Bereits hier, noch nicht überall: Die wirtschaftliche Auswirkung von Künstlicher Intelligenz gestalten Die Zukunft ist bereits hier – sie ist nur noch nicht gleichmäßig verteilt», sagte einst der Science-Fiction-Schriftsteller William Gibson. Dies beschreibt treffend den aktuellen Stand der Künstlichen Intelligenz. Deren Fähigkeiten sind bereits in vielen Anwendungen sichtbar – von der Textgenerierung und Programmierung über Forschung und Prognosen bis hin zum Design von Einladungskarten oder der Erstellung von Songs oder Filmen. Dennoch ist ihre breitere wirtschaftliche Auswirkung aus den aggregierten Statistiken noch wenig ersichtlich. Dies ist nicht ohne historisches Vorbild. Als sich die Elektrizität erstmals in den fortgeschrittenen Volkswirtschaften verbreitete, waren die Produktivitätsgewinne zunächst begrenzt. Unternehmen übernahmen elektrische Motoren, aber sie organisierten ihre Produktion nicht sofort neu. Künstliche Intelligenz könnte sich jedoch erheblich schneller verbreiten als frühere Technologien für den allgemeinen Gebrauch. Dies legt nahe, dass Künstliche Intelligenz eine Transformation ist, die mit hoher Wahrscheinlichkeit massive Auswirkungen auf die globale Wirtschaft haben wird. In meiner Rede heute werde ich untersuchen, was KI für das Wachstum, die Inflation und die finanzielle Stabilität bedeuten könnte. Eine weitere zentrale Frage, der ich nachgehen werde, ist: Wie gestalten wir ihre Auswirkungen? In diesem Zusammenhang möchte ich darauf eingehen, wie gut Europa im globalen KI-Wettlauf positioniert ist. Doch bevor ich das tue, erlauben Sie mir, darzulegen, wie ich KI sehe und wo ich ihre Stärken und Schwächen sehe. Was die KI von heute kann und nicht kann KI ist am besten nicht als einzelnes Produkt zu verstehen, sondern als eine General Purpose-Technologie. Solche Technologien werden in vielen Sektoren weit verbreitet eingesetzt. Sie verbessern sich kontinuierlich im Laufe der Zeit. Und sie interagieren mit anderen Innovationen. Wirtschaftsgeschichte bietet mehrere prominente Beispiele. Die Dampfmaschine verbesserte beispielsweise nicht nur eine Branche; sie transformierte grundlegend Transport, Produktion und Bergbau und wurde zum Eckpfeiler der Industriellen Revolution. Elektrizität folgte einem ähnlichen Verlauf: einmal weit verbreitet, ermöglichte sie völlig neue Produktionsprozesse, formte die Fabrikorganisation um und versorgte letztendlich die Massenproduktionssysteme des 20. Jahrhunderts. Mit einer Verzögerung von etwa 140 Jahren marschiert die Elektrizität nun endlich zum Sieg im individuellen Verkehr. In jüngster Zeit waren auch digitale Rechentechnik und das Internet General Purpose-Technologien, die Innovationen von der industriellen Automatisierung bis zu globalen Finanzsystemen vorantrieben. Künstliche Intelligenz teilt diese charakteristischen Merkmale. Sie ist nicht auf einen Anwendungsfall beschränkt. Sie kann in fast allen Sektoren eingesetzt werden – von Gesundheitswesen und Finanzwesen über Produktion und öffentliche Verwaltung. Vor diesem Hintergrund kann KI als «die Dampfmaschine des Geistes» beschrieben werden. Die Dampfmaschine verstärkte menschliche körperliche Arbeit. KI verstärkt menschliche kognitive Fähigkeiten. Richtig eingesetzt, wird sie die menschliche Intelligenz verbessern – mit möglicherweise weitreichenden Auswirkungen auf Produktivität, Innovation und wirtschaftliches Wachstum. In diesem Zusammenhang werden die Stärken der KI immer deutlicher: Sie kann riesige Textmengen verarbeiten und zusammenfassen, Muster in großen Datensätzen erkennen, Coding und wissenschaftliche Forschung unterstützen, in einigen Situationen Prognosen verbessern und repetitive Wissensaufgaben mit sehr hoher Geschwindigkeit automatisieren. Gleichzeitig sind die Schwächen der KI für die Nutzer ebenso wichtig, da generative KI halluzinieren kann, falsche oder voreingenommene Ausgaben produzieren und Fehler reproduzieren kann, die in den Trainingsdaten versteckt sind. Diese Einschränkungen spiegeln die zugrunde liegende Natur der aktuellen KI-Systeme wider. Große Sprachmodelle basieren auf statistischen Methoden und generieren Antworten probabilistisch. Sie können nicht im menschlichen Sinne argumentieren – vielmehr prognostizieren sie wahrscheinliche Wortfolgen basierend auf Mustern in den Daten, auf denen sie trainiert wurden. Ein weiterer wichtiger Nachteil der KI ist der enorme Stromverbrauch. Die Menge an Energie, die KI verbraucht, kann anhand der von Rechenzentren erzeugten Wärme veranschaulicht werden. Schätzungen zufolge können die Bodentemperaturen in Gebieten rund um KI-Datenzentren um etwa 2°C ansteigen, nachdem der Betrieb begonnen hat. Dies kann lokale Mikroklimata erzeugen, die oft als «Data Heat Island Effect» bezeichnet werden. Diese Temperaturerhöhungen können spürbare Auswirkungen auf nahe gelegene Gemeinden haben. Insgesamt könnten weltweit mehr als 340 Millionen Menschen solchen lokalen Erwärmungseffekten ausgesetzt sein. Insgesamt wird der KI-Boom voraussichtlich in den kommenden Jahren einen dramatischen Anstieg der Stromnachfrage auslösen. Derzeit verbrauchen Rechenzentren etwa 415 Terawattstunden Strom pro Jahr. Das entspricht etwa 1,5 % des globalen Stromverbrauchs im Jahr 2024. Die Internationale Energieagentur prognostiziert, dass der globale Stromverbrauch für Rechenzentren bis 2030 verdoppeln wird und zu diesem Zeitpunkt knapp unter 3 % des Gesamtstromverbrauchs weltweit ausmachen wird. Man könnte versucht sein zu sagen: Als «Dampfmaschine des Geistes» kommt die KI mit einer sehr realen Stromrechnung. KI und die Makroökonomie: Wachstum, Investitionen und aufkommende Risiken Diese Entwicklungen verdeutlichen, dass KI nicht nur eine technologische, sondern auch eine ökonomische Transformation mit weitreichenden Konsequenzen ist. Diese Konsequenzen umfassen eine Umstrukturierung des Arbeitsmarktes, das Entstehen neuer Branchen und Veränderungen in den weltweiten Handelsmustern. Obwohl diese Aspekte natürlich von immenser Bedeutung sind, werde ich sie in meinen Bemerkungen heute nicht behandeln. Stattdessen lautet meine Schlüsselfrage: Was bedeutet künstliche Intelligenz für das Wachstum, die Inflation und die finanzielle Stabilität? Beginnen wir mit dem Wirtschaftswachstum. Produktivitätswachstum ist der Schlüsselkanal, durch den technischer Fortschritt in wirtschaftliches Wachstum übersetzt wird. Allerdings erhöhten vergangene technologische Innovationen typischerweise die Produktivität erst mit erheblicher Verzögerung, weil sie eine weit verbreitete Verbreitung, ergänzende Investitionen und grundlegende organisatorische Veränderungen erforderten, die allesamt Zeit in Anspruch nahmen. Bestehendes Kapital und Praktiken bleiben bestehen, sodass neue Technologien zunächst auf alte Systeme aufgesetzt werden, anstatt sie vollständig zu ersetzen. Im Fall von elektrischer Energie dauerte es beispielsweise mehrere Jahrzehnte, bis ihre volle Auswirkung auf die Produktivität sichtbar wurde. Computer sind ein weiteres gutes Beispiel. Schon hier, noch nicht überall: Gestaltung des wirtschaftlichen Einflusses künstlicher Intelligenz Wir erlebten den von IT angetriebenen Produktivitätsboom Ende der 1990er Jahre, mehr als zwanzig Jahre nachdem die ersten Personal Computer auf den Markt kamen. Im Falle von KI könnten diese Diffusionsverzögerungen jedoch deutlich kürzer sein. Tatsächlich scheint es, dass wir derzeit die schnellste Adoption einer allgemeinen Technologie in der Geschichte beobachten. Innerhalb von weniger als drei Jahren haben weltweit mehr als 1,2 Milliarden Menschen KI-Tools genutzt – das ist eine Adoptionsrate, die das Internet, Smartphones und Personal Computer übertrifft. Darüber hinaus könnte künstliche Intelligenz sich schneller verbreiten als frühere Technologien, nicht nur weil sie auf bestehender digitaler Infrastruktur aufbaut, sondern auch weil sie den Innovationsprozess selbst beschleunigt. Aktuelle Schätzungen der OECD deuten darauf hin, dass KI bei einer schnellen Adoption das aggregierte jährliche Wachstum der Arbeitsproduktivität in den nächsten zehn Jahren in den G7-Wirtschaften um etwa 0,8 bis 1,3 Prozentpunkte steigern könnte. Dies steht im Gegensatz zur jüngsten Erfahrung: In den letzten zwei Jahrzehnten ist das Produktivitätswachstum in fortgeschrittenen Volkswirtschaften deutlich auf zwischen nur 0,8 und 1,8 Prozentpunkte gesunken. Vor diesem Hintergrund würde ein Beitrag von KI von mehr als 0,8 Prozentpunkten eine bedeutende Beschleunigung darstellen. Zum Vergleich: Für die USA trug die Informationstechnologie während des IT-Booms Ende der 1990er Jahre um 0,7 Prozentpunkte zum zusätzlichen Wachstum der Arbeitsproduktivität bei. Diese Schätzungen sind jedoch mit hoher Unsicherheit behaftet, und einige Forscher sind deutlich vorsichtiger. Die Schätzungen hängen von wichtigen Annahmen ab, wie dem Tempo und der Intensität der KI-Adoption durch Unternehmen. Laut eigenen Umfragen der Bundesbank rechnen die meisten deutschen Unternehmen damit, Produktivitätsgewinne durch den Einsatz von generativer KI zu erzielen. Gleichzeitig ist jedoch noch unsicher, wie groß diese Gewinne sein werden. Tatsächlich steigt die Intensität des Einsatzes von generativer KI weiterhin in einem moderaten Tempo, was darauf hindeutet, dass viele Unternehmen weiterhin mit der Technologie experimentieren. Langfristig könnten KI-bezogene Produktivitätsgewinne dazu beitragen, Verluste durch den demografischen Rückgang in der erwerbstätigen Bevölkerung auszugleichen oder zumindest abzumildern. Angesichts potenzieller Produktivitätssteigerungen könnte KI auch signifikant die aggregierte Produktion, den Konsum und die Investitionen erhöhen. Und ich habe keinen Zweifel daran, dass der Einfluss von KI weiter zunehmen wird. In den USA trägt die KI-Investition bereits spürbar zum BIP-Wachstum bei. Insbesondere hat die KI-Investition mit rund 1 Prozentpunkt im Jahr 2025 kürzlich den Beitrag übertroffen, den IT-Komponenten zum realen BIP-Wachstum während des Dotcom-Booms geleistet haben. In Deutschland zeigen Daten aus Bundesbankumfragen, dass die Ausgaben der Unternehmen für generative KI bereits mit den Ausgaben für traditionelle digitale Investitionen vergleichbar sind. Der Großteil dieser Ausgaben erfolgt jedoch in Form von laufenden Kosten, wie Abonnements oder festem IT-Personal. Die potenziellen Auswirkungen von KI auf die Inflation sind noch unsicher. Einerseits führt eine höhere Produktivität durch die KI-Adoption zu einer Ausweitung des aggregierten Angebots, was die Kosten der Unternehmen und möglicherweise den durch demografische Faktoren verursachten Fachkräftemangel reduziert. All dies würde dazu neigen, die Inflationsdrucke zumindest vorübergehend zu dämpfen. Andererseits könnte die KI-Adoption im Laufe der Zeit zu einem Anstieg des Einkommens, des Bedarfs an zusätzlichen Investitionen und Zwischenprodukten sowie – fast sicher – zu einem erhöhten Bedarf an Elektrizität führen. Diese zusätzliche aggregierte Nachfrage würde die Inflationsdrucke erhöhen. Und selbst kurzfristig könnte sich kein disinflationärer Effekt zeigen, wenn die Nachfrage in Erwartung zukünftiger Produktivitätssteigerungen steigt. In diesem Szenario könnte der KI-Effekt zunächst inflationsfördernd werden. Eine spezielle Entwicklung ist, dass der Einsatz von Algorithmen die Festsetzung von Preisen über wettbewerbsfähigen Niveaus erleichtern könnte. Es gibt Hinweise darauf, dass KI-Algorithmen in der Lage sind, konsequent zu lernen, überhöhte Preise zu verlangen, ohne miteinander zu kommunizieren. Aus Sicht der Zentralbank erfordert diese Unsicherheit besondere Wachsamkeit. Gleichzeitig erfordern Entwicklungen in der künstlichen Intelligenz auch aus finanzieller Stabilitätsperspektive besondere Aufmerksamkeit. Insbesondere könnte KI zu einer Anhäufung von Finanzstabilitätsrisiken aufgrund von KI-Lieferantenkonzentration, Herdenverhalten, zunehmender Marktkorrelation und Cyber- und operationellen Risiken führen, da ähnliche Modelle in kritischen Prozessen verwendet werden. Betrachten Sie beispielsweise die Kreditvergabe von Banken an Haushalte und Unternehmen. Immer häufiger können Kreditentscheidungen durch KI-basierte Modelle unterstützt oder sogar gesteuert werden. Wenn viele Banken auf die gleichen KI-Anbieter angewiesen sind oder ähnliche zugrunde liegende Modelle verwenden, könnten ihre Kreditrisikobewertungen stärker aufeinander abgestimmt werden. Dadurch könnte die Kreditvergabe der Banken gleichzeitig über Institutionen hinweg in Reaktion auf eine sich verschlechternde Konjunkturaussicht und stärker als normalerweise beobachtbar eingeschränkt werden. Dies könnte prozyklische Dynamiken verstärken, die Kreditverfügbarkeit homogener empfindlicher für den Konjunkturzyklus machen und potenziell die Finanzstabilitätsrisiken erhöhen. Darüber hinaus könnte eine starke Abhängigkeit von einer begrenzten Anzahl von KI-Anbietern operationelle und Datenschutzrisiken mit sich bringen. Störungen bei einem großen Anbieter oder Schwachstellen in weit verbreiteten Systemen könnten weitreichende Auswirkungen auf den Finanzsektor haben. Schließlich eröffnet der Einsatz von KI im Finanzsektor neue und anspruchsvolle Cyberrisiken, da autonome KI-Agenten schädliches Verhalten zeigen könnten. Schon hier, noch nicht überall: Gestaltung des wirtschaftlichen Einflusses künstlicher Intelligenz Die frühzeitige Identifizierung und Bekämpfung solcher Risiken sind entscheidend für die finanzielle Stabilität, wie dies auch in der aktuellen Diskussion um den Mythos von Anthropic deutlich wird. Mythos ist ein KI-Modell, das anscheinend 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 dazu verwendet werden könnte, digitale Sicherheitssysteme zu verbessern, sondern auch deren Schwachstellen für böswillige Zwecke auszunutzen. Wir müssen den Missbrauch dieser Technologie verhindern. Gleichzeitig sollten alle relevanten Institutionen Zugang zu dieser Technologie haben, um Wettbewerbsverzerrungen zu vermeiden. Europa im globalen KI-Wettbewerb Zusammenfassend weisen diese Risiken auf ein breiteres strukturelles Problem hin: Die Entwicklung und Implementierung von KI ist zunehmend konzentriert und global vernetzt. Dies macht es umso wichtiger zu berücksichtigen, wo sich verschiedene Regionen in diesem sich entwickelnden Landschaft befinden. Dies bringt mich zur Position Europas im globalen KI-Wettbewerb. Europa tritt in das KI-Zeitalter mit wichtigen Stärken ein, aber aus einer schwächeren Position als die Vereinigten Staaten und in mehreren Dimensionen China. Die Vereinigten Staaten bleiben der klare Marktführer in Bezug auf die Entwicklung von Spitzenmodellen und private Investitionen: In den USA wurden 2024 40 bedeutende KI-Modelle produziert, verglichen mit 15 in China und nur 3 in Europa, während die private KI-Investition in den USA 109,1 Milliarden US-Dollar erreichte, verglichen mit 9,3 Milliarden US-Dollar in China und 19,4 Milliarden US-Dollar in Europa. Gleichzeitig wird die vergleichsweise geringe private KI-Investition in China durch die staatliche Investition in KI von geschätzten 62 Milliarden US-Dollar überkompensiert. Die staatliche KI-Investition in den Vereinigten Staaten und der Europäischen Union ist im Vergleich dazu um eine Größenordnung niedriger: etwa 3,3 Milliarden US-Dollar in den Vereinigten Staaten und etwa 1,2 Milliarden US-Dollar in der Europäischen Union. Die Europäische Union rangiert also klar auf dem dritten Platz in Bezug auf KI-Investitionen. Die relative Schwäche Europas ist insbesondere in den Bereichen Finanzierung von Wachstumsunternehmen, Recheninfrastruktur und Entwicklung von Spitzenmodellen sichtbar. Diese Bereiche werden von amerikanischen Unternehmen dominiert. Gleichzeitig profitieren chinesische Akteure zusätzlich zur umfangreichen staatlichen Unterstützung von einem riesigen Binnenmarkt. Dennoch verfügt Europa über ein enormes Forschungspotenzial, das in unternehmerische Aktivitäten einfließen kann. Wir haben bereits eine Liste wichtiger und bedeutender privater Anbieter von KI-Diensten in Europa, wie beispielsweise Mistral AI, Black Forest Labs oder Aleph Alpha. Und Europa verfügt über eine Vielzahl von Hidden Champions – kleine Unternehmen, die weltweit führend in ihren spezifischen Märkten sind. Wie ich bereits in einer früheren Rede gesagt habe: Wenn es um den Einsatz von KI in industriellen Prozessen geht, sehe ich den Wettbewerb immer noch als offen an. Dies erfordert hochspezialisierte KI-Modelle. Die Industrie in Europa, insbesondere in Deutschland, stützt sich auf eine Vielzahl von Daten zur Schulung solcher Modelle. Dadurch können maßgeschneiderte KI-Lösungen in vielen Bereichen entwickelt werden: für Produktion, Logistik, Wartung usw. Ich betrachte es daher als sehr positives Zeichen, dass auch die Nutzung von KI-Technologien durch europäische Unternehmen zunimmt. Eine Zusammenarbeit zwischen Zentralbanken, darunter die Bundesbank und die Banca d’Italia, hat sich in dieser Hinsicht als sehr nützlich erwiesen. Im Jahr 2024 und 2025 wurden Unternehmen in Italien und Deutschland mit einem harmonisierten Fragenkatalog zur Nutzung von generativer KI befragt. Die Ergebnisse zeigen, dass die Übernahme von KI in beiden Ländern deutlich zugenommen hat. Wir Zentralbanken sind nicht nur Beobachter dieser Transformation – wir gestalten sie auch aktiv in unseren eigenen Institutionen. Bei der Bundesbank haben wir kürzlich eine umfassende Strategie für künstliche Intelligenz genehmigt, einschließlich konkreter Maßnahmen zu ihrer Umsetzung. Heute nutzen zwei von drei Kollegen der Bundesbank regelmäßig KI in ihrer täglichen Arbeit – in einer dedizierten, sicheren und geschützten Umgebung. Das Hauptziel unserer Strategie ist es, künstliche Intelligenz systematisch in das Toolkit der Bundesbank zu integrieren, wo sie uns bei der Erfüllung unserer Aufgaben helfen kann. Dennoch werden individuelle Anstrengungen – ob von Unternehmen oder öffentlichen Institutionen – allein nicht ausreichen. Um das volle Potenzial von KI zu erschließen, bedarf es auch Fortschritte auf europäischer Ebene. Ich bin überzeugt, dass Europa in Bezug auf Finanzierung, Skalierung, Infrastruktur, Fähigkeiten, Energie und Markintegration schneller vorankommen kann. Die Europäische Union hat bereits einige Initiativen in diese Richtung gestartet. Insbesondere trat am 1. August 2024 der KI-Act in Kraft. Darüber hinaus startete die EU im Februar 2025 die Initiative InvestAI mit dem Ziel, 200 Milliarden Euro für KI-Investitionen zu mobilisieren, einschließlich eines neuen 20-Milliarden-Euro-Fonds für KI-Gigafabriken. Wie ich bereits erwähnt habe, ist künstliche Intelligenz nicht nur der «Dampfmaschine des Geistes» – sie bringt auch eine sehr reale Stromrechnung mit sich. Dies bringt uns zurück zu einem entscheidenden Faktor: der Verfügbarkeit von zuverlässiger und erschwinglicher Energie. Die Gewährleistung ausreichender Energie für den Betrieb von KI-Infrastrukturen könnte sich als ebenso wichtig erweisen wie die Mobilisierung von Kapital. Um fair zu sein, das Problem beschränkt sich nicht nur auf Europa. Bereits hier, noch nicht überall: Gestaltung des wirtschaftlichen Einflusses von Künstlicher Intelligenz Zum Beispiel wurden Berichten zufolge rund die Hälfte der geplanten Rechenzentrumprojekte in den Vereinigten Staaten verzögert oder abgesagt. Einschränkungen in der Strominfrastruktur spielen eine entscheidende Rolle bei diesen Verzögerungen. In Europa wurden ebenfalls neue Rechenzentrumprojekte aufgrund unzureichender Netzkapazitäten verzögert oder verschoben. Zum Beispiel kann es in Dublin und Frankfurt drei bis fünf Jahre dauern, um Strom für neue Rechenzentren bereitzustellen. In extremen Fällen besteht das Risiko, dass Investitionen nicht vollständig umgesetzt werden oder sogar stecken bleiben. Als Reaktion auf diese Herausforderungen hat die Europäische Union begonnen, einen umfassenderen politischen Rahmen zu entwickeln, um sicherzustellen, dass die Erweiterung der KI-Infrastruktur mit ihren Energie- und Klimazielen kompatibel bleibt. Ein Schlüsselelement ist das bevorstehende Data Centre Energy Efficiency Package, das für 2026 erwartet wird. Diese Initiative zielt darauf ab, die Transparenz über den Energieverbrauch zu verbessern und ein EU-weites Bewertungsschema für Rechenzentren einzuführen. Diese Entwicklungen verdeutlichen letztendlich, dass der erfolgreiche Einsatz von künstlicher Intelligenz nicht nur von Innovation und Investitionen abhängt. Es kommt auch auf die richtigen institutionellen Rahmenbedingungen und eine effektive praktische Umsetzung an. Bereits Hier, Noch Nicht Überall: Gestaltung des wirtschaftlichen Einflusses künstlicher Intelligenz Bereits hier, noch nicht überall: Gestaltung des wirtschaftlichen Einflusses künstlicher Intelligenz.