Künstliche Intelligenz als ökonomischer Wendepunkt: Wie Unternehmen, Arbeit, Löhne, Preise und Sozialstaat neu geordnet werden

KI wird Wohlstand schaffen, aber nicht neutral verteilen

Künstliche Intelligenz verändert Unternehmen, Arbeitsmarkt, Löhne, Preise und Sozialstaat tiefgreifend. Der Artikel zeigt Chancen, Risiken und die wirtschaftlichen Langfristfolgen mit aktuellen Daten und Quellen.

Die Integration von Künstlicher Intelligenz ist keine gewöhnliche Technologiewelle mehr. Sie entwickelt sich zu einer Infrastrukturtechnologie, die Wertschöpfung, Entscheidungsprozesse, Arbeitsorganisation und staatliche Verwaltung zugleich verändert. In ihrer Tragweite ist sie eher mit Elektrifizierung, Computerisierung und Internet zu vergleichen als mit einer isolierten Softwareinnovation. Gerade deshalb ist eine nüchterne Einordnung notwendig: KI ist weder ein Allheilmittel noch zwangsläufig ein Massenvernichter von Arbeitsplätzen. Sie ist vor allem ein Multiplikator. Sie verstärkt, was in Unternehmen, Institutionen und Volkswirtschaften bereits angelegt ist: Effizienz, Ungleichheit, Innovationskraft, Konzentrationstendenzen, aber auch Modernisierungschancen.

Die in der Inhaltsbasis genannten Thesen weisen grundsätzlich in die richtige Richtung, müssen aber präzisiert werden. Besonders wichtig ist die Unterscheidung zwischen direkter Substitution menschlicher Arbeit und der sehr viel häufigeren Ergänzung menschlicher Arbeit durch KI. Die aktuelle Forschung spricht überwiegend dafür, dass KI kurzfristig vor allem Tätigkeiten umgestaltet, Produktivität hebt und Qualifikationsanforderungen verschiebt, während die endgültigen Beschäftigungseffekte stark von Regulierung, Wettbewerb, Investitionen in Weiterbildung und der realen Umsetzung in Unternehmen abhängen.

Unternehmen zwischen Effizienzgewinn und Reorganisationsdruck

Für Unternehmen ist KI in erster Linie ein Instrument zur Verdichtung von Produktivität. Das gilt insbesondere dort, wo Prozesse datenbasiert, sprachlich strukturiert oder wiederholbar sind: Kundenservice, Softwareentwicklung, Marketing, Wissensarbeit, Dokumentation, Compliance, Controlling und Teile des Vertriebs. Experimentelle OECD-Auswertungen verweisen darauf, dass produktivitätsnahe Effekte in einzelnen Tätigkeiten bereits heute messbar sind. In Kundenservice, Softwareentwicklung oder Beratung wurden in Studien durchschnittliche Produktivitätszuwächse von 5 bis über 25 Prozent beobachtet. Besonders stark profitieren dabei häufig weniger erfahrene Mitarbeiter, weil KI Wissen schneller zugänglich macht und Kompetenzunterschiede teilweise nivelliert.

Die zugespitzte Formulierung eines „vierfachen Produktivitätswachstums“ sollte allerdings nicht pauschal auf die Gesamtwirtschaft übertragen werden. Belastbar ist derzeit vor allem die PwC-Beobachtung, dass in den am stärksten KI-exponierten Branchen das Produktivitätswachstum seit der breiten GenAI-Verfügbarkeit beinahe vervierfacht wurde: von 7 Prozent im Zeitraum 2018 bis 2022 auf 27 Prozent im Zeitraum 2018 bis 2024. Das ist ein bedeutender Befund, aber kein Beleg dafür, dass jede Firma oder gar jede Volkswirtschaft ihr Produktivitätswachstum schlicht vervierfacht. Die eigentliche Aussage lautet: Wo KI auf passende Prozesse, Datenstrukturen und Managementkompetenz trifft, kann der Produktivitätseffekt außerordentlich hoch ausfallen.

Hinzu kommt ein zweiter, oft unterschätzter Punkt: KI wirkt nicht nur als Automatisierer, sondern als Reorganisierer. Viele Unternehmen werden zunächst keine massiven Stellenabbauten erleben, wohl aber tiefgreifende Prozessumbauten. Rollenprofile verändern sich, Schnittstellen verschwinden, Hierarchien werden flacher, Routinekommunikation wird automatisiert, und Entscheidungen stützen sich stärker auf Prognosemodelle. Damit steigt die Bedeutung von Datenqualität, Governance, Modellaufsicht und menschlicher Urteilskraft. Wer KI bloß als Sparprogramm betrachtet, wird oft unter seinen Möglichkeiten bleiben. Wer sie als Hebel für neue Produkte, schnellere Innovation und bessere Kundenerfahrung einsetzt, erzielt die größeren Effekte.

Zentrale Unternehmenswirkungen im Überblick

Die betriebswirtschaftliche Hauptfrage lautet deshalb nicht mehr, ob KI eingeführt wird, sondern wie sie in Wertschöpfung übersetzt wird.

Arbeitsplätze: Kein linearer Jobabbau, sondern ein tiefer Strukturwandel

Die Sorge vor massenhafter technologischer Arbeitslosigkeit ist nicht unbegründet, aber häufig zu undifferenziert. Die Forschungslage spricht derzeit eher für einen Strukturwandel als für eine einfache Vernichtungslogik. Die ILO betont ausdrücklich, dass generative KI Arbeitsplätze eher ergänzt als vollständig ersetzt, weil nur ein Teil der Aufgaben innerhalb eines Berufs vollständig automatisierbar ist. Besonders exponiert ist Büro- und Sachbearbeitungsarbeit; deutlich robuster bleiben Tätigkeiten mit komplexer sozialer Interaktion, situativer Verantwortung oder körperlicher Präsenz.

Das deckt sich mit der Ausgangsthese, dass Gesundheitswesen, Pflege und Pädagogik vergleichsweise widerstandsfähig sind. Diese Bereiche bestehen nicht nur aus Informationsverarbeitung, sondern aus Beziehung, Vertrauen, situativer Abwägung und oft auch physischer Präsenz. KI kann dort unterstützen, dokumentieren, analysieren und priorisieren, aber sie ersetzt nicht die soziale und ethische Verantwortung der handelnden Person. Gleichzeitig bedeutet „resilient“ nicht „unverändert“: Auch in diesen Berufen wird KI Abläufe, Dokumentationspflichten und Diagnoseunterstützung tiefgreifend verändern.

Die Angabe, dass bis 2030 rund 6 Prozent der US-Arbeitsplätze durch KI und Automatisierung ersetzt werden könnten, findet in der aktuellen Forrester-Prognose eine konkrete Entsprechung. Dort ist von 6,1 Prozent der US-Jobs die Rede, die bis 2030 verloren gehen könnten. Zugleich erwartet Forrester aber, dass rund 20 Prozent der Jobs stärker durch KI beeinflusst als ersetzt werden. Das ist ein wichtiger Unterschied: Der größere Effekt liegt voraussichtlich in der Umgestaltung von Arbeit, nicht in ihrer völligen Eliminierung.

Global betrachtet ist das Bild sogar noch komplexer. Das World Economic Forum erwartet bis 2030, dass 170 Millionen neue Jobs entstehen und 92 Millionen verdrängt werden. Das ergäbe unter dem Strich ein Plus von 78 Millionen Stellen. Diese Zahl relativiert Untergangsszenarien, darf aber nicht missverstanden werden. Denn neue Jobs entstehen oft in anderen Regionen, Branchen und Qualifikationsklassen als die alten. Makroökonomisch kann die Beschäftigung steigen, während einzelne Gruppen gleichzeitig unter massiven Übergangskosten leiden. Genau darin liegt die politische und soziale Brisanz der KI-Revolution.

Welche Tätigkeiten besonders betroffen sind

Löhne: KI verschärft die Polarisierung, kann aber auch Produktivitätsdividenden schaffen

Die Lohnfrage ist eine der entscheidenden Verteilungsfragen der kommenden Jahre. Wenn KI menschliche Arbeit ergänzt, steigen Produktivität und damit prinzipiell auch die Spielräume für höhere Löhne. Wenn KI Arbeit hingegen substituiert, geraten Verhandlungsmacht und Einkommen unter Druck. Beides kann parallel stattfinden, je nach Branche und Qualifikationsniveau.

Die in der Inhaltsbasis genannte Zahl von bis zu 56 Prozent Lohnsteigerung ist in dieser Form missverständlich, aber in ihrem Kern nicht falsch. PwC berichtet für 2024, dass Arbeitnehmer mit KI-bezogenen Fähigkeiten im Durchschnitt einen Lohnaufschlag von 56 Prozent erzielen. Das ist kein allgemeines Lohnplus für ganze Berufsgruppen, sondern ein beobachteter Lohnaufschlag für KI-kompetente Arbeitskräfte innerhalb entsprechender Tätigkeiten. Die Aussage lautet also genauer: Wer KI produktiv einsetzen, anleiten, kontrollieren oder in Geschäftsprozesse integrieren kann, wird am Arbeitsmarkt deutlich höher bewertet.

Daraus ergibt sich eine klare Tendenz zur Lohnpolarisierung. Höherqualifizierte oder technologisch anschlussfähige Beschäftigte profitieren überproportional. Routinebasierte mittlere Tätigkeiten geraten eher unter Druck. Zugleich verändern sich Qualifikationsprofile schneller: PwC spricht davon, dass die geforderten Kompetenzen in KI-exponierten Jobs um 66 Prozent schneller wechseln als in anderen Berufen. Das heißt: Nicht nur das Lohnniveau, auch die Halbwertszeit beruflicher Kompetenzen verändert sich. Wer nicht lernt, verliert; wer KI-kompetent wird, gewinnt oft überproportional.

Für alternde Volkswirtschaften ist das dennoch auch eine Chance. Wenn KI die Wertschöpfung pro Beschäftigtem erhöht, kann sie helfen, Löhne trotz demografischen Gegenwinds zu stabilisieren. Gerade in Europa und der Schweiz, wo Fachkräftemangel, Alterung und hohe Lohnkosten zusammentreffen, könnte KI als Produktivitätsstütze wirken. Allerdings gilt auch hier: Der Wohlstandsgewinn verteilt sich nicht automatisch gerecht. Ohne Weiterbildung, institutionelle Anpassung und Wettbewerb droht ein wachsender Anteil der KI-Renditen bei Kapitaleignern und wenigen Hochqualifizierten zu landen.

Preise und Wirtschaftswachstum: Mehr Output, aber nicht automatisch breite Entlastung

Makroökonomisch gilt KI als potenzieller Wachstumstreiber. Das IMF verweist 2026 auf Schätzungen, wonach KI das jährliche BIP-Wachstum um bis zu 0,8 Prozentpunkte erhöhen könnte. Goldman Sachs kalkuliert langfristig sogar mit einem globalen BIP-Zuwachs von 7 Prozent und einer Produktivitätssteigerung, die in entwickelten Volkswirtschaften über Jahre hinweg erheblich ins Gewicht fallen könnte. McKinsey wiederum schätzt für generative KI allein einen jährlichen Produktivitätsschub von 0,1 bis 0,6 Prozentpunkten bis 2040; in Kombination mit anderer Automatisierung kann der Effekt deutlich höher ausfallen.

Die Wachstumslogik dahinter ist klar. Wenn dieselbe Zahl von Arbeitsstunden mehr Output erzeugt, steigen gesamtwirtschaftliche Effizienz und potenzielles Produktionsniveau. Doch ob daraus sinkende Preise für Verbraucher folgen, hängt entscheidend von Marktstruktur und Wettbewerb ab. In fragmentierten, stark umkämpften Märkten werden Kostensenkungen eher an Kunden weitergegeben. In hoch konzentrierten Märkten können Unternehmen einen größeren Teil der Produktivitätsgewinne als Marge behalten. KI garantiert also keine automatische Deflation. Sie schafft zunächst nur die Möglichkeit niedrigerer Grenzkosten.

Hinzu kommt, dass KI zunächst selbst enorme Investitionen erfordert: Rechenzentren, Chips, Strom, Dateninfrastruktur, Spezialisten und Compliance. Kurzfristig kann das sogar preistreibend wirken, vor allem in Sektoren mit hoher Nachfrage nach Hardware, Energie und Cloud-Ressourcen. Der disinflationäre Effekt zeigt sich eher mit zeitlicher Verzögerung, sobald die Technologie breit skaliert und operative Lernkurven greifen. Die gängige Formel lautet daher: kurzfristig Investitionsdruck, mittelfristig Produktivitätsschub, langfristig potenziell niedrigere Stückkosten.

Makroökonomische Richtwerte aus aktuellen Studien

Sozialstaat und Altersvorsorge: KI als Entlastungschance und Finanzierungsproblem zugleich

Für den Sozialstaat ist KI ambivalent. Einerseits kann sie Verwaltung modernisieren, Betrugsbekämpfung verbessern, Prozesse beschleunigen, Anträge vorsortieren, Kommunikation automatisieren und Personalknappheit abfedern. Andererseits basiert ein großer Teil sozialstaatlicher Finanzierung weiterhin auf Löhnen und Lohnnebenkosten. Wenn Wertschöpfung stärker kapital- und technologiegetrieben wird, gerät diese Finanzierungsbasis unter Druck.

Die Schweiz ist hierfür ein besonders aufschlussreiches Beispiel. Laut Bundesamt für Sozialversicherungen entrichteten die Versicherten 2024 AHV-Beiträge in Höhe von 38,7 Milliarden Franken; der Bund steuerte 10,3 Milliarden Franken bei. Schon daran wird sichtbar, wie stark das System an Erwerbsarbeit und lohnbezogene Finanzierung gekoppelt bleibt. Wenn KI in größerem Stil Tätigkeiten ersetzt oder Lohnsummen relativ drückt, entstehen zwangsläufig neue Debatten über alternative Finanzierungsmodelle. Dazu gehören breitere Steuerbasen, konsumbezogene Ansätze, Gewinnabschöpfung oder auch die immer wieder diskutierte Maschinensteuer. Ob letztere sinnvoll ist, bleibt umstritten. Klar ist aber: Das bisherige Finanzierungsmodell wird unter technologischem Wandel stärker unter Rechtfertigungsdruck geraten.

Gleichzeitig ist das Potenzial auf der Verwaltungsseite beträchtlich. Die Schweizer Bundesverwaltung hat ihre KI-Strategie ausdrücklich darauf ausgerichtet, Kompetenzen aufzubauen, neue Lösungen zu finden und Prozesse zu optimieren. Auch in der Altersvorsorge wird KI inzwischen offen als „Gamechanger“ diskutiert. Die Universität St. Gallen verweist darauf, dass die Schweizer Vorsorge unter steigender Lebenserwartung, Renditedruck und hohen Verwaltungskosten steht und KI helfen könnte, diese Herausforderungen besser zu bewältigen. Das ist plausibel: Gerade standardisierte Abläufe wie Antragsbearbeitung, Adressmutationen, Plausibilitätsprüfungen, Vorsorgekommunikation oder Dokumentenmanagement eignen sich für erhebliche Automatisierungsgewinne.

Doch auch hier ist Nüchternheit geboten. Unabhängige Stimmen aus der Schweiz warnen vor technologischem Solutionismus und unrealistischen Sparversprechen. Die Republik hat 2025 darauf hingewiesen, dass der Staat Gefahr läuft, in KI ein Universalwerkzeug zu sehen, obwohl Datenschutz, Transparenz, Diskriminierungsfreiheit und menschliche Verantwortung nicht technokratisch wegorganisiert werden können. Diese Skepsis ist berechtigt. Verwaltung ist nicht bloß Prozessdurchsatz; sie ist Rechtsstaat, Ermessensausübung und Vertrauensbeziehung zum Bürger. Gerade im Sozialbereich kann eine falsche Automatisierung sozialen Schaden anrichten.

Regulierung als Standortfaktor

Je stärker KI in Wirtschaft und Verwaltung eindringt, desto wichtiger werden Regeln. In der EU ist mit dem AI Act ein risikobasierter Regulierungsrahmen in Kraft, der seit dem 1. August 2024 gilt und schrittweise angewendet wird. Verbotene Praktiken und KI-Kompetenzpflichten gelten seit dem 2. Februar 2025, Regeln für General-Purpose-AI seit dem 2. August 2025; weitere Regelungen folgen gestaffelt. Die Schweiz verfolgt bislang einen eigenständigeren, innovationsorientierten Ansatz, will aber die Konvention des Europarats umsetzen und gleichzeitig mit nichtbindenden Maßnahmen, Branchenlösungen und freiwilligen Verpflichtungen arbeiten.

Ökonomisch ist das entscheidend, weil Regulierung nicht nur Risiko begrenzt, sondern Investitionssicherheit schafft. Unternehmen investieren eher, wenn Haftung, Transparenzpflichten und Einsatzgrenzen geklärt sind. Überregulierung kann Innovation hemmen; Unterregulierung kann Vertrauen zerstören. Der Standortvorteil wird künftig dort liegen, wo beides gelingt: hohe Innovationsgeschwindigkeit und glaubwürdige Leitplanken.

Fazit: KI wird Wohlstand schaffen, aber nicht neutral verteilen

Künstliche Intelligenz wird die Wirtschaft nicht in einem einzigen Schlag umstürzen, sondern in einer Kette von Produktivitäts-, Organisations- und Verteilungsverschiebungen. Unternehmen erhalten einen mächtigen Hebel für Effizienz und Innovation. Beschäftigte erleben keinen einheitlichen Jobverlust, sondern einen tiefen Umbau von Rollen, Anforderungen und Karrierewegen. Löhne können steigen, aber selektiv. Preise können fallen, aber nur unter wirksamem Wettbewerb. Der Sozialstaat kann effizienter werden, muss seine Finanzierungslogik jedoch neu denken.

Die entscheidende Frage ist daher nicht, ob KI „gut“ oder „schlecht“ ist. Entscheidend ist, wer ihre Produktivitätsgewinne abschöpft, wer die Übergangskosten trägt und wie klug Politik, Unternehmen und Bildungssysteme reagieren. Dort, wo Weiterbildung, Wettbewerb, Rechtsstaatlichkeit und institutionelle Lernfähigkeit zusammenkommen, wird KI zum Wohlstandsmotor. Dort, wo sie als Ersatz für Strategie, Führung und gesellschaftliche Verantwortung missverstanden wird, droht sie bestehende Probleme zu verschärfen. Die Zukunft der KI ist deshalb weniger eine Frage der Maschinen als eine Frage der wirtschaftlichen und politischen Ordnung, in die wir sie einbetten.