Engpass nach AusbauDer KI-Boom läuft der Produktivität davon

Der KI-Boom schreitet in zwei Geschwindigkeiten voran. In Mikrochips, Stromversorgung und Rechenzentren fließen gewaltige Summen, während sich die Abläufe vieler Unternehmen deutlich langsamer verändern. Diese Lücke zwischen technischer Entwicklung und tatsächlicher Effizienz könnte darüber entscheiden, ob die Investitionswelle nachhaltig wird. Zusätzliche Rechenleistung rechtfertigt ihren Kapitaleinsatz langfristig nur, wenn Unternehmen damit messbaren wirtschaftlichen Nutzen erzielen.

Der KI-Investitionszyklus ist noch jung

Seit Anfang 2024 flossen nach einer Analyse des US-Wirtschaftsmagazins Barron's rund 500 Mrd. USD in Chips. Weitere 350 Mrd. USD gingen in Strominfrastruktur, 200 Mrd. USD in Bauprojekte und 100 Mrd. USD in Netzwerktechnik. Für die kommenden zwei Jahre stehen Investitionen von rund zwei Billionen USD im Raum.

Wie groß die Summen inzwischen sind, zeigt sich bereits bei einzelnen Konzernen. Der US-Technologiekonzern Alphabet US02079K3059A14Y6F erwartet 2026 Investitionen von 195 bis 205 Mrd. USD. Bis Ende Juni hatte der Konzern bereits 80,6 Mrd. USD ausgegeben. Im zweiten Quartal allein waren es 44,9 Mrd. USD.

Diese Größenordnung erinnert bereits an das Vorstadium einer klassischen Investitionsblase. Historische Vergleiche sprechen allerdings dafür, dass der Zyklus noch deutlich länger laufen kann. Beim Eisenbahnbau, bei der Elektrifizierung und beim Internet erreichten Transformationsbooms oft enorme Anteile an der Wirtschaftsleistung.

Barron's leitet daraus eine grobe historische Vergleichsmarke ab. Die kumulierten Ausgaben erreichten demnach in mehreren Transformationsbooms rund 25 % der damaligen jährlichen US-Wirtschaftsleistung. Bei rund 30 Bill. USD jährlichem US-BIP ergibt sich daraus rechnerisch ein Vergleichswert von etwa 7,5 Bill. USD.

Nach dieser Rechnung liegt der aktuelle KI-Ausbau noch unter dieser Größenordnung. Selbst bei anhaltend hohen Investitionen könnte die dort abgeleitete Vergleichsmarke erst Anfang der 2030er-Jahre erreicht werden. Allerdings könnten Finanzierungskosten, höhere Zinsen oder andere externe Schocks den Zyklus früher abbremsen.

Strom wird zum zweiten Engpass des KI-Ausbaus

Neben Kapital beansprucht der Ausbau inzwischen enorme Mengen Energie. Das US-Forschungslabor Lawrence Berkeley National Laboratory schätzt den Stromanteil amerikanischer Rechenzentren für 2030 auf 11,8 %. Je nach Entwicklung reicht die Modellspanne von 9,5 bis 15,3 % des gesamten US-Stromverbrauchs.

Der KI-Boom stößt damit auch an physische Grenzen. Neue Rechenleistung braucht Netze, Kraftwerke, Kühlung und genehmigte Standorte. Verzögerungen können Investitionen bremsen, selbst wenn ausreichend Kapital und Kundennachfrage vorhanden sind.

Auch die Finanzierung verändert sich. Alphabet nahm im Juni 2026 netto 49,6 Mrd. USD über Stammaktien und wandelbare Vorzugsaktien ein. Das Geld ist auch für den Ausbau von KI-Infrastruktur und globaler Rechenkapazität vorgesehen.

Unternehmen müssen nachziehen

Jenseits der Rechenzentren beginnt die entscheidende Bewährungsprobe. Wer all diese Kapazität finanziert, braucht Kunden, die daraus messbaren wirtschaftlichen Nutzen ziehen. Doch an dieser Stelle verläuft die Entwicklung bislang wesentlich ungleichmäßiger als beim Aufbau der Infrastruktur.

In einer Befragung des New Yorker KI-Anbieters Rogo unter Führungskräften von zwölf Investmentbanken nannten 64 % das interne Veränderungsmanagement als größtes ungelöstes Problem der KI-Transformation. Das Gremium umfasst allerdings vor allem Institute, die bei der KI-Nutzung bereits weit fortgeschritten sind. Die Ergebnisse sind daher eher ein Stimmungsbild als eine repräsentative Branchenumfrage.

Eine national repräsentative Erhebung des U.S. Census Bureau liefert ein breiteres Bild. Zwischen November 2025 und Januar 2026 nutzten 18 % der Firmen KI in mindestens einer Geschäftsfunktion. Beschäftigungsgewichtet lag der Anteil bei 32 %. Bei sehr großen Firmen aus Information, Finanzwesen und professionellen Dienstleistungen erreichte er 50 bis 60 %.

Die Nutzung ist damit bereits stark nach Unternehmensgröße und Branche verteilt. Vor allem große, wissensintensive Firmen sind weit voraus. Eine flächendeckende organisatorische Transformation lässt sich jedoch daraus bislang nicht ableiten.

Prozess entscheidet über Produktivitätsgewinn

Viele Unternehmen automatisieren zunächst einzelne Arbeitsschritte. Dadurch sinkt der Zeitaufwand an einer Stelle, während der nächste Engpass unverändert bestehen bleibt. Mehr Geschwindigkeit in einem Teilprozess erhöht deshalb nicht automatisch die Leistung der gesamten Organisation.

Das lässt sich im Investmentbanking gut beobachten. Ein Verkaufsprospekt für ein Unternehmen kann mit KI wesentlich schneller vorbereitet werden. Die Transaktion endet deshalb dennoch nicht Wochen früher. Finanzdaten, Käuferauswahl, Prüfung und Verhandlungen folgen weiterhin ihren bisherigen Abläufen.

Wird auch der nächste Schritt automatisiert, wandert der Engpass lediglich weiter. Produktivität entsteht erst, wenn Unternehmen den gesamten Prozess neu entwerfen. Dafür müssen sie entscheiden, wer welche Arbeit übernimmt, welche Daten nötig sind und welche Prüfung weiterhin erforderlich bleibt.

Produktivität braucht mehr als schnelle Modelle

Für neue Basistechnologien reicht technische Leistungsfähigkeit allein nicht aus. Ökonomen des US-Forschungsinstituts National Bureau of Economic Research beschreiben diesen Mechanismus als Produktivitäts-J-Kurve. Neue Basistechnologien benötigen ergänzende Investitionen in Prozesse, Geschäftsmodelle und Humankapital. In der frühen Phase können diese Umbauten den gemessenen Produktivitätsgewinn zunächst verdecken.

Für KI ist dieser Befund elementar, weil sich die technische Leistungsfähigkeit sehr schnell erhöht. Organisatorische Strukturen verändern sich dagegen langsamer. Die entscheidende Rendite entsteht daher aus dem Zusammenspiel besserer Modelle und neu gestalteter Arbeit.

Erste Hinweise auf wirtschaftliche Tragfähigkeit gibt es durchaus. Alphabets Cloudgeschäft wuchs im zweiten Quartal 2026 um 82 % gegenüber dem Vorjahr. Der Konzern verbindet damit stark steigende Infrastrukturkosten mit deutlich wachsender Nachfrage nach Rechenleistung und KI-Diensten.

Damit gewinnt die Führungsebene an Bedeutung. Wer Prozesse verändern will, braucht Entscheidungsträger, die Möglichkeiten und Grenzen der Technik verstehen. KI-Kompetenz darf dann nicht bei Analysten, Entwicklern oder jungen Mitarbeitern enden. Eine mögliche Folge ist ein weitreichender Umbau klassischer Unternehmensstrukturen. Aus breiten Hierarchiepyramiden könnten schlankere Organisationen mit mehr KI-kompetenten Fachkräften entstehen. Unter ihnen würden spezialisierte KI-Systeme einen wachsenden Teil standardisierter Arbeit übernehmen.

Frei werdende Kapazität kann Wachstum ermöglichen

Wie groß der Hebel sein kann, zeigt das Beispiel einer internationalen Bank. Sie automatisierte Aufgaben, qualifizierte frei werdende Mitarbeiter weiter und setzte sie im Mittelstandsgeschäft ein. Dadurch sanken Kosten, während zugleich Umsatz und Marktanteil stiegen. Darin liegt der entscheidende Unterschied zwischen Automatisierung und Transformation. Die erste spart Zeit in bestehenden Strukturen. Die zweite nutzt freie Kapazität, um Kosten zu senken, das Geschäft auszuweiten oder beides miteinander zu verbinden.

Für den KI-Boom entsteht daraus eine ungewöhnliche Risikologik. Die Infrastruktur kann noch Jahre wachsen, ohne historisch zwingend an ihre Belastungsgrenze zu stoßen. Gleichzeitig muss die organisatorische Nutzung schnell genug nachziehen, damit aus Kapazität tragfähige Nachfrage wird. Misslingt diese Anpassung, könnte irgendwann zu viel Rechenleistung auf zu wenig wirtschaftlich sinnvolle Nutzung treffen. Dann würde die Finanzierung zum Problem, lange bevor die Technik an Bedeutung verliert. Ein solcher Rückschlag würde die gebaute Infrastruktur allerdings nicht verschwinden lassen.

Auch Eisenbahnen, Stromnetze und Internetleitungen überlebten ihre jeweiligen Investitionskrisen. Nach einer Bereinigung standen sie für die nächste Wachstumsphase bereit. Beim KI-Ausbau dürfte es ähnlich sein. Entscheidend ist deshalb weniger, ob der Boom endet, sondern welche Produktivität bis dahin auf seinem Fundament entstanden ist.