2025 sank das BIP im Jahresvergleich um 0,5%. Das Wachstum der Arbeitsproduktivität stieg 2024 um respektable, aber kaum transformative 2,3 %, nach einigen mageren Jahren mit Gewinnen und Verlusten. Ist KI überbewertet?
Nur wenn man ausschließlich das BIP betrachtet. Unsere Forschung mit Felix Eggers erweitert den Blickwinkel und stellt fest, dass die Amerikaner allein im Jahr 2024 bereits rund 97 Milliarden Dollar an „Konsumentenrente“ durch generative KI-Tools erhalten werden. Die Konsumentenrente – die Differenz zwischen dem Höchstbetrag, den ein Verbraucher für eine Ware oder Dienstleistung zu zahlen bereit ist, und dem tatsächlichen Preis – ist ein direkteres Maß für den wirtschaftlichen Wohlstand als das BIP. Die Konsumentenrente der generativen KI in Höhe von 97 Milliarden Dollar stellt die rund 7 Milliarden Dollar in den Schatten, die OpenAI, Microsoft, Anthropic und Google im vergangenen Jahr mit ihren generativen KI-Angeboten in den USA erwirtschaftet haben. Er taucht im BIP nicht auf, weil der größte Teil des Nutzens den Nutzern und nicht den Unternehmen zufließt.
Wirtschaftswissenschaftler haben diese Geschichte schon einmal gehört. Personalcomputer haben die gemessene Produktivität fast zwei Jahrzehnte lang nach ihrer Einführung auf den Schreibtischen nicht wesentlich verbessert. Robert Solow witzelte 1987: „Das Computerzeitalter ist überall zu sehen, nur nicht in den Produktivitätsstatistiken.“ ChatGPT hat in zwei Monaten 100 Millionen Nutzer erreicht, doch die Produktivität verhält sich immer noch so, als wäre es 2015 – als es den KI-Chatbot noch gar nicht gab.
Für die Verzögerung gibt es strukturelle Gründe. Die Umsetzung einer auffälligen Demo in unternehmensweite Arbeitsabläufe erfordert neue Software, Umschulung und – was am wichtigsten ist – eine Überarbeitung der Managementpraktiken. Kurzfristig zahlen viele Unternehmen doppelt: zuerst für die KI-Software und dann für die Mitarbeiter, die lernen müssen, sie zu nutzen. Die Vorteile kommen oft erst später zum Tragen, durch ergänzende Investitionen wie neu gestaltete Lieferketten oder überarbeitete Rechtsverfahren. Die Kosten werden heute gezählt, viele Vorteile kommen morgen, was zu einer J-Kurve der Produktivität führt.
Das größere Problem ist konzeptioneller Natur. Das BIP erfasst den Wert der meisten gekauften und verkauften Dinge. Aber mit wenigen Ausnahmen sind kostenlose Güter in den BIP-Zahlen unsichtbar, selbst wenn sie die Verbraucher besser stellen. Wenn ein Verbraucher einen kostenlosen Chatbot oder Bildgenerator in Anspruch nimmt, findet keine Markttransaktion statt, so dass der Nutzen, den die Nutzer daraus ziehen – eine Stunde Zeitersparnis beim Verfassen eines Schriftsatzes, die Automatisierung einer Einladung zu einer Geburtstagsfeier, Nachhilfeunterricht für ein Kind in Algebra – nicht erfasst wird. Diese Fehleinschätzung wird noch größer, wenn Menschen einen teuren Dienst wie Stockfotos durch eine kostenlose Alternative wie Bing Image Creator oder ImageFX von Google ersetzen.
Um diese Lücke zu schließen, haben wir in unserem demnächst erscheinenden Papier mit Erwin Diewert, Herrn Eggers und Kevin Fox ein Maß entwickelt, das BIP-B (B für Nutzen). Anstatt zu fragen, was die Menschen für ein Gut bezahlen, fragen wir, was man ihnen zahlen müsste, um es aufzugeben.
Ende 2024 ergab eine landesweit repräsentative Umfrage unter Erwachsenen in den USA, dass 40 % regelmäßig generative KI nutzen. Unsere eigene Umfrage ergab, dass es ihnen im Durchschnitt 98 Dollar wert ist, einen Monat lang auf diese Tools zu verzichten. Multipliziert man das mit 82 Millionen Nutzern und 12 Monaten, so ergibt sich ein Überschuss von 97 Milliarden Dollar.
William Nordhaus berechnete, dass im 20. Jahrhundert 97 % der Wohlfahrtsgewinne aus großen Innovationen den Verbrauchern und nicht den Unternehmen zugute kamen. Unsere frühen KI-Schätzungen passen zu diesem Muster. Während sich die Vorteile für die Verbraucher bereits häufen, glauben wir, dass auch das gemessene BIP und die Produktivität steigen werden. Die Geschichte zeigt, dass die Zahlen steigen, sobald die ergänzende Infrastruktur ausgereift ist.
Tyler Cowen prognostiziert einen jährlichen Produktivitätsanstieg in den USA von 0,5 %, während ein Bericht der National Academies von mehr als 1 % und Goldman Sachs von 1,5 % ausgeht. Selbst wenn die Skeptiker Recht behalten und die offiziell gemessenen BIP-Zuwächse unter 1 % liegen, wäre es falsch, die KI als Enttäuschung zu bezeichnen. Das Leben könnte sich viel schneller verbessern, als es die Tabellen vermuten lassen, vor allem für Haushalte mit geringem Einkommen, die im Verhältnis zu ihrem Grundeinkommen am meisten von kostenlosen Werkzeugen profitieren.
Da immer mehr digitale Güter kostenlos zur Verfügung stehen, wird die Messung des Nutzens und der Kosten immer wichtiger. Das Fehlen von Beweisen im BIP ist kein Beweis für das Fehlen von Beweisen im wirklichen Leben. Das Nutzenversprechen der KI befindet sich bereits in Millionen von Browser-Tabs und Smartphone-Tastaturen. Unsere statistischen Spiegel haben die Reflexion noch nicht eingefangen. Die Produktivitätsrevolution braut sich unter der Oberfläche zusammen, aber die Wohlfahrtsrevolution ist bereits im Gange.
Avinash Collis ist Assistenzprofessor am Heinz College of Information Systems and Public Policy der Carnegie Mellon University. Erik Brynjolfsson ist Professor in Stanford und Co-Vorsitzender von Workhelix, einem Unternehmen, das Möglichkeiten des maschinellen Lernens bewertet.
Übersetzt von DeepL