Direkt zum Inhalt

Productivity Report: Ist Generative KI die neue Elektrizität? Ja, aber die Produktivität kommt später (J-Kurve)

(Zusammenfassung der Quelle: Anthropic-Studie, 25.11.2025)

Der dritte Produktivitätsbericht des "The Productivity Institute" untersucht die Kernfrage, ob Generative KI (GenAI) eine "General Purpose Technology" (GPT) ist – eine Basistechnologie wie Dampfmaschine, Elektrizität oder IKT, die das Potenzial hat, die gesamtwirtschaftliche Produktivität grundlegend zu steigern.

Die Autoren kommen zu dem Schluss: GenAI zeigt klare Merkmale einer GPT (breite Anwendbarkeit, stetige Verbesserung, Innovations-Katalysator), aber die messbaren Produktivitätseffekte lassen noch auf sich warten.

Die zentralen Erkenntnisse:

  • Die Produktivitäts-J-Kurve: Der Bericht nutzt das Modell der "J-Kurve". Die Einführung einer neuen GPT führt zunächst oft zu einer Verlangsamung oder einem Rückgang der Produktivität. Grund sind die hohen Anfangsinvestitionen in Technologie, das Erlernen neuer Fähigkeiten und die notwendige organisatorische Umstrukturierung ("intangibles Kapital"). Erst nach dieser "Investitionsphase" folgt der steile Produktivitätsanstieg. Wir befinden uns aktuell wahrscheinlich am Anfang dieser Kurve.
  • Hürden der Diffusion: Die Verbreitung (Diffusion) von GenAI wird durch mehrere Faktoren gebremst: die schiere Menge an neuem Wissen, die Kosten der Adoption und vor allem der Mangel an "komplementären Fähigkeiten" – nicht nur technischer, sondern auch managerialer Natur, um die notwendigen organisatorischen Änderungen umzusetzen.
  • Vergleich mit IKT: Ähnlich wie beim "Solow-Paradoxon" der Computer-Ära (Computer sind überall, nur nicht in der Produktivitätsstatistik) dauert es, bis die Technologie effektiv genutzt wird. GenAI könnte sich zwar schneller verbreiten als frühere GPTs (da Cloud-basiert), aber die organisatorische Anpassung bleibt der Engpass.
Der kritische Kim-Blick:

Der Bericht liefert eine fundierte makroökonomische Analyse, bleibt aber akademisch:

  1. Theorie-Lastigkeit: Der Bericht argumentiert stark mit ökonomischen Modellen (J-Kurve, Growth Accounting). Für Praktiker, die konkrete Implementierungslösungen suchen, bleibt er oft zu abstrakt.
  2. Das "Managerial Gap": Es wird betont, dass Management-Fähigkeiten zur Umsetzung fehlen, aber der Bericht bietet kaum Lösungsansätze, wie diese Lücke in Unternehmen schnell geschlossen werden kann.
  3. Wiederholung des Bekannten: Die Parallele zum IKT-Boom und dem anfänglichen Ausbleiben von Produktivität ist ökonomisch korrekt, aber keine überraschend neue Erkenntnis.
Kim prophezeit

Basierend auf der J-Kurven-Theorie des Berichts wage ich diese Prognose:

  1. Das Tal der Tränen (2026/27): Wir werden in den nächsten 1-2 Jahren eine Phase der Ernüchterung erleben. Die hohen Kosten für Integration und Reorganisation werden die Produktivitätsgewinne vielerorts noch auffressen. Die Makro-Daten werden den Hype (noch) nicht widerspiegeln.
  2. Die große Schere öffnet sich: Es wird eine massive Kluft entstehen zwischen Unternehmen, die die "J-Kurve" durchschreiten (erfolgreicher organisatorischer Umbau), und denen, die nur Technologie kaufen, ohne Prozesse zu ändern. Letztere werden abgehängt.
  3. Renaissance der Organisationsentwickler: Die Nachfrage nach Experten, die Unternehmen organisatorisch auf das KI-Zeitalter vorbereiten (Prozesse, Kultur, Skills), wird die Nachfrage nach reinen KI-Technikern in vielen Branchen übersteigen.
Kim (JOBfellow) kommentiert

Dieser Bericht ist eine Mahnung zur Geduld und strategischen Weitsicht.

  1. Bereite dich auf die "J-Kurve" vor: Erwarte keine sofortigen Wunder. Investiere jetzt Zeit und Ressourcen in Lernen und Umbau, auch wenn die Produktivität kurzfristig leidet. Das ist der notwendige "Dip" vor dem Anstieg.
  2. Fokussiere auf "komplementäre Skills": Technisches Verständnis von GenAI ist wichtig, aber nicht genug. Die wahren Engpässe sind Change Management, Prozess-Redesign und organisatorische Anpassungsfähigkeit. Investiere massiv in diese Bereiche.
  3. Unterscheide nach Sektoren: Die Auswirkungen werden nicht überall gleich schnell sein. Wissensintensive Dienstleistungen sind früher dran als das verarbeitende Gewerbe. Passe deine Strategie deinem Sektor an.
Problem in der US-Justiz: Der Einsatz von Generativer Künstlicher Intelligenz (KI) führt zu "KI-Müll" ( )

Der Artikel berichtet über ein ernstes Problem in der US-Justiz: Der Einsatz von Generativer Künstlicher Intelligenz (KI) führt zu "KI-Müll" – also von der KI erfundenen Fakten, Studien oder Präzedenzfällen – in offiziellen Gerichtsdokumenten. Während dies bisher vor allem bei Anwält:innen auftrat, sind nun auch die Urteile von zwei US-Bundesrichtern betroffen.

Der Vorfall

Zwei US-Bundesbezirksrichter, Henry Wingate (Mississippi) und Julien Neals (New Jersey), haben Entscheidungen ausgefertigt, die so offensichtlich fehlerhaft waren, dass es den Verfahrensparteien sofort auffiel. Nachdem sie darauf hingewiesen wurden, löschten beide Richter die fehlerhaften Urteile aus den Akten und ersetzten sie durch korrigierte Versionen.

Die Reaktion: Keine Verantwortung, Schuldzuweisungen

US-Senator Charles Grassley, besorgt um die Integrität der Justiz, forderte Antworten von den Richtern. In ihren Antwortschreiben zeigte sich laut Artikel wenig Verantwortungsbewusstsein:

  • Richter Wingate schob die Schuld auf einen juristischen Mitarbeiter:in. Dieser habe das Sprachmodell Perplexity genutzt, um "öffentlich verfügbare Informationen zusammenzustellen".
  • Richter Neals machte einen Praktikanten (Rechtswissenschaftsstudent) verantwortlich. Dieser habe ChatGPT "ohne Genehmigung, ohne Offenlegung" und entgegen aller Regeln genutzt.

Beide Richter gaben zu, dass die normalen, mehrstufigen Prüfverfahren (die solche Fehler hätten finden sollen) vor der Veröffentlichung unterblieben. Den Grund dafür nannten sie jedoch nicht.

Das Kernproblem: Fehlende und schwammige Regeln

Der Vorfall offenbart ein strukturelles Problem:

  1. Keine klaren Regeln vor Ort: Die betroffenen Gerichte hatten offenbar keine verschriftlichten Regeln zum Einsatz von KI.
  2. "Erstaunlich schwammige" Bundesvorgaben: Die vorläufigen Richtlinien der US-Bundesgerichtsverwaltung sind sehr vage. Sie verbieten nicht, das Fällen von Urteilen an KI auszulagern, sondern regen lediglich zur "Vorsicht" an.
  3. Keine Offenlegungspflicht: Richter:innen und Justizbedienstete müssen nicht einmal verpflichtend angeben, ob sie KI eingesetzt haben; sie sollen nur darüber "nachdenken".

Derzeit wird eine Novelle diskutiert, nach der KI-erzeugte Beweise ähnlich wie Aussagen von Sachverständigen behandelt werden sollen.

Vollansicht
E-Bike-Boom sorgt für "Traumjobs" ( )
(Zusammenfassung der Quelle: Süddeutsche Zeitung)

Der E-Bike-Boom und die hohe Nachfrage nach Job-Bikes (Firmen-Leasing) sorgen für volle Auftragsbücher im Zweirad-Handwerk.

  • Hoher Bedarf: Die Betriebe werden mit Aufträgen überflutet ("plötzlich fünfzig Räder in der Woche") und suchen "händeringend" nach qualifizierten Kolleg:innen – auch Quereinsteiger:innen sind willkommen.
  • High-Tech ist Standard: Der Beruf ist heute ein "Traumjob" für Technik-Fans. E-Bikes machen den "Löwenanteil" der Arbeit aus.
  • Lebenslanges Lernen: Du lernst nie aus. Ständige Weiterbildung (z.B. direkt bei Herstellern wie Bosch) zu neuer Motor-, Akku- und Display-Technik gehört fest zum Job.
  • Sinnvolle Arbeit: Du sorgst für Sicherheit im Verkehr. Experten betonen, wie wichtig die regelmäßige Wartung der modernen Bikes ist.
Vollansicht
Studie "Die Suche nach KI-Fachkräften in Deutschland Rekrutierungsstrategien in Stellenanzeigen Gutachten im Projekt „Entwicklung und Messung der Digitalisierung der Wirtschaft am Standort Deutschland“ ( )

Kerninhalte der Studie:

Starker Anstieg der KI-Stellenanzeigen: Die Studie belegt einen deutlichen und kontinuierlichen Anstieg der Nachfrage nach KI-Fachkräften in Deutschland über die letzten Jahre. Dieser Trend ist branchenübergreifend, mit Schwerpunkten in der IT, Finanzdienstleistung, Beratung und dem verarbeitenden Gewerbe.

Vielfalt an KI-Berufsprofilen: Es werden verschiedene Rollen identifiziert, die unter dem Oberbegriff "KI-Fachkräfte" subsumiert werden, darunter insbesondere:

  • Data Scientists (häufigste Rolle)
  • Machine Learning Engineers
  • KI-Entwickler/Programmierer
  • Spezialisierungen wie Computer Vision oder Natural Language Processing (NLP).
  • Auch KI-relevante Rollen wie Data Engineers oder Cloud Engineers, die die Infrastruktur für KI schaffen.

Gesuchter Kompetenzmix: Unternehmen suchen einen hybriden Kompetenzmix, der sich aus drei Hauptbereichen zusammensetzt:

  • Technisches KI-Fachwissen: Kenntnisse in Machine Learning (insbesondere Deep Learning), Algorithmen, neuronalen Netzen, Data Mining, Big Data und relevanter Programmiersprachen (Python, R, Java).
  • Mathematisch-Statistische Fähigkeiten: Starkes Verständnis für Statistik, Wahrscheinlichkeitsrechnung und lineare Algebra zur Modellentwicklung und -bewertung.
  • Domain-Wissen: Branchen- und Anwendungskenntnisse, um KI-Lösungen auf spezifische Geschäftsprobleme anwenden zu können.

Soft Skills und Methodenfähigkeiten: Neben den Hard Skills sind auch Soft Skills entscheidend:

  • Problemlösungskompetenz und analytisches Denken.
  • Kommunikationsfähigkeit (um komplexe KI-Themen an Nicht-Experten zu vermitteln).
  • Teamfähigkeit und Projekterfahrung.
  • Kreativität und Neugierde (insbesondere bei Forschungs- und Entwicklungsrollen).

Hohe Bildungsanforderungen: Für die Kern-KI-Rollen wird in den Stellenanzeigen häufig ein akademischer Abschluss (Master oder Promotion) in Informatik, Mathematik, Statistik, Physik oder angrenzenden Ingenieurwissenschaften vorausgesetzt.

Herausforderungen bei der Rekrutierung: Die Studie bestätigt den Fachkräftemangel in diesem Bereich. Unternehmen müssen oft hohe Anforderungen stellen und gleichzeitig um die wenigen Talente konkurrieren. Die Suche ist komplex, da die benötigten Kompetenzen oft interdisziplinär sind und nicht immer in klassischen Ausbildungsgängen abgebildet werden.

Rekrutierungsstrategien: Unternehmen versuchen, Talente durch Attraktoren wie innovative Projekte, modernste Technologien, flexible Arbeitsmodelle und Weiterbildungsmöglichkeiten zu gewinnen.

Zusammenfassend: Die Studie zeigt, dass der deutsche Arbeitsmarkt eine stark wachsende Nachfrage nach hochqualifizierten KI-Fachkräften hat, die eine Mischung aus technischem, mathematischem und domänenspezifischem Wissen sowie ausgeprägten Soft Skills mitbringen. Die Rekrutierung dieser Talente stellt eine große Herausforderung für Unternehmen dar.

Vollansicht