Das „Null-Ertrag“-Problem der KI liegt nicht an den Modellen, sondern an Arbeitsweise und Messung

Wenn KI tatsächlich nicht liefern würde: Würden dann Banken zweistellige Zuwächse melden, während ein Apollo-Ökonom gar nichts sieht? Beides kursiert derzeit, und der Widerspruch sagt mehr über die Arbeitsweise von Unternehmen aus als über die Qualität der Modelle.

Auslöser ist Torsten Slok, Chefökonom von Apollo, dessen Warnung vor „null finanziellem Ertrag“ die Runde macht. Wie Seeking Alpha zusammenfasst, hat KI weder die Produktivität noch die Gewinnmargen der meisten Unternehmen außerhalb des Technologiesektors verbessert. PCMag weist darauf hin, dass der Umsatz pro Mitarbeiter bei den „Magnificent 7“ in vier Jahren um rund 30 % gestiegen ist. Stellt man das dem Rest der Wirtschaft gegenüber, wo er keinen solchen Ertrag sieht, ist genau diese Lücke die Geschichte.

Das Werkzeug wurde gekauft, die Arbeit nicht verändert

Unsere Lesart, und sie ist eine Interpretation und nicht Sloks erklärte Diagnose: Ein Unternehmen, das eine Chatbot-Lizenz kauft und den Arbeitsablauf unangetastet lässt, hat eine schnellere Schreibmaschine gekauft. Die Einsparungen betragen ein paar Minuten pro Mitarbeiter, lösen sich im Arbeitstag auf und erreichen nie eine Marge. Big Tech erzielt Erträge, weil die Arbeit dort ohnehin Software ist, bereits erfasst wird und sich leicht um neue Werkzeuge herum neu aufbauen lässt. Ein mittelgroßer Versicherer oder Händler muss zuerst Freigaben, Übergaben und Zuständigkeiten neu gestalten.

In der Dokumentation finden sich dafür gewisse Belege, wenn auch aus einer von einem Anbieter beauftragten Studie. Protegrity zitierte Forschung der Enterprise Management Associates, und SiliconANGLE berichtet, dass 83 % der Führungskräfte Projektverzögerungen erlebten und 82 % Agenten nur in abgespeckter Form in Produktion brachten, ohne die Werkzeuge und Daten, die sie nützlich machen würden. Diego Loureda von Protegrity selbst brachte das Governance-Problem gut auf den Punkt: Unternehmen genehmigen Projekte, aber „sie müssen Muster genehmigen“. Die Zahlen sind mit der Vorsicht zu genießen, die jede sponsornahe Umfrage verdient. Dennoch ist das Bild vertraut: Der Agent ist nicht dumm, er wurde von einem Prozess aus einer langsameren Zeit gefesselt.

Einen Ertrag, den man nie messen wollte, sieht man nicht

Die zweite Hälfte des Problems ist die Buchhaltung. Apollos eigene Forschungsseite räumt ein, dass akademische Studien zu den Produktivitätseffekten von KI nicht eindeutig sind, argumentiert aber zugleich, wir stünden noch am Anfang eines Booms der Arbeitsproduktivität mit klaren Effekten in bestimmten Branchen. Das klingt widersprüchlich, bis man auf die Analyseebene achtet. Aggregierte Gewinnmargen sind ein grobes Instrument. Gewinne bei der Durchlaufzeit eines einzelnen Teams können verschwinden, bevor sie die Gewinn- und Verlustrechnung erreichen, zumal wenn niemand vorab entschieden hat, ob die gewonnenen Stunden zu niedrigeren Kosten, mehr Volumen oder neuen Produkten werden.

Deshalb kann eine Schlagzeile wie „Banken melden 10 bis 50 % Zuwachs bei Produktivität, Durchlaufzeit und Kosten“ neben „null Ertrag“ bestehen. Von Economic Times liegt uns nur die Schlagzeile vor, nicht die Methodik, daher stützen wir uns nicht darauf. Doch ein Gewinn an Zykluszeit innerhalb einer Funktion ist messbar. Ein Gewinn beim Gesamtergebnis des Unternehmens setzt voraus, dass ihn jemand einbucht. Die meisten Firmen haben diese Fähigkeit nicht aufgebaut.

Sogar die Anbieter sichern sich ab. Adobe, das für KI-zentrierte annualisierte wiederkehrende Umsätze ein Wachstum von mehr als 150 % gegenüber dem Vorjahr meldet, warnt in seiner Einreichung zugleich, dass Kunden die KI-Angebote womöglich nicht wie erwartet einführen oder bezahlen. Wenn der Verkäufer die Akzeptanz als Risiko aufführt, ist die ROI-Frage des Käufers keine Paranoia.

Warum die „Blasen“-Lesart zu simpel ist

Es ist verlockend, Sloks Warnung als Beleg zu nehmen, dass die Modelle überschätzt werden. Wir halten das für die schwächere Schlussfolgerung. Nichts von dem, was wir gesichtet haben, zeigt, dass die Modelle bei Aufgaben versagen; es zeigt, dass Organisationen daran scheitern, sie aufzunehmen. Diese Unterscheidung zählt auch für Anleger. Ein Live-Trading-Newsletter beziffert die Investitionspläne von Amazon, Alphabet, Microsoft und Meta für 2026 auf rund 720 bis 740 Milliarden US-Dollar, eine Zahl, die wir als eigene Rechnung dieses Mediums behandeln. Liegt der Engpass bei Prozessen statt bei der Leistungsfähigkeit, schließt mehr Kapazität die Ertragslücke nicht von selbst. Apples CEO John Ternus sagte, er wolle KI nicht „um der KI willen“ ausliefern, und dieser Satz taugt eher als Führungsprinzip denn als Produktslogan.

Was daraus folgt

Wer ein Team leitet, sollte nicht fragen, ob das Modell gut genug ist. Die Fragen lauten: Welchen Arbeitsablauf würde man neu gestalten, wenn das Werkzeug kostenlos wäre? Wem gehören die eingesparten Stunden? Und welche Zahl in welchem Bericht soll sich bewegen? Einen Prozess auswählen, neu aufbauen und davor und danach messen. Wer als Anleger die Schlagzeile vom „Null-Ertrag“ liest, sollte sie als Warnung zu Messung und Akzeptanz verstehen, nicht als Urteil über die Technologie.

Unser Fazit: Das ROI-Problem ist real, aber es ist überwiegend hausgemacht. Unternehmen, die KI als Einkauf behandeln, werden weiter Null sehen. Wer sie als Anlass nimmt, den Arbeitsfluss neu zu schreiben und das Ergebnis ehrlich zu zählen, wird Sloks Diagramm alt aussehen lassen.