1 Einleitung

Meine Damen und Herren,

der Science-Fiction-Autor William Gibson sagte einmal: Die Zukunft ist bereits da – sie ist nur ungleich verteilt.[1] Diese Bemerkung beschreibt recht treffend den aktuellen Stand der künstlichen Intelligenz (KI). Die Fähigkeiten dieser Technik sind bereits in vielen Anwendungen sichtbar, von der Textgenerierung und der Codierung bis hin zu Forschung und Prognosen. Oder aus einem persönlicheren Blickwinkel: von der Gestaltung von Einladungskarten bis zum Schreiben von Songs oder sogar dem Produzieren von Filmen. Die weiterreichenden wirtschaftlichen Auswirkungen von KI sind jedoch aus den aggregierten Statistiken noch immer wesentlich weniger deutlich ablesbar.[2]

Historisch gesehen gab es bereits ähnliche Fälle. Als sich die Elektrizität zuerst in den Industrieländern verbreitete, waren die Produktivitätsgewinne zunächst begrenzt. Die Unternehmen setzten zwar Elektromotoren ein, sie organisierten ihre Produktion aber nicht sofort um.[3] Künstliche Intelligenz könnte sich allerdings deutlich schneller verbreiten als frühere Querschnittstechnologien.[4] Dies deutet darauf hin, dass die künstliche Intelligenz einen Wandel darstellt, der mit nahezu vollständiger Sicherheit massive Auswirkungen auf die Weltwirtschaft haben wird.

In meiner heutigen Rede möchte ich darauf eingehen, welche Bedeutung KI für das Wachstum, die Inflation und die Finanzstabilität haben könnte. Eine weitere wichtige Frage, der ich nachgehen werde, lautet: Wie können wir die Auswirkungen der KI beeinflussen? Hier möchte ich darüber sprechen, wie gut Europa im weltweiten KI-Wettlauf aufgestellt ist. Bevor ich jedoch zu diesen Punkten komme, würde ich gerne darlegen, wie ich die KI sehe und wo meiner Meinung nach ihre Stärken und Schwächen liegen.

2 Was die heutige KI kann und was sie nicht kann

KI lässt sich am ehesten nicht als ein einzelnes Produkt, sondern als Querschnittstechnologie definieren. Derartige Technologien werden weithin in vielen Sektoren eingesetzt und werden im Zeitverlauf kontinuierlich besser. Zudem bestehen Wechselwirkungen mit anderen Innovationen.[5] Mit ihrer Weiterentwicklung verbreiten sie sich in der gesamten Wirtschaft und führen zu breit angelegten Produktivitätsgewinnen. Die Wirtschaftsgeschichte bietet einige bekannte Beispiele. So hatte beispielsweise die Dampfmaschine nicht nur Verbesserungen in einem Wirtschaftszweig zur Folge, sondern sie veränderte grundlegend den Transport, das Verarbeitende Gewerbe und den Bergbau und wurde damit zu einem Grundpfeiler der industriellen Revolution. Die Elektrizität wies eine ähnliche Entwicklung auf: Sobald sie einmal auf breiter Front eingesetzt wurde, ergaben sich daraus völlig neue Produktionsprozesse. Auch die Organisation in den Fabriken wurde neu geordnet, und schließlich war es die Elektrizität, die die Massenproduktion des 20. Jahrhunderts ermöglichte. Mit einer Verzögerung von rund 140 Jahren befindet sich die Elektrizität nun endlich auch im Individualverkehr auf der Siegerstraße. In jüngerer Zeit erwiesen sich auch die digitale Datenverarbeitung und das Internet als Querschnittstechnologien. Sie wirkten als Innovationstreiber in Bereichen wie der industriellen Automatisierung oder dem internationalen Finanzsystem.

Künstliche Intelligenz zeichnet sich ebenfalls durch diese Eigenschaften aus. Sie ist nicht auf einen einzelnen Anwendungsfall beschränkt. Sie kann in nahezu allen Wirtschaftszweigen eingesetzt werden – vom Gesundheits- und Finanzwesen bis hin zum Verarbeitenden Gewerbe und der öffentlichen Verwaltung. KI kann vor diesem Hintergrund auch als die „Dampfmaschine des Geistes“ bezeichnet werden.[6] Die Dampfmaschine steigerte das, was der Mensch mit körperlicher Arbeit leisten konnte. KI steigert das Ergebnis der kognitiven Fähigkeiten des Menschen. Richtig eingesetzt wird KI die menschliche Intelligenz verbessern – mit möglicherweise weitreichenden Folgen für Produktivität, Innovationen und Wirtschaftswachstum.

Dabei werden die Stärken von KI immer deutlicher: Sie kann umfangreiche Textmengen verarbeiten und zusammenfassen; Muster in großen Datensätzen erkennen; das Codieren und die wissenschaftliche Forschung unterstützen; die Prognoseerstellung in einigen Bereichen verbessern; und sich wiederholende Wissensaufgaben mit einer sehr hohen Geschwindigkeit automatisieren. Gleichzeitig sind die Schwächen von KI für die Nutzerinnen und Nutzer ebenso wichtig, denn die generative KI kann halluzinieren – falsche oder verzerrte Ergebnisse liefern – und die in den Trainingsdaten verborgenen Fehler reproduzieren. Diese Einschränkungen sind dem Grundcharakter der aktuellen KI-Systeme geschuldet. Große Sprachmodelle basieren auf statistischen Methoden und generieren wahrscheinlichkeitsbasierte Antworten. Sie können kein Verständnis im menschlichen Sinne entwickeln, sondern prognostizieren wahrscheinliche Wortfolgen anhand der Muster in den Daten, mit denen sie trainiert wurden.

Der nächste bedeutende Nachteil von KI ist die enorme Menge an Strom, die die Technik verbraucht.[7] Wie viel Energie die KI tatsächlich benötigt, lässt sich an der Wärmeerzeugung in Rechenzentren verdeutlichen. Aktuelle Schätzungen lassen darauf schließen, dass die Landoberflächentemperaturen in den Bereichen rings um KI-Rechenzentren nach Aufnahme des Betriebs um rund 2°C steigen können.[8] Dadurch können örtliche Mikroklimata entstehen, was häufig als „Daten-Wärmeinseleffekt“ bezeichnet wird. Dieser Temperaturanstieg kann spürbare Auswirkungen auf die Nachbarschaft haben. Insgesamt könnten weltweit mehr als 340 Millionen Menschen von solchen lokalen Erwärmungseffekten betroffen sein.

Alles zusammengenommen dürfte der KI-Boom in den kommenden Jahren zu einem drastischen Anstieg der Strom-Nachfrage führen. Derzeit verbrauchen Rechenzentren jährlich rund 415 Terawattstunden Strom. Dies entspricht etwa 1,5 Prozent des weltweiten Stromverbrauchs im Jahr 2024. Nach Prognosen der Internationalen Energieagentur wird sich der weltweite Stromverbrauch für Rechenzentren bis 2030 verdoppeln. Dies würde knapp 3 Prozent des gesamten globalen Stromverbrauchs zu diesem Zeitpunkt entsprechen.[9] Man könnte versucht sein zu sagen: Als „Dampfmaschine des Geistes“ bringt die KI eine sehr reale Stromrechnung mit sich.

3 KI und die Gesamtwirtschaft: Wachstum, Investitionen und drohende Risiken

Diese Entwicklungen verdeutlichen, dass KI nicht nur einen technologischen, sondern auch einen wirtschaftlichen Wandel darstellt, der weitreichende Folgen hat. Zu diesen Folgen gehören eine Neuordnung des Arbeitsmarkts, das Entstehen neuer Wirtschaftszweige sowie Veränderungen der globalen Handelsstrukturen. Diese Aspekte sind selbstverständlich von großer Bedeutung, doch werde ich auf sie in meinen heutigen Ausführungen nicht eingehen. Vielmehr lautet meine zentrale Frage wie folgt: Was bedeutet künstliche Intelligenz für das Wachstum, die Inflation und die Finanzstabilität?

Lassen Sie mich mit dem Wirtschaftswachstum beginnen. Das Produktivitätswachstum ist der wichtigste Kanal, über den technologischer Fortschritt in Wirtschaftswachstum umgewandelt wird. In der Vergangenheit allerdings haben technologische Innovationen die Produktivität in der Regel nur mit großer Verzögerung erhöht. Grund dafür ist, dass eine weite Verbreitung, ergänzende Investitionen und grundlegende organisatorische Veränderungen erforderlich waren, die allesamt Zeit brauchten. Bestehendes Kapital und vorhandene Verfahren bleiben einstweilen erhalten, sodass neue Technologien zunächst auf alten Systemen angewendet werden, anstatt diese vollständig zu ersetzen.[10] Nehmen wir als Beispiel die Elektrizität: Es dauerte mehrere Jahrzehnte, bis sich ihre volle Wirkung auf die Produktivität zeigte.[11] Auch Computer sind ein gutes Beispiel: Ende der 1990er-Jahre kam es zu einem IT-bedingten Produktivitätsboom – die ersten PCs waren aber schon mehr als zwanzig Jahre zuvor auf den Markt gekommen.[12]

Im Fall von KI könnten diese Verzögerungen deutlich kürzer ausfallen. Faktisch sieht es so aus, als ob wir derzeit die schnellste Einführung einer Querschnittstechnologie in der Geschichte beobachten. Innerhalb von weniger als drei Jahren stieg die Zahl der Menschen, die weltweit KI-Anwendungen nutzen, auf mehr als 1,2 Milliarden. Dieses Tempo war nicht einmal bei der Einführung von Internet, Smartphones oder PCs zu beobachten.[13] Zudem geht die Verbreitung von künstlicher Intelligenz möglicherweise nicht nur deshalb schneller vonstatten als bei früheren Technologien, weil KI auf der bestehenden digitalen Infrastruktur aufbaut, sondern auch, weil sie den Innovationsprozess selbst beschleunigt.[14]

Aktuelle Schätzungen der OECD deuten darauf hin, dass KI – in einem Szenario einer raschen Einführung – das gesamtwirtschaftliche jährliche Wachstum der Arbeitsproduktivität in den G7‑Staaten in den nächsten zehn Jahren um etwa 0,8 bis 1,3 Prozentpunkte erhöhen könnte.[15] Dies steht im Gegensatz zu den jüngsten Erfahrungen: In den vergangenen zwei Jahrzehnten haben wir in den Industrieländern eine deutliche Verlangsamung des Produktivitätswachstums auf nur noch 0,8 bis 1,8 Prozentpunkte beobachtet.[16] Vor diesem Hintergrund würde es eine deutliche Beschleunigung bedeuten, wenn der Beitrag von KI bei mehr als 0,8 Prozentpunkten läge. Zum Vergleich: In den USA entfielen während des IT-Booms Ende der 1990er-Jahre 0,7 Prozentpunkte des zusätzlichen Arbeitsproduktivitätswachstums auf die Informationstechnologie.[17]

Diese Schätzungen sind jedoch mit hoher Unsicherheit behaftet, und einige Forschende sind weitaus vorsichtiger.[18] Die Schätzungen hängen von bestimmten Schlüsselannahmen ab, beispielsweise davon, wie schnell die Unternehmen KI einführen und wie intensiv sie die neue Technologie nutzen werden. So rechnen die meisten deutschen Unternehmen laut Bundesbank-Umfragen mit Produktivitätsgewinnen durch den Einsatz generativer KI.[19] Gleichwohl ist noch ungewiss, wie groß diese Zugewinne letztlich sein werden. Die Nutzungsintensität generativer KI nimmt nach wie vor in moderatem Tempo zu, was darauf hindeutet, dass viele Unternehmen weiterhin mit dieser Technologie experimentieren.

Auf lange Sicht könnten KI-bedingte Produktivitätsgewinne dazu beitragen, den durch den demografischen Rückgang der Erwerbsbevölkerung bedingten Verlusten entgegenzuwirken oder diese zumindest zu dämpfen.[20] Angesichts potenzieller Produktivitätssteigerungen könnten mittels KI auch die gesamtwirtschaftliche Leistung, der Konsum und die Investitionen deutlich erhöht werden.[21] Und ich habe keinen Zweifel daran, dass der Einfluss von KI weiter zunehmen wird. In den USA leisten KI-bezogene Investitionen schon heute einen erheblichen Beitrag zum BIP-Wachstum.[22] So übertrafen die Investitionen in KI – mit rund einem Prozentpunkt 2025 – zuletzt den Beitrag von IT-Komponenten zum Wachstum des realen BIP während des Dotcom-Booms.[23] Umfragedaten der Deutschen Bundesbank zeigen, dass die Ausgaben der Unternehmen für generative KI in Deutschland bereits mit jenen für klassische digitale Investitionen vergleichbar sind.[24] Der Großteil dieser Ausgaben entfällt jedoch auf laufende Kosten, etwa für Abonnements oder dauerhaft beschäftigtes IT-Personal.

Die möglichen Auswirkungen von KI auf die Inflation sind nach wie vor ungewiss. Einerseits erhöht sich durch die gestiegene Produktivität infolge der Einführung von KI das gesamtwirtschaftliche Angebot. Dadurch verringern sich die Kosten der Unternehmen und möglicherweise auch der durch demografische Faktoren bedingte Arbeitskräftemangel. All dies würde den Inflationsdruck tendenziell dämpfen – zumindest am Anfang.[25] Andererseits kann die Einführung von KI im Zeitverlauf die Einkommen steigern, den Bedarf an zusätzlichen Investitionen und Vorleistungen erhöhen und – mit ziemlicher Sicherheit – die Nachfrage nach Strom in die Höhe treiben. Diese zusätzliche gesamtwirtschaftliche Nachfrage würde den Inflationsdruck verstärken. 

Und selbst auf kürzere Sicht kommt ein disinflationärer Effekt möglicherweise nicht zum Tragen, wenn die Nachfrage in Erwartung künftiger Produktivitätssteigerungen zunimmt. In einem solchen Szenario könnte der KI-Effekt zunächst preistreibend werden.[26] Eine besondere Entwicklung besteht darin, dass der Einsatz von Algorithmen die Festsetzung von Preisen oberhalb eines wettbewerbsfähigen Niveaus begünstigen könnte.[27] Es gibt Anzeichen dafür, dass KI-Algorithmen kontinuierlich lernen können, überhöhte Preise zu verlangen, ohne miteinander zu kommunizieren. Aus Zentralbanksicht bedarf diese Unsicherheit besonderer Wachsamkeit.

Zugleich ist es auch aus Sicht der Finanzstabilität geboten, Entwicklungen im Bereich der künstlichen Intelligenz große Beachtung zukommen zu lassen. So könnte KI zu einem Aufbau von Finanzstabilitätsrisiken führen. Gründe hierfür sind die Konzentration von KI-Anbietern, Herdenverhalten, eine stärkere Marktkorrelation sowie Cyberrisken und operationelle Risiken, da ähnliche Modelle in kritischen Prozessen verwendet werden.[28]

Betrachten wir beispielsweise die Kreditvergabe der Banken an private Haushalte und Unternehmen. Kreditentscheidungen könnten zunehmend durch KI-basierte Modelle gestützt oder sogar bestimmt werden. Greifen viele Banken auf dieselben KI-Anbieter zurück oder verwenden sie ähnliche zugrunde liegende Modelle, könnten ihre jeweiligen Einschätzungen im Hinblick auf das Kreditrisiko immer stärker übereinstimmen. Infolgedessen könnte die Kreditvergabe der Banken als Reaktion auf sich eintrübende Konjunkturaussichten zeitgleich über alle Institute hinweg und stärker eingeschränkt werden, als es normalerweise zu beobachten wäre. Dies könnte die prozyklische Dynamik verstärken. Die Folge wäre, dass die Kreditverfügbarkeit durchweg sensibler auf den Konjunkturzyklus reagieren würde und die Finanzstabilitätsrisiken potenziell zunähmen. Zudem könnte eine starke Abhängigkeit von einer begrenzten Anzahl an KI-Anbietern operationelle Risiken und Datenschutzrisiken nach sich ziehen. Störungen bei einem großen Anbieter oder Schwachstellen in weit verbreiteten Systemen könnten breit gefasste Auswirkungen auf den gesamten Finanzsektor haben.

Und schließlich öffnet der Einsatz von KI im Finanzsektor ein Einfallstor für neue und komplexe Cyberrisiken, denn autonome KI-Akteure könnten schädliches Verhalten zeigen. Wie die aktuelle Diskussion um das KI-Modell „Mythos“ von Anthropic zeigt, sind die frühzeitige Identifizierung und Begrenzung solcher Risiken von entscheidender Bedeutung für die Finanzstabilität. „Mythos“ ist ein KI-Modell, das offenbar in der Lage ist, Sicherheitslücken in der Software von Finanzinstituten schnell zu identifizieren und auszunutzen. Allerdings scheint dieses KI-Modell ein zweischneidiges Schwert zu sein, da es nicht nur zur Verbesserung digitaler Sicherheitssysteme verwendet werden könnte, sondern auch zur Ausnutzung ihrer Schwachstellen für böswillige Zwecke. Wir müssen den Missbrauch dieser Technologie verhindern. Gleichzeitig sollten alle relevanten Institute Zugang zu dieser Technologie haben, um Wettbewerbsverzerrungen zu vermeiden.

4 Europa im globalen KI-Wettlauf

Alles in allem deuten diese Risiken auf ein strukturelles Problem allgemeinerer Natur hin: Die Entwicklung und der Einsatz von KI sind zunehmend konzentriert und global vernetzt. Umso wichtiger ist es, zu berücksichtigen, wo die verschiedenen Regionen in diesem sich wandelnden Gefüge stehen. Damit komme ich zur Position Europas im globalen KI-Wettlauf. Europa tritt mit wichtigen Stärken in das KI-Zeitalter ein, allerdings aus einer schwächeren Position heraus als die Vereinigten Staaten und – in mehreren Dimensionen – China. 

Bei der Entwicklung von Frontier-Modellen und bei privaten Investitionen sind die Vereinigten Staaten nach wie vor der klare Vorreiter: Im Jahr 2024 erstellten Institute mit Sitz in den USA 40 nennenswerte KI-Modelle, verglichen mit 15 in China und nur 3 in Europa. Unterdessen beliefen sich die privaten KI-Investitionen in den USA auf 109,1 Milliarden US-Dollar, verglichen mit 9,3 Milliarden US-Dollar in China und 19,4 Milliarden US-Dollar in Europa.[29] Gleichzeitig werden die vergleichsweise geringen privaten KI-Investitionen in China durch die staatlichen KI-Investitionen – Schätzungen zufolge im Umfang von 62 Milliarden US-Dollar – überkompensiert.[30] Staatliche KI-Investitionen in den USA und in der Europäischen Union sind dagegen um eine Größenordnung geringer: rund 3,3 Milliarden US-Dollar in den USA und rund 1,2 Milliarden US-Dollar in der Europäischen Union.[31] Damit liegt die Europäische Union bei den KI-Investitionen auf einem deutlichen dritten Platz. Die relative Schwäche Europas zeigt sich insbesondere in der Finanzierung von Scale-up-Unternehmen, der Rechnerinfrastruktur und der Entwicklung von Frontier-Modellen. Diese Bereiche werden von US-amerikanischen Unternehmen dominiert. Gleichzeitig profitieren chinesische Akteure nicht nur von umfangreichen staatlichen Stützungsmaßnahmen, sondern auch von einem riesigen Binnenmarkt.

Europa verfügt jedoch über ein enormes Forschungspotenzial, das sich unternehmerisch umsetzen lässt. Wir haben in Europa bereits einige wichtige und bedeutende Privatanbieter von KI-Diensten wie z. B. Mistral AI, Black Forest Labs oder Aleph Alpha. Hinzu kommt eine Vielzahl sogenannter Hidden Champions – kleine Unternehmen, die an ihren spezifischen Märkten weltweit führend sind. Wie ich bereits in einer früheren Rede sagte: Beim Einsatz von KI in industriellen Prozessen sehe ich das Rennen noch offen. Hierfür sind hochspezialisierte KI-Modelle erforderlich. Die Industrie in Europa und insbesondere in Deutschland sitzt auf einem Datenschatz zum Trainieren solcher Modelle. Damit lassen sich in vielen Bereichen maßgeschneiderte KI-Lösungen entwickeln: für die Fertigung, die Logistik, die Wartung und so weiter.[32] Daher halte ich es für ein sehr positives Zeichen, dass auch europäische Unternehmen zunehmend KI-Technologien nutzen.[33]

Eine Kooperation zwischen den Zentralbanken, darunter die Deutsche Bundesbank und die Banca d’Italia, hat sich in dieser Hinsicht als sehr nützlich erwiesen. So wurden 2024 und 2025 im Rahmen von Unternehmensbefragungen in Italien und Deutschland harmonisierte Fragen zur Nutzung generativer KI gestellt.[34] Die Ergebnisse zeigen, dass die KI-Einführung in beiden Ländern merklich zugenommen hat.

Wir Zentralbanken beobachten diesen Wandel nicht nur, sondern gestalten ihn in unseren eigenen Institutionen auch aktiv mit. In der Deutschen Bundesbank haben wir kürzlich eine umfassende KI-Strategie verabschiedet, die auch konkrete Umsetzungsmaßnahmen beinhaltet. So nutzen inzwischen zwei von drei Kolleginnen und Kollegen KI regelmäßig bei ihrer täglichen Arbeit, und zwar in einer dedizierten, geschützten und sicheren Umgebung. Zentrales Ziel unserer Strategie ist es, künstliche Intelligenz systematisch in das Instrumentarium der Deutschen Bundesbank zu integrieren, damit sie uns bei der Erfüllung unserer Aufgaben unterstützt.

Allerdings reichen einzelne Bemühungen von Unternehmen oder öffentlichen Institutionen allein nicht aus. Um das volle Potenzial von KI zu entfalten, müssen auch auf europäischer Ebene Fortschritte erzielt werden. Ich bin davon überzeugt, dass Europa in Bezug auf Finanzierung, Skalierung, Infrastruktur, Qualifikationen, Energie und Marktintegration schneller voranschreiten kann. Die Europäische Union hat dahingehend bereits einige Initiativen eingeleitet. So trat am 1. August 2024 die KI-Verordnung in Kraft.[35] Darüber hinaus rief die EU im Februar 2025 die Initiative InvestAI ins Leben. Damit sollen 200 Milliarden Euro für Investitionen in künstliche Intelligenz mobilisiert werden. Dazu gehört auch ein neuer Fonds für KI-Gigafabriken im Umfang von 20 Milliarden Euro.[36]

Wie bereits erwähnt ist künstliche Intelligenz nicht nur die „Dampfmaschine des Geistes“, sondern bringt auch eine sehr reale Stromrechnung mit sich. Damit komme ich zurück zu einer wesentlichen Voraussetzung: einer zuverlässigen und bezahlbaren Energieversorgung. Sicherzustellen, dass ausreichend Strom für den Betrieb der KI-Infrastruktur zur Verfügung steht, dürfte sich als ebenso wichtig erweisen wie die Mobilisierung von Kapital. Allerdings betrifft dieses Problem nicht nur Europa. So wurden in den USA einigen Berichten zufolge rund die Hälfte der geplanten Bauprojekte für Rechenzentren verzögert oder verworfen. Für diese Verzögerungen spielen Engpässe in der Strominfrastruktur eine zentrale Rolle.[37]

Auch in Europa wurden Projekte zum Bau neuer Rechenzentren aufgrund unzureichender Netzkapazitäten verzögert oder verschoben.[38] So kann es zum Beispiel in Dublin und Frankfurt drei bis fünf Jahre dauern, bis neue Rechenzentren an das Stromnetz angeschlossen werden können.[39] Im Extremfall erhöht sich dadurch das Risiko, dass Investitionen nicht in vollem Umfang getätigt werden oder sogar an Wert verlieren. Als Reaktion auf diese Herausforderungen hat die Europäische Union begonnen, ein umfassenderes Rahmenwerk zu entwickeln. Damit will sie sicherstellen, dass der Ausbau der KI-Infrastruktur weiterhin mit ihren Energie- und Klimazielen vereinbar ist. Ein zentrales Element ist das für 2026 erwartete Energieeffizienzpaket für Rechenzentren.[40] Diese Initiative zielt darauf ab, den Energieverbrauch transparenter zu machen und ein EU-weites Ratingverfahren für Rechenzentren einzuführen. Die Entwicklungen zeigen letztlich, dass ein erfolgreicher Einsatz künstlicher Intelligenz nicht nur von Innovationen und Investitionen abhängt. Er hängt auch von den passenden institutionellen Rahmenbedingungen und einer effektiven praktischen Umsetzung ab.

5 Schlussbemerkungen

Meine Damen und Herren,

lassen Sie mich zum Schluss kommen. KI hat eindeutig das Potenzial, in den kommenden Jahren zu einer treibenden Kraft der Weltwirtschaft zu werden. Die Geschichte der Elektrizität zeigt uns jedoch, dass ein technologischer Durchbruch allein nicht ausreicht. Ihre Einführung hatte in der Frühphase nicht unmittelbar eine höhere Produktivität zur Folge. Die Unternehmen mussten nämlich erst noch ihre Produktion umorganisieren und ihre Strukturen anpassen. Auch der Wachstumsbeitrag von KI wird letztlich davon abhängen, wie effektiv sich die Technologie in der Wirtschaft ausbreitet, d. h. wie lange es dauert, bis KI „überall“ im Einsatz ist. Ausschlaggebend wird zudem sein, wie gut sich Unternehmen und Institutionen anpassen.

Gerade deshalb ist es wichtig, die KI-Revolution aktiv mitzugestalten. Wir Zentralbanken sind gut beraten, die Auswirkungen von KI auf die Inflation und die Finanzstabilität genau zu untersuchen. Die Politik kann indessen mit dem richtigen Policy-Mix für mehr Scale-up-Kapital und mehr Rechenleistung sorgen. Auf diese Weise können unsere Gesellschaften sicherstellen, dass die Vorteile von KI zum Tragen kommen – und zwar überall in der Wirtschaft.

Wir in Europa haben alles, was nötig ist, um die KI-Revolution zu meistern: einen kleinen, aber florierenden KI-Sektor, hervorragende Forschungskapazitäten, hochspezialisierte und neugierige Unternehmen sowie einen großen Binnenmarkt.

Vielen Dank für Ihre Aufmerksamkeit.

Fußnoten:

1. Gibson, W. F., „The Science in Science Fiction“, National Public Radio, Interview mit Brooke Gladstone, 22. Oktober 2018, Zeitstempel 11:22.
2. Yotzov, I. et al. (2026), Firm Data on AI, NBER Working Paper Nr. 34836.
3. David, P. A. (1990), The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox, The American Economic Review, 80(2), S. 355–361.
4. McAfee, A. (2024), Generally Faster: The Economic Impact of Generative AI.
5. Bresnahan, T. F. und M. Trajtenberg (1995), General purpose technologies 'Engines of growth'?, Journal of Econometrics, Bd. 65(1), S. 83–108.
6. Hoffman, R., Gen AI: A cognitive industrial revolution, McKinsey-Podcast, moderiert von Lareina Yee, 7. Juni 2024.
7. Bogmans et al. (2025), Power Hungry: How AI Will Drive Energy Demand, Working Paper des IWF, WP/25/81.
8. Marinoni et al. (2026), The data heat island effect: quantifying the impact of AI data centers in a warming world, Mimeo.
9. Internationale Energieagentur (2025), Energy and AI.
10. David (1990).
11. David (1990).
12. Oliner, S. D. und D. E. Sichel (2000), The Resurgence of Growth in the Late 1990s: Is Information Technology the Story? Journal of Economic Perspectives, 14(4), S. 3–22.
13.  AI Diffusion Report: Mapping Global AI Adoption and Innovation
14. Busch, M. und D. Duwe (2023), Artificial intelligence in innovation processes – A study using the example of an innovation research institute, Karlsruhe: Fraunhofer-Institut für System- und Innovationsforschung ISI.
15. Filippucci et al. (2025), Macroeconomic productivity gains from Artificial Intelligence in G7 economies, OECD Artificial Intelligence Paper Nr. 41.
16. Goldin et al. (2024), Why Is Productivity Slowing Down? Journal of Economic Literature 62(1), S. 196–268.
17. Oliner und Sichel (2000).
18. Acemoglu (2025), The simple macroeoconomics of AI, Economic Policy 40 (121), S. 13–58.
19. Deutsche Bundesbank (2026), Generative KI in deutschen Unternehmen: Verbreitung, Kosten und erwartete wirtschaftliche Auswirkungen, Monatsbericht, März 2026.
20. Asao et al. (2025), The Impact of Aging and AI on Japan's Labor Market: Challenges and Opportunities, IMF Working Paper, Nr. WP/25/184.
21. Aldasoro et al. (2024), The impact of artificial intelligence on output and inflation, BIS Working Paper, Nr. 1179.
22. Curran, E. und M. Niquette, AI-Led Investments Are Driving US Economic Growth, bloomberg.com, 31. Oktober 2025.
23.  Tracking AI’s Contribution to GDP Growth | St. Louis Fed
24. Deutsche Bundesbank (2026).
25. Markman, J., Kevin Warsh’s New Playbook: AI, Productivity And A Deflation Bet, Forbes, 2. Februar 2026.
26. Aldasoro et al. (2024).
27.  E. Calavano et al. (2020). Artificial Intelligence, Algorithmic Pricing, and Collusion, American Economic Review 2020, 110(10).
28. Leitner et al., The rise of artificial intelligence: benefits and risks for financial stability, EZB, Financial Stability Review 2024; IWF, Global Financial Stability Report 2024.
29. Stanford University, The 2025 AI Index Report, Kapitel 4.
30. China nutzt KI als Schlüsseltechnologie | Special | China | KI-Strategie
31.  Federal AI and IT Research and Development Spending Analysis | Federal Budget IQ; European approach to artificial intelligence | Shaping Europe’s digital future
32. Nagel, J. (2026), Lernen, Anwenden, Gestalten: Die Verknüpfung von Theorie und Praxis als Erfolgsrezept in einer wandelnden Arbeitswelt, Festrede bei der Akademischen Jahresfeier der DHBW Karlsruhe, 17. März 2026.
33.  Usage of AI technologies increasing in EU enterprises – News articles – Eurostat; CISCO (2026), State of Industrial AI, Bericht.
34. Bencivelli et al. (2026), Embracing KI in Europe: New evidence from harmonised central bank business surveys, VoxEU Column.
35. KI-Verordnung tritt in Kraft – Europäische Kommission
36.  EU launches InvestAI initiative to mobilise €200 billion of investment in artificial intelligence | Shaping Europe’s digital future
37.  Half of planned US data center builds have been delayed or canceled, growth limited by shortages of power infrastructure and parts from China – the AI build-out flips the breakers | Tom's Hardware
38. Jacamon et al., Overcoming energy constraints is key to delivering on Europe's data centre goals, Internationale Energieagentur, 16. November 2025.
39. Granskog et al., The role of power in unlocking the European AI revolution, McKinsey, 24. Oktober 2024.
40.  Energy performance of data centres – Energy – European Commission