1 Begrüßung

Sehr geehrte Damen und Herren, 

ich freue mich sehr, bei Ihnen zu sein. Und das gleich dreifach: Als Präsident der Bundesbank freue ich mich an einer Partnerhochschule zu sein, mit der wir seit langem vertrauensvoll zusammenarbeiten. Als Honorarprofessor an der DHBW freue ich mich, so viele vertraute Gesichter zu sehen. Und als jemand, der in Karlsruhe aufgewachsen ist, freue ich mich, in meiner Heimatstadt zu sein. 

Hier unter uns kann ich Ihnen ein Geheimnis verraten: Ich koche sehr gerne. Leider komme ich seltener dazu als mir lieb ist, aber wenn, dann mit Leidenschaft. Ein paar Gerichte koche ich aus dem Handgelenk. Aber manchmal soll es ja auch etwas Neues sein. Dann ist ein gutes Rezept gefragt. 

Aus eigener Erfahrung kann ich Ihnen sagen: Kochen ohne Rezept kann zu einem leckeren Abendessen führen – oder zum entnervten Anruf beim Pizza-Lieferdienst. Umgekehrt ist es auch nicht besser: Nur Rezepte schreiben, ohne je zu kochen, füllt zwar Kochbücher, aber nicht die Teller. Und ob sie in der Küche überhaupt gelingen, weiß niemand. 

Wir sehen also: Theorie und Praxis zu verbinden, nutzt beiden Seiten. Das ist die Grundidee des dualen Modells im Hochschulbereich, für das in Baden-Württemberg Pionierarbeit geleistet wurde. 1974 startete ein innovatives Bildungskonzept mit dem Modellversuch „Berufsakademie“. Daraus entwickelte sich die heute größte Hochschule Baden-Württembergs – die DHBW.

Aber diese Idee reicht weit über duale Studiengänge hinaus. Ein enger Praxisbezug kann die Hochschulbildung insgesamt bereichern. Und er wird immer wichtiger in einer Arbeitswelt, die sich rasant verändert. Damit sind wir bei den Themen, über die ich heute sprechen möchte. 

Zunächst wird es darum gehen, wie die Verbindung von Theorie und Praxis in der wirtschaftlichen Hochschulbildung Wissenschaft und Wirtschaft stärkt. Dann berichte ich, wie die Bundesbank diese Vorteile nutzt. Abschließend geht der Blick voraus: Welche neuen Anforderungen stellt die Arbeitswelt in Zeiten von Künstlicher Intelligenz?

2 Praxisbezug in der wirtschaftswissenschaftlichen Hochschulbildung

Wirtschaftswissenschaften sind im Kern auch eine Disziplin der Entscheidungen: Sie befassen sich mit Entscheidungen über knappe Ressourcen, unter Unsicherheit und bei Zielkonflikten. Vor einer Entscheidung stehen fast nie alle Informationen zur Verfügung. Nebenwirkungen, angenehme wie unerwünschte, sind eher die Regel als die Ausnahme. Und bei vielen Problemen geht es nicht um ein Entweder-oder, sondern um ein Sowohl-als-auch: Stabilität und Wachstum, kurzfristige Handlungsfähigkeit und langfristige Tragfähigkeit, Effizienz und Robustheit, Innovation und Sicherheit. 

Es gilt also, abzuwägen und die richtige Balance zu finden. Die Wirtschaftswissenschaften vermitteln dafür zentrale Werkzeuge: das Denken in Anreizen, in Risiken und in Wirkungszusammenhängen. Sie helfen, mit Daten umzugehen, Hypothesen zu prüfen und Aussagen einzuordnen: Nicht ‚das Modell hat recht‘, sondern ‚unter diesen Annahmen gilt diese Aussage‘.

Ein enger Praxisbezug verbessert genau diese Fähigkeiten. Wer sich etwa mit realen Daten, konkreten Fällen und echten Umsetzungsbedingungen auseinandersetzt, lernt schneller, wo Theorien und Modelle tragen – und wo sie an ihre Grenzen kommen. 

Das ist keine Abwertung von Theorie. Im Gegenteil: Praxisnähe ist ein Prüfstein für theoretische Qualität. Sie schützt vor dem berühmt-berüchtigten Elfenbeinturm. Und sie stärkt etwas sehr Wichtiges: Transferfähigkeit – die Fähigkeit, Erkenntnisse erfolgreich anzuwenden.

So profitieren alle von mehr Praxisnähe: Studierende, weil sie bei ihrem Start ins Arbeitsleben neben all ihrem Wissen auch die Werkzeuge in der Hand haben, dieses Wissen erfolgreich anzuwenden. Unternehmen, weil sie Absolventinnen und Absolventen gewinnen, die sich an realen Problemen der Gegenwart erprobt haben, nicht nur an altgedienten Lehrbuchfällen. Hochschulen, weil Praxiszugang die Relevanz von Forschung erhöht und neue Fragen sowie aktuelle Daten erschließt.

Insgesamt verkürzt sich so die Zeit, bis gewonnenes Wissen in der Praxis ankommt. Aber der Transferweg ist keine Einbahnstraße. Es geht um wechselseitigen Austausch: Theorie liefert Modelle, Methoden und Hypothesen; Praxis liefert Daten, aktuelle Probleme und den Realitäts-Check, ob eine Idee trägt. 

Wenn das gut zusammenspielt, entsteht ein Wissens- und Innovationskreislauf: Fragen, Methoden und Anwendungen verbessern sich gegenseitig. Die Relevanz steigt – und die Qualität auch. Für eine Volkswirtschaft wie Deutschland, die von Know-how, Innovation und gut ausgebildeten Fachkräften lebt, ist dieser Kreislauf ein zentraler Standortfaktor. Das gilt hier, in der Technologie-Region Karlsruhe, ganz besonders. 

3 Duales Studieren bei der Bundesbank

Auch wir in der Bundesbank wissen diese Vorteile sehr zu schätzen. Für uns ist das duale Modell seit langem einer der Hauptwege, um Nachwuchskräfte mit Bachelor-Abschluss zu gewinnen. 

Zentral ist dabei unsere eigene Hochschule in Hachenburg. Dort vertiefen wir zentralbankspezifische Inhalte: Geldpolitik, Finanzstabilität, Bankenaufsicht, Zahlungsverkehr. Und das möglichst praxisnah. Als ich damals an der Uni Karlsruhe VWL studiert habe, habe ich viel darüber gelernt, wie Geldpolitik in der Theorie funktioniert. Aber ich hätte mir gewünscht, mehr über die Praxis zu erfahren. Genau das können wir in Hachenburg leisten. 

Außerdem kooperiert die Bundesbank mit Hochschulen, um unser Spektrum gezielt zu erweitern. Unsere Zusammenarbeit mit der DHBW (und ihrer Vorgänger-Institution) reicht zurück bis ins Jahr 1989. Los ging es mit Wirtschaftsinformatik. Es folgten weitere Kooperationen im IT-Bereich. Später kamen auch BWL-Studiengänge hinzu. Auf diesem Weg haben wir bereits 284 Nachwuchskräfte für eine Ausbildung gewonnen – Kolleginnen und Kollegen, die Theorie und Praxis von Anfang an miteinander verbunden haben. 

Wir haben über die Jahre auch viel gelernt, was dabei den Erfolg ausmacht: Etwa, wie wichtig es ist, Praxisphasen gezielt auf die Inhalte des Studiengangs und des Studienfortschritts auszurichten. Und wir sehen, dass wir den Studierenden dabei viel Selbständigkeit zutrauen können.

Ein aktuelles Beispiel ist der Studiengang BWL – Digital Business Management hier an der DHBW Karlsruhe. Ein besonderer Fokus liegt dabei auf der digitalen Transformation von Unternehmen. Die Studierenden bringen dafür ein spezielles Skill-Set mit: Sie verstehen betriebswirtschaftliche Zusammenhänge. Und sie kennen die Werkzeuge, um den digitalen Wandel in den Betrieben aktiv mitzugestalten. 

Für die Bundesbank ist das eine große Bereicherung. Gerade beim Thema Digitalisierung, das ja längst kein „Zukunftsthema“ mehr ist, sondern ein „Gegenwartsthema“. Neben ihrem Know-how bringen die Studierenden ihren frischen Blick von außen mit. So helfen sie uns, Strukturen und Prozesse kritisch zu hinterfragen und weiterzuentwickeln.

Für mich ist klar: Auch eine Zentralbank muss bei digitalen Technologien am Puls der Zeit sein. Wir treiben derzeit in der Bundesbank ein großes Modernisierungsprogramm voran. Angesichts eines sich rasant wandelnden Umfelds wollen wir reaktionsschnell, anpassungsfähig und technologisch fit sein. 

Wir entwickeln für die geldpolitische Vorbereitung und die Konjunkturprognose Modelle und arbeiten mit großen Datenmengen. Wir beaufsichtigen Banken, überwachen Finanzmärkte und sorgen für den Zahlungsverkehr. Ohne digitale Kompetenz geht all das heute nicht mehr.

In Gesprächen mit unseren Nachwuchskräften erlebe ich immer wieder: Die Fragen zur Digitalisierung sind oft besonders herausfordernd. Und das ist gut so – wir benötigen diesen kritischen Blick.

4 Künstliche Intelligenz verändert die Arbeitswelt

Die Arbeitswelt, in die Sie, liebe Studierende, hineingehen, verändert sich gerade rasant. Veränderung ist hier an sich nichts Neues. Die Arbeitswelt war nie statisch. Eine Auswertung von US-Daten zeigt: 2018 arbeiteten rund 60 % der Beschäftigten in Berufen, die 1940 noch gar nicht als eigenständige Berufe existierten.[1] Wer war früher zum Beispiel Social-Media-Manager, Analyst für Cybersicherheit, App-Entwickler, Cloud-Architekt, Windkrafttechniker, Spezialist für Ladeinfrastruktursysteme der Elektromobilität – ich könnte ewig so weitermachen.

Es ist auch nichts Neues, dass Maschinen dank besserer Technik einzelne Aufgaben übernehmen können, die zuvor Menschen vorbehalten waren. Früher waren es aber vor allem körperlich zu verrichtende Tätigkeiten, die automatisiert werden konnten. Etwa in der Landwirtschaft, der Textilherstellung oder der Automobilfertigung. Heute betrifft die Automatisierung auch kognitive Aufgaben. Beim Programmieren, in der Buchhaltung, im Kundenservice, bei der Recherche und so weiter.

Hier ist die Künstliche Intelligenz ein echter Gamechanger. Standardisierte Wissensarbeit verliert an eigenständigem Wert. Vieles davon kann KI heute schon schneller und günstiger leisten. Bedeutet das, dass es insgesamt weniger Arbeit für den Menschen geben wird? Das ist nicht ausgemacht.

Die Geschichte technologischer Umbrüche lehrt etwas anderes: Es entstanden in der Regel mehr Arbeitsplätze als entfielen. Darauf deuten auch Analysen der EZB hin: Unter dem Strich ersetzt KI in Europa derzeit keine Arbeitsplätze. Unternehmen, die KI bereits intensiv einsetzen, geben sogar überwiegend an, ihre Beschäftigung zu erhöhen.[2]

Wie sich dies längerfristig entwickeln wird, wenn KI stärker in die Produktionsprozesse integriert ist, lässt sich heute noch nicht absehen. Klar scheint: Wir werden sehr viel stärker mit KI arbeiten. 

In der Folge werden sich Berufsbilder ändern: Weniger Routine, mehr Prüfung, Einordnung, kritisches Hinterfragen. Urteilskraft wird zur Kernkompetenz. Denn unfehlbar ist die KI keineswegs. Die Zeitschrift The Economist legte kürzlich den Finger in die Wunde. Ich zitiere in deutscher Übersetzung: Ein KI-Modell kann die weltbesten Mathematiker übertreffen, während es gleichzeitig an der Anzahl der „r“s in „Strawberry“ scheitert. Seine Selbstsicherheit, mit der es völlig falsche Behauptungen aufstellt, würde einen Ökonomen stolz machen.[3]

Vielleicht haben Sie schon vom Beispiel der Radiologen in den USA gehört: Vor einigen Jahren schien ihr Beruf bedroht, weil KI Röntgen- und MRT-Bilder gut auswerten kann. Doch kaum einer möchte, dass hier allein die KI entscheidet. Also bleibt die Letztbeurteilung beim Menschen – und dieser schafft mit KI-Hilfe mehr Fälle in derselben Zeit. Die Produktivität der Radiologen steigt: Befunde kommen schneller, die Wartezeit geht zurück. In der Folge wird Bildgebung häufiger genutzt: mehr Abklärungen, mehr Kontrollen, mehr Fälle. Inzwischen sind Radiologen in den USA ein Mangelberuf. Das ist ein Muster, das wir auch aus anderen Bereichen kennen: Effizienz senkt Kosten und Wartezeiten, und dadurch wächst die Nachfrage.

Das Beispiel stammt aus den USA. Aber wie sieht es in Deutschland mit der KI-Nutzung in der Wirtschaft aus? Haben wir vielleicht schon den Anschluss verloren?

Die USA haben sicherlich einen Vorsprung, was große Sprachmodelle angeht, die mit dem Wissen des Internets trainiert werden. 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.

Ich finde es ermutigend, wie sich die KI-Nutzung in der deutschen Wirtschaft entwickelt. Die Unternehmensbefragung der Bundesbank zeigt ein hohes Tempo: Der Anteil der Firmen, die generative KI nutzen oder bis Jahresende nutzen wollen, stieg von rund einem Viertel für 2024 auf über die Hälfte für 2026. Interessant ist auch eine zweite Beobachtung: Der Einstieg in die KI-Nutzung gelingt auch mit kleinen Budgets. Mit steigenden Ausgaben für die KI steigt zwar auch die Nutzung, aber immer langsamer.[4]

Worauf deutet das hin? Die Einstiegshürde für die Nutzung von KI ist recht niedrig. Ein paar KI-Lizenzen sind schnell eingekauft. Mitunter sind die Tools online sogar kostenlos verfügbar. Damit lassen sich auch schnell greifbare Ergebnisse erzielen. 

Danach wartet aber die größere Herausforderung: Wenn man mehr will, wird es schwieriger. Dann bedarf es nicht nur höherer Investitionen. Es stellen sich auch Fragen wie: Welche Tätigkeiten eignen sich für KI-Anwendungen – und welche nicht? In welche Abläufe wird die KI eingebettet – und müssen sie angepasst werden? Welche Anforderungen an die KI möchte ich erfüllt wissen, etwa hinsichtlich Datenschutz und Vertraulichkeit? Wer steht für Fehler der KI ein? 

Je tiefer die neuen Möglichkeiten in die betrieblichen Abläufe integriert werden, desto größer sind die Chancen für mehr Produktivität. Aber umso aufwendiger ist auch der Weg dahin: Es geht um organisatorische und technische Veränderungen, um eine neue Art des Zusammenarbeitens, um Weiterbildung der Beschäftigten und nicht zuletzt um die Offenheit, sich auf Neues einzulassen. 

Klar ist: Am Ende sind es Menschen, die Risiken abwägen und Entscheidungen verantworten müssen.

5 Schluss

Meine Damen und Herren,

wir stehen womöglich vor der bedeutendsten Umgestaltung der Arbeitswelt seit Generationen. Die Künstliche Intelligenz ordnet die Arbeitsteilung zwischen Mensch und Maschine neu. Diesen Umbruch gilt es klug zu gestalten, um die Chancen zu nutzen und die Risiken zu begrenzen. Hierzu können die Hochschulen einen wichtigen Beitrag leisten. 

Allein theoretisches Wissen zu vermitteln, reicht nicht. Gelebte Praxisnähe hilft, KI sinnvoll, sicher und produktiv anzuwenden. Die enge Verzahnung von Theorie und Praxis, wie hier an der DHBW, ist dafür ein Erfolgsrezept. Und damit schließt sich der Kreis zum Anfang meiner Rede.

Zum Schluss möchte ich Sie, liebe Studierende, ermutigen, mit Zuversicht, Neugier und Tatkraft in die Arbeitswelt zu starten! Sie sind bestens vorbereitet auf eine Zukunft, die bereits begonnen hat.

Vielen Dank.

Fußnoten:

1. Autor, D., C. Chin, A. M. Salomons und B. Seegmiller (2024): New Frontiers: The Origins and Content of New Work, 1940–2018. Quarterly Journal of Economics, 139 (3).

2. Lebastard L. und D. Sondermann (2026), Artificial Intelligence: friend or foe for hiring in Europe today?, ECB Blog, 4. März. 

3. O.V., How to avoid common AI pitfalls in the workplace, The Economist, Ausgabe vom 31. Januar 2026.

4. Falck, E. und A. Nagengast (2026), Generative AI in German firms: Diffusion, costs, and expected economic effects, VoxEU.org.