Läutet Künstliche Intelligenz einen neuen Kondratjew-Zyklus ein?

Warum die Frage mehr ist als Technologiebegeisterung

Künstliche Intelligenz ist längst mehr als ein weiteres digitales Werkzeug. Sie verändert die Art, wie Wissen erzeugt, Arbeit organisiert, Entscheidungen vorbereitet, Produkte entwickelt, Kunden betreut, Forschung beschleunigt und industrielle Prozesse gesteuert werden. Deshalb stellt sich eine größere Frage: Handelt es sich bei KI nur um die nächste Ausbaustufe der Informationstechnologie – oder markiert sie den Beginn einer neuen langen Welle wirtschaftlicher Entwicklung, eines neuen Kondratjew-Zyklus?

Die Frage ist anspruchsvoll, weil Kondratjew-Zyklen keine mechanischen Naturgesetze sind. Sie sind Deutungsmuster historischer Wirtschaftsentwicklung. Sie beschreiben lange Wellen, in denen grundlegende Innovationen neue Branchen, neue Infrastrukturen, neue Geschäftsmodelle und neue gesellschaftliche Ordnungen hervorbringen. Dampfmaschine, Eisenbahn, Elektrizität, Automobil, Petrochemie, Computer und Internet waren nicht bloß technische Erfindungen. Sie wurden zu Trägern ganzer Epochen.

Künstliche Intelligenz besitzt genau diese Qualität: Sie ist nicht nur ein Produkt, sondern eine Basistechnologie. Sie kann nahezu alle Branchen durchdringen. Sie verändert Produktionsfaktoren, Kostenstrukturen, Kompetenzprofile und Machtverhältnisse. Doch ob daraus tatsächlich ein neuer Kondratjew-Zyklus entsteht, entscheidet sich nicht allein an der Leistungsfähigkeit der Modelle. Entscheidend ist, ob KI produktiv, bezahlbar, breit verfügbar, institutionell beherrschbar und energetisch tragfähig wird.

Die Aufgabenstellung dieses Beitrags folgt der Frage, ob Künstliche Intelligenz als neue Basisinnovation in der Tradition der langen wirtschaftlichen Wellen verstanden werden kann.

Was Kondratjew-Zyklen beschreiben

Der russische Ökonom Nikolai Kondratjew beschrieb in den 1920er-Jahren langfristige Schwankungen wirtschaftlicher Entwicklung. Joseph Schumpeter griff diese Idee später auf und verband sie mit seiner Theorie der Innovation und der „schöpferischen Zerstörung“. Nach dieser Sichtweise entstehen lange Wellen nicht durch gleichmäßigen Fortschritt, sondern durch Bündel von Basisinnovationen, die alte Strukturen verdrängen und neue Wachstumsfelder eröffnen.

In der Literatur werden Kondratjew-Wellen meist als Zeiträume von etwa 40 bis 60 Jahren beschrieben. Diese Einteilung ist nicht unumstritten. Viele Ökonomen sehen darin eher ein heuristisches Modell als eine streng empirisch beweisbare Gesetzmäßigkeit. Gerade deshalb muss man vorsichtig sein: Wer Kondratjew-Zyklen verwendet, sollte sie nicht als Prophezeiung verstehen, sondern als analytische Linse. Sie hilft zu erkennen, wann eine Technologie über ihre ursprüngliche Branche hinaus zu einer gesamtwirtschaftlichen Umwälzung wird. Die Theorie wird in der Forschung bis heute diskutiert; neo-schumpeterianische Ansätze betrachten lange Wellen vor allem als Ergebnis radikaler technologischer Veränderungen und ihrer gesellschaftlichen Diffusion. (ScienceDirect)

Typisch ist dabei eine bestimmte Dynamik. Am Anfang steht eine technische Möglichkeit, die zunächst teuer, unsicher und begrenzt ist. Danach folgen Experimente, Überinvestitionen, Spekulation, Infrastrukturaufbau, institutionelle Anpassung und schließlich breite Anwendung. Erst wenn eine Innovation in vielen Sektoren produktiv wird, beginnt der eigentliche wirtschaftliche Hebel.

Die sechs langen Wellen der modernen Wirtschaft

Die klassische Einteilung ist nicht in jedem Detail identisch, doch sie folgt einem wiederkehrenden Muster: Eine technische Basisinnovation ermöglicht neue Energieformen, Transportwege, Kommunikationsformen oder Produktionsmethoden. Daraus entstehen neue Leitindustrien.

Die genaue Datierung ist weniger wichtig als das Prinzip. Keine Welle beginnt an einem Stichtag. Eisenbahn und Stahl überlappten mit Dampfmaschinen. Elektrizität, Chemie und Automobil entwickelten sich parallel. Computer entstanden lange vor dem Internetzeitalter, wurden aber erst durch Mikroprozessoren, Netzwerke, Softwareökosysteme und sinkende Kosten zu einer gesamtwirtschaftlichen Kraft.

Genau an diesem Punkt steht heute die KI. Die Grundlagen sind alt, die Durchbruchswirkung ist neu.

Warum wirtschaftlicher Fortschritt selten linear verläuft

Technologischer Fortschritt sieht rückblickend oft wie eine saubere Kurve aus. In Wirklichkeit verläuft er in Sprüngen. Lange Phasen scheinbarer Stagnation wechseln sich mit Durchbrüchen ab. Ein Problem wird nicht gelöst, bis mehrere Voraussetzungen gleichzeitig reif werden: wissenschaftliche Erkenntnis, Kapital, Infrastruktur, Marktbedarf, politische Rahmenbedingungen und unternehmerische Umsetzung.

Die Dampfmaschine war nicht deshalb revolutionär, weil plötzlich „Maschinen“ existierten. Ihre Bedeutung entstand, als sie Arbeit unabhängig von Muskelkraft, Wasserläufen und Wind machte. Sie veränderte Standortlogik, Fabrikorganisation und Produktivität.

Das Automobil ersetzte die Pferdekutsche ebenfalls nicht über Nacht. Die ersten Fahrzeuge waren teuer, unzuverlässig und gesellschaftlich umstritten. Erst Massenproduktion, Ölwirtschaft, Straßenbau, Reparaturnetzwerke, Tankstellen und Finanzierungsmodelle machten das Auto zur Leitindustrie.

Der Personal Computer zeigt die Dynamik besonders deutlich. Frühe Computer waren teuer, langsam, schwer zugänglich und vor allem für Spezialisten bestimmt. In den 1980er- und 1990er-Jahren wurden sie durch Mikroprozessoren, grafische Benutzeroberflächen, Standardsoftware, sinkende Speicherpreise und später das Internet zu einer Alltagstechnologie. Die eigentliche Revolution lag nicht im ersten Gerät, sondern in der Kombination aus Leistungssteigerung, Kostensenkung, Standardisierung und massenhafter Anwendung.

KI folgt demselben Muster. Die Technologie existiert seit Jahrzehnten, doch erst die Kombination aus großen Datenmengen, leistungsfähigen Grafikprozessoren, Cloud-Infrastruktur, Transformer-Architekturen und massiver Kapitalzufuhr hat die heutige Dynamik ermöglicht.

Künstliche Intelligenz als Basisinnovation

Künstliche Intelligenz ist keine einzelne Technologie. Sie ist ein Bündel aus maschinellem Lernen, Deep Learning, generativen Modellen, Sprachmodellen, Computer Vision, Robotik, Optimierungsverfahren und zunehmend autonomen Agentensystemen. Ihr gemeinsamer Kern besteht darin, Muster zu erkennen, Inhalte zu erzeugen, Entscheidungen vorzubereiten und Prozesse zu steuern.

Der qualitative Unterschied zur klassischen Software liegt darin, dass KI nicht nur regelgebundene Abläufe ausführt. Sie kann aus Daten generalisieren, mit Unsicherheit umgehen, Sprache interpretieren, Bilder analysieren, Code schreiben, Hypothesen formulieren und komplexe Aufgaben in Teilhandlungen zerlegen. GPT-4 wurde 2023 als multimodales System beschrieben, das Text- und Bildeingaben verarbeiten kann und in mehreren professionellen und akademischen Benchmarks Leistungen auf hohem Niveau zeigte. (arXiv)

Damit greift KI in einen Bereich ein, der bisher dem Menschen vorbehalten schien: kognitive Routinen, Wissensarbeit, Kommunikation, Analyse und kreative Vorarbeit. Während frühere industrielle Wellen vor allem physische Arbeit vervielfachten, vervielfacht KI potenziell geistige Arbeit. Das ist ihr historischer Rang.

Der Unterschied zur bisherigen Digitalisierung

Die fünfte Kondratjew-Welle war geprägt von Computer, Software, Telekommunikation und Internet. Sie digitalisierte Informationen, vernetzte Märkte und schuf Plattformen. KI baut darauf auf, geht aber einen Schritt weiter.

Die klassische Digitalisierung machte Daten speicherbar, durchsuchbar und übertragbar. KI macht Daten interpretierbar, kombinierbar und handlungsnah. Ein digitales Archiv spart Suchzeit. Ein KI-System kann aus diesem Archiv eine Zusammenfassung erstellen, Handlungsempfehlungen ableiten, Risiken erkennen, Entwürfe formulieren oder Softwarecode erzeugen.

Das bedeutet: KI könnte aus der Informationsgesellschaft eine Entscheidungs- und Automatisierungsgesellschaft machen. Wenn der PC das Werkzeug des einzelnen Wissensarbeiters war und das Internet die Infrastruktur der Vernetzung, dann ist KI die Automatisierungs- und Assistenzschicht über beidem.

Genau deshalb besitzt sie Kondratjew-Potenzial. Nicht weil Chatbots Texte schreiben können, sondern weil KI als Querschnittstechnologie in Forschung, Produktion, Verwaltung, Medizin, Bildung, Logistik, Verteidigung, Energieversorgung, Finanzwirtschaft und Beratung einsetzbar ist.

Die ökonomischen Erwartungen: Produktivität oder Spekulation?

Die Erwartungen sind enorm. McKinsey schätzte 2023, dass generative KI in 63 untersuchten Anwendungsfällen jährlich einen wirtschaftlichen Wert von 2,6 bis 4,4 Billionen US-Dollar ermöglichen könnte. Goldman Sachs Research kam 2023 zu der Einschätzung, dass generative KI das globale Bruttoinlandsprodukt langfristig um rund sieben Prozent erhöhen und das Produktivitätswachstum über zehn Jahre um etwa 1,5 Prozentpunkte steigern könnte. (McKinsey & Company)

Solche Zahlen sind keine Gewissheiten. Sie sind Szenarien. Ihre Realisierung hängt davon ab, ob Unternehmen KI nicht nur ausprobieren, sondern produktiv in Arbeitsabläufe integrieren. Viele Organisationen stehen noch am Anfang. Es reicht nicht, Mitarbeitern ein KI-Tool zur Verfügung zu stellen. Prozesse müssen neu gestaltet, Datenqualität verbessert, Verantwortlichkeiten geklärt, rechtliche Risiken beherrscht und Kompetenzen aufgebaut werden.

Gleichzeitig ist die Investitionsdynamik unübersehbar. Der Stanford AI Index gilt als eine der weltweit anerkannten Quellen zur Entwicklung der KI-Landschaft und dokumentiert die starke Zunahme von Investitionen, Modellen, Anwendungen und politischem Interesse. Generative KI zog 2024 nach dem AI Index 2025 weltweit 33,9 Milliarden US-Dollar an privaten Investitionen an, ein Zuwachs von 18,7 Prozent gegenüber 2023. (hai.stanford.edu)

Ein Kondratjew-Zyklus entsteht jedoch nicht durch Venture Capital allein. Er entsteht, wenn Investitionen zu realer Produktivität, neuen Märkten und dauerhaften Infrastrukturen führen.

Die materielle Seite der KI: Chips, Energie und Rechenzentren

Eine der großen Illusionen der digitalen Welt besteht darin, sie für immateriell zu halten. Tatsächlich ist KI hochgradig materiell. Sie benötigt Chips, Rechenzentren, Strom, Kühlung, Wasser, Glasfaser, seltene Materialien, Fachkräfte und Kapital.

Der Engpass ist besonders deutlich bei Hochleistungschips und fortschrittlicher Halbleiterfertigung. Moderne KI-Systeme hängen stark von Grafikprozessoren, spezialisierten Beschleunigern und fortgeschrittenem Packaging ab. NVIDIA meldete für das vierte Quartal des Geschäftsjahres 2025 einen Umsatz von 39,3 Milliarden US-Dollar, 78 Prozent mehr als im Vorjahr; der Boom wurde wesentlich durch Rechenzentrums- und KI-Nachfrage getragen. (NVIDIA Newsroom)

Noch aktueller zeigt sich dieselbe Richtung in den jüngsten Quartalszahlen: NVIDIA meldete für das erste Quartal des Geschäftsjahres 2027 einen Umsatz von 81,62 Milliarden US-Dollar, 85 Prozent mehr als ein Jahr zuvor, getrieben durch massive Nachfrage nach KI-Chips. (AP News)

Auch TSMC, der zentrale Auftragsfertiger für modernste Halbleiter, beschreibt in seinem Annual Report 2025 starkes Wachstum bei CoWoS, einer fortgeschrittenen Packaging-Technologie, die für viele KI-Beschleuniger wesentlich ist. (investor.tsmc.com)

Der zweite Engpass ist Energie. Die Internationale Energieagentur erwartet, dass sich der weltweite Stromverbrauch von Rechenzentren bis 2030 etwa verdoppeln und rund 945 bis 950 Terawattstunden erreichen könnte. Das entspräche knapp drei Prozent des globalen Stromverbrauchs. Besonders KI-fokussierte Rechenzentren wachsen deutlich schneller als der Durchschnitt. (IEA)

Damit ist klar: Die KI-Welle wird nicht nur in Software entschieden. Sie wird auch in Stromnetzen, Kraftwerken, Chipfabriken, Kühltechnologien, Netzanschlüssen und geopolitischen Lieferketten entschieden.

Wird die Lernkurve weiter steiler?

Bisherige technologische Wellen zeigten häufig sinkende Kosten und steigende Leistung. Bei Computern war dies besonders sichtbar. Speicher, Rechenleistung und Software wurden über Jahrzehnte leistungsfähiger und günstiger. Diese Entwicklung ermöglichte erst die breite Diffusion.

Bei KI ist die Kurve komplexer. Auf der einen Seite steigen Modellfähigkeiten beeindruckend schnell. Modelle werden multimodal, leistungsfähiger, besser integrierbar und zunehmend agentisch. Auf der anderen Seite steigen auch Trainingskosten, Energiebedarf, Datenanforderungen und Hardwarekomplexität.

Die zentrale Frage lautet deshalb: Wird KI effizienter schneller, als sie größer und anspruchsvoller wird?

Dafür gibt es gute Gründe. Spezialisierte Modelle, bessere Algorithmen, effizientere Inferenz, Chipdesigns, Modellkompression, Edge-KI und neue Speicherarchitekturen können Kosten senken. Viele Anwendungen benötigen keine maximal großen Modelle, sondern robuste, domänenspezifische Systeme. Die nächste Produktivitätsstufe könnte daher nicht allein aus „größeren Modellen“ entstehen, sondern aus besserer Integration in reale Prozesse.

Gleichzeitig gibt es Grenzen. Wenn KI flächendeckend in Suchmaschinen, Office-Anwendungen, Produktionssystemen, Medizin, Bildung und Verwaltung eingesetzt wird, steigt die Gesamtnachfrage massiv. Effizienzgewinne können durch Mehrnutzung aufgezehrt werden – ein klassischer Rebound-Effekt. Je günstiger KI wird, desto mehr wird sie genutzt.

Die Lernkurve dürfte also weiter steigen, aber nicht glatt. Wahrscheinlicher ist eine Abfolge von Sprüngen: neue Modellarchitekturen, neue Chipgenerationen, bessere Energieversorgung, neue Robotikplattformen, regulative Klärung und unternehmerische Prozessreife. Genau diese nichtlineare Dynamik entspricht historischen Kondratjew-Mustern.

Vorteile der KI-Welle

Der größte Vorteil liegt in der Produktivitätssteigerung von Wissensarbeit. KI kann recherchieren, strukturieren, übersetzen, simulieren, programmieren, entwerfen, prüfen und personalisieren. Sie kann Routineaufgaben reduzieren und Fachkräfte entlasten.

In der Medizin kann KI Bilddaten analysieren, Diagnostik unterstützen, Forschung beschleunigen und personalisierte Therapien ermöglichen. In der Industrie kann sie Qualitätskontrolle, vorausschauende Wartung, Supply-Chain-Optimierung und Produktentwicklung verbessern. In der Bildung kann sie individuelle Lernbegleitung ermöglichen. In der Verwaltung kann sie Prozesse beschleunigen, Anträge vorbereiten und Bürgerdienste verbessern.

Besonders interessant ist KI als Innovationsbeschleuniger. Wenn KI Forschung, Materialentwicklung, Medikamentendesign, Simulation und Engineering beschleunigt, dann erzeugt sie nicht nur Effizienz innerhalb bestehender Strukturen, sondern neue technologische Optionen. Das ist entscheidend für die Kondratjew-Frage. Eine echte lange Welle entsteht nicht nur durch Rationalisierung, sondern durch neue Möglichkeitsräume.

Nachteile und Risiken der KI-Welle

Die Risiken sind ebenso real. Erstens kann KI Arbeitsmärkte destabilisieren. Nicht jede Tätigkeit verschwindet, aber viele Tätigkeitsprofile verändern sich. Besonders betroffen sind kognitive Routinen: einfache Textarbeit, Standardanalyse, Kundenservice, Übersetzung, Recherche, administrative Prozesse, Basisprogrammierung und Teile juristischer oder finanzieller Vorarbeit. Höherqualifizierte Arbeit ist nicht automatisch geschützt.

Zweitens verschiebt KI Macht. Wer Daten, Rechenzentren, Chips, Kapital und Plattformzugang kontrolliert, erhält enorme strategische Vorteile. Das kann zu Marktkonzentration führen. Die digitale Plattformökonomie hat bereits gezeigt, wie stark Netzwerkeffekte wirken können. KI könnte diese Konzentration weiter verschärfen.

Drittens entstehen Abhängigkeiten. Staaten und Unternehmen, die keine eigene KI-Infrastruktur, keine Chipzugänge und keine Datenkompetenz besitzen, geraten in technologische Abhängigkeit. Das betrifft Europa besonders. Eine souveräne KI-Strategie ist daher nicht nur Innovationspolitik, sondern Industrie-, Bildungs-, Energie- und Sicherheitspolitik.

Viertens gibt es Qualitätsrisiken. KI kann halluzinieren, verzerren, diskriminieren, Daten falsch interpretieren oder scheinbare Gewissheit erzeugen. In sensiblen Bereichen wie Medizin, Recht, Finanzberatung, öffentlicher Verwaltung und Sicherheit sind Kontrollmechanismen unverzichtbar.

Fünftens ist die ökologische Bilanz ambivalent. KI kann Energieeffizienz verbessern, Stromnetze optimieren und Forschung für klimafreundliche Technologien beschleunigen. Gleichzeitig verbraucht sie selbst erhebliche Energie und Ressourcen. Ob KI ökologisch Netto-Nutzen stiftet, hängt stark davon ab, wie Rechenzentren betrieben, Chips produziert und Anwendungen priorisiert werden.

Ist KI wirklich ein neuer Kondratjew-Zyklus?

Die Antwort lautet: wahrscheinlich ja – aber nicht allein.

KI ist sehr wahrscheinlich eine zentrale Leittechnologie der sechsten Kondratjew-Welle. Ob man sie selbst als eigenen Kondratjew-Zyklus bezeichnet oder als Kern einer breiteren Welle aus KI, Robotik, Biotechnologie, Energietechnik und Nachhaltigkeit, ist eine Frage der Perspektive.

Für einen neuen Zyklus sprechen fünf Faktoren. Erstens ist KI eine Querschnittstechnologie. Zweitens verändert sie nicht nur Produkte, sondern Produktionsweisen. Drittens löst sie massive Infrastrukturinvestitionen aus. Viertens besitzt sie das Potenzial, Produktivität in vielen Branchen zu erhöhen. Fünftens kann sie weitere Innovationsfelder beschleunigen.

Gegen eine vorschnelle Einordnung sprechen ebenfalls gewichtige Punkte. Der tatsächliche Produktivitätseffekt ist noch nicht in vollem Umfang sichtbar. Viele Anwendungen sind experimentell. Der Energie- und Chipbedarf ist ungelöst. Regulierung, Haftung, Datenschutz und gesellschaftliche Akzeptanz sind noch in Bewegung. Zudem besteht die Gefahr spekulativer Übertreibung. Jede lange Welle kennt Phasen des Hypes, der Überinvestition und der Ernüchterung.

Historisch wäre das nicht ungewöhnlich. Eisenbahnen führten zu Spekulationsblasen. Das Internet erzeugte die Dotcom-Euphorie. Dennoch waren Eisenbahn und Internet langfristig revolutionär. Eine Blase widerlegt nicht die Basisinnovation. Sie zeigt oft nur, dass Kapitalmärkte schneller träumen als reale Organisationen lernen.

Die Rolle der Energie: Achillesferse oder Beschleuniger?

Die Energiefrage entscheidet wesentlich darüber, wie weit und wie schnell KI skaliert. Wenn Rechenzentren lokal nicht mehr an Netze angeschlossen werden können, wenn Strompreise steigen oder wenn regulatorische Grenzen greifen, wird KI-Wachstum gebremst. In manchen Regionen sind Netzanschlüsse bereits ein Engpass.

Gleichzeitig könnte gerade dieser Engpass einen weiteren Innovationsschub auslösen. Neue Rechenzentrumsarchitekturen, effizientere Chips, Flüssigkühlung, Abwärmenutzung, modulare Kernenergie, erneuerbare Energien, Batteriespeicher, Netzoptimierung und Lastmanagement könnten durch KI-Nachfrage beschleunigt werden.

Das wäre typisch für Kondratjew-Dynamik: Eine Basisinnovation erzeugt Engpässe, und diese Engpässe erzwingen die nächste Innovationsstufe. Die Eisenbahn brauchte Stahl, Kohle, Brückenbau und Finanzmärkte. Das Automobil brauchte Öl, Straßen, Gummi, Verkehrsrecht und Versicherungen. KI braucht Chips, Energie und Dateninfrastruktur. Die Lösung dieser Engpässe könnte selbst neue Industrien hervorbringen.

Was könnte nach der KI kommen?

Wenn KI tatsächlich eine neue lange Welle trägt, stellt sich die nächste Frage: Was folgt danach?

Wahrscheinlich nicht „nach KI“ im Sinne einer Ablösung, sondern „durch KI“ im Sinne einer Beschleunigung. Mehrere Kandidaten sind plausibel.

Ein erster Bereich ist autonome Robotik. Wenn KI nicht nur Sprache und Bilder verarbeitet, sondern physische Maschinen sicher steuert, entsteht eine neue Automatisierungswelle in Logistik, Pflege, Bau, Landwirtschaft, Produktion und Haushalt.

Ein zweiter Bereich ist Biotechnologie. KI kann Proteinfaltung, Wirkstoffsuche, Genanalyse und personalisierte Medizin beschleunigen. Die Verbindung von KI und Biologie könnte eine der tiefgreifendsten industriellen Entwicklungen des 21. Jahrhunderts werden.

Ein dritter Bereich ist Material- und Energieforschung. Neue Batterien, Supraleiter, Katalysatoren, Solartechnologien oder Fusionskomponenten könnten durch KI-gestützte Simulation schneller entwickelt werden.

Ein vierter Bereich ist industrielle Selbstoptimierung. Fabriken, Lieferketten, Stromnetze und Verkehrssysteme könnten zunehmend adaptive Systeme werden, die sich selbst überwachen und laufend optimieren.

Ein fünfter Bereich ist Bildung und Kompetenzentwicklung. Wenn hochwertige individuelle Lernbegleitung weltweit verfügbar wird, könnte menschliches Kapital selbst zur nächsten großen Produktivitätsreserve werden.

Die nächste Welle nach KI wäre daher vermutlich nicht eine einzelne Technologie, sondern eine durch KI beschleunigte Konvergenz aus Intelligenz, Materie, Energie und Biologie.

Fazit: KI ist der wahrscheinlichste Kern der sechsten langen Welle

Künstliche Intelligenz erfüllt viele Kriterien einer Kondratjew-Basisinnovation. Sie ist branchenübergreifend, infrastrukturbildend, produktivitätsrelevant und gesellschaftlich tiefgreifend. Sie automatisiert nicht nur Muskelkraft wie die Dampfmaschine, nicht nur Mobilität wie das Automobil, nicht nur Informationsverarbeitung wie der Computer, sondern Teile kognitiver Arbeit selbst.

Gerade deshalb ist ihre Wirkung potenziell historisch. Doch sie ist nicht garantiert. Ein neuer Kondratjew-Zyklus entsteht nicht aus Modellen allein. Er entsteht aus produktiver Anwendung, tragfähiger Energieversorgung, skalierbarer Chipproduktion, kluger Regulierung, gesellschaftlicher Akzeptanz und unternehmerischer Umsetzungsfähigkeit.

Die wahrscheinlichste Deutung lautet daher: KI ist nicht einfach „der nächste Trend“. Sie ist der zentrale Kandidat für die Leittechnologie der sechsten Kondratjew-Welle. Aber diese Welle wird breiter sein als KI allein. Sie wird dort entstehen, wo KI mit Energie, Robotik, Biotechnologie, industrieller Transformation und Nachhaltigkeit zusammenwächst.

Wie bei allen großen Wellen wird der Weg nicht linear verlaufen. Es wird Übertreibungen geben, Rückschläge, Engpässe, politische Konflikte und enttäuschte Erwartungen. Doch gerade die Geschichte der Dampfmaschine, der Eisenbahn, des Automobils und des Computers zeigt: Die größte Wirkung entfalten Technologien nicht am Anfang ihres Hypes, sondern dann, wenn sie unsichtbar selbstverständlich werden.

Wenn KI diesen Punkt erreicht, wird sie nicht mehr als spektakuläre Neuheit wahrgenommen werden. Dann wird sie Infrastruktur sein. Und genau dann hätte der neue Kondratjew-Zyklus wirklich begonnen.

Dieser Artikel wird von dem Sponsor lyonbars.gold unterstützt. lyonbars.gold wurde Anfang 2026 als Premium-Marke und Online-Shop für exklusive GoldCards gegründet. Jede Karte vereint ein edles Design mit einem echten, eingebetteten Goldbarren aus reinem 999,9er Gold von zertifizierten Herstellern. Unsere Mission ist es, Produkte zu schaffen, die Ästhetik, Individualität und bleibenden Wert vereinen.