KI als lange Welle

Kurzfassung

Ich halte künstliche Intelligenz für die Schlüsseltechnik der langen Welle, in der wir uns gerade befinden. Sie wird rasch billiger, lässt sich in fast jeder Tätigkeit einsetzen und löst Investitionen in einer Größenordnung aus, wie man sie aus früheren technischen Revolutionen kennt.

Ob man das als sechste Welle zählt oder, wie die Ökonomin Carlota Perez, als späten Abschnitt der Informationstechnik, halte ich für zweitrangig. Wichtiger ist die Phase: Wir stecken in einem Investitionsrausch, auf den nach allen früheren Wellen eine Korrektur folgte, bevor der Nutzen in der Breite ankam.

Dieser Nutzen hängt weniger an besseren Modellen als daran, ob Organisationen ihre Arbeit neu ordnen und ob Menschen lernen, mit der Technik zu urteilen statt ihr nur zu folgen. Das ist eine Deutung, keine Prognose. Die stärksten Gegenargumente stehen weiter unten; die sachliche Grundlage steht im Artikel zu den Kondratieff-Zyklen.

Warum KI das Zeug zur Schlüsseltechnik hat

Perez beschreibt jede technische Revolution als Bündel verwandter Techniken, angetrieben von einem billigen, scheinbar unbegrenzt verfügbaren und überall einsetzbaren Grundstoff: Baumwolle und Wasserkraft, Kohle, billiger Stahl, Öl, schließlich der Mikrochip. Ich sehe drei Gründe, warum KI diese Rolle gerade übernimmt.

Der Preis fällt schneller als bei früheren Grundstoffen. Guido Appenzeller vom Investor Andreessen Horowitz hat 2024 ausgewertet, was ein Sprachmodell gleicher Leistung kostet. Der Preis fiel ungefähr um den Faktor zehn pro Jahr; für eine bestimmte Leistungsstufe von 60 Dollar auf 6 Cent je Million Tokens in drei Jahren. Selbst wenn sich das verlangsamt, wird Denkarbeit in einem Tempo billig, das ich bei keiner früheren Schlüsseltechnik kenne.

Sie ist fast überall einsetzbar. Tyna Eloundou und Kollegen von OpenAI und der University of Pennsylvania schätzten 2023, dass Sprachmodelle bei rund 80 % der Beschäftigten in den USA mindestens ein Zehntel der Aufgaben verändern könnten, bei rund 19 % mindestens die Hälfte. Das ist eine Schätzung der Möglichkeiten, keine Messung. Aber sie zeigt, dass KI nicht eine Branche betrifft, sondern Wissensarbeit insgesamt, wie früher Elektrizität nicht nur die Elektroindustrie betraf.

Sie löst den Bau einer neuen Infrastruktur aus. Jede Welle hatte ihr Netz: Kanäle, Eisenbahnen, Stromleitungen, Straßen, Glasfaser. Heute sind es Rechenzentren, Chipfabriken und die Stromversorgung dafür. Microsoft, Alphabet, Amazon und Meta wollen 2026 nach einer Auswertung von Statista (Stand Juli 2026) zusammen rund 760 Milliarden Dollar investieren, nach 413 Milliarden im Jahr davor.

Dazu kommt ein Befund, der mir wichtiger erscheint als die Durchschnittswerte. Erik Brynjolfsson, Danielle Li und Lindsey Raymond untersuchten 5.179 Servicekräfte, die einen KI-Assistenten bekamen. Im Schnitt lösten sie 14 % mehr Anfragen pro Stunde, unerfahrene Kräfte sogar 34 %, erfahrene kaum mehr. KI verändert also nicht nur, wie schnell gearbeitet wird, sondern wer eine Aufgabe übernehmen kann. Solche Verschiebungen in Arbeit und Qualifikation gehörten zu jeder früheren Welle.

Wo wir nach Perez stehen

Perez teilt jede Welle in vier Phasen; ich verwende ihre englischen Begriffe, weil die deutschen Übersetzungen schief klingen. In der ersten Hälfte, der Installation Period, tritt die neue Technik auf den Plan (Irruption). Finanzkapital strömt hinein, bis es in Spekulation und überzogene Erwartungen mündet (Frenzy). Darauf folgt ein Wendepunkt (Turning Point), meist eine Finanzkrise und eine Neuordnung der Regeln. In der zweiten Hälfte, der Deployment Period, durchdringt die Technik die ganze Wirtschaft (Synergy), bis ihre Möglichkeiten ausgeschöpft sind (Maturity). Gewinne entstehen dann aus Kunden statt aus Spekulation.

Jede Hälfte dauert nach Perez zwei bis drei Jahrzehnte.

Ich verorte KI in der Frenzy. Die Investitionen der großen Anbieter haben sich innerhalb eines Jahres fast verdoppelt, während der messbare Nutzen in der Breite noch klein ist. Frühere Wellen hatten ihre eigenen Spekulationsphasen, etwa die britische Eisenbahnmanie der 1840er-Jahre oder die Dotcom-Blase um 2000. Perez betont, dass auch eine Blase Infrastruktur hinterlässt, die später allen nützt.

Wer KI mit Perez als Kapitel der Informationstechnik liest, kommt zu einem ähnlichen Bild. Nach ihrer Einschätzung hat die Informationstechnik die Korrektur, die eine breite Entfaltung einleitet, noch nicht hinter sich. Der Wendepunkt läge dann ebenfalls vor uns, nur in einer älteren Welle.

Wann der Wendepunkt kommt und wie tief er ausfällt, kann niemand sagen. Ich halte ihn nach dem Muster aller bisherigen Wellen für wahrscheinlich, nicht für sicher.

Was gegen die These spricht

Ich sehe fünf ernsthafte Einwände. Einige teile ich zum Teil.

Die bekannteste Vertreterin des Modells widerspricht. Carlota Perez schrieb 2024, KI sei besser als Schlüsselentwicklung innerhalb der noch nicht abgeschlossenen Informationstechnik zu verstehen, nicht als eigene Revolution. Sie unterscheidet revolutionäre Techniken von technischen Revolutionen. Mein Gegenargument ist schwach, aber ehrlich: Wo die Grenze zwischen zwei Wellen liegt, weiß man meist erst im Rückblick, und für die Folgen ist die Phase wichtiger als die Zählung.

Der gesamtwirtschaftliche Nutzen ist bisher klein. Der Wirtschaftswissenschaftler Daron Acemoglu vom MIT schätzte 2024, dass KI die Produktivität der Gesamtwirtschaft in zehn Jahren um höchstens etwa 0,7 % steigert. Einzelstudien zeigen große Effekte in einzelnen Tätigkeiten, aber eine lange Welle müsste sich irgendwann in den Gesamtzahlen zeigen. Erik Brynjolfsson, Daniel Rock und Chad Syverson halten dagegen, dass neue Allzwecktechniken in den Statistiken erst unsichtbar bleiben, weil Unternehmen zunächst in Umbau und Ausbildung investieren, die nirgends als Ertrag erscheinen.

Die Wellen selbst sind nicht bewiesen. Wenn es keinen regelmäßigen Takt gibt, ist „KI ist die neue Welle“ nur eine andere Formulierung für „KI ist wichtig“. Ich nutze das Modell deshalb als Vergleichsrahmen, nicht als Uhr.

Es gibt andere Kandidaten. Leo Nefiodow sah schon 1996 Gesundheit als Schlüsselbranche der nächsten Welle, andere nennen die Energiewende. Beide sind plausibel, und beide könnten mit KI zusammenwachsen, etwa in der Medizin oder in der Steuerung von Stromnetzen.

Es ist zu früh. Bei früheren Wellen war die Schlüsseltechnik erst nach Jahrzehnten eindeutig. Wer heute die Welle ausruft, kann sich irren, im Zeitpunkt wie in der Sache.

Was trotz dieser Einwände bleibt: Unabhängig von Zählung und Takt zeigen frühere Umbrüche ein Muster, aus dem sich für Organisationen etwas lernen lässt.

Was daraus folgt: Der Engpass ist die Organisation

Der Nutzen einer neuen Schlüsseltechnik kam in früheren Wellen nicht mit der Technik, sondern Jahrzehnte später mit neuen Arten, Arbeit zu organisieren. Der Wirtschaftshistoriker Paul David von der Stanford University hat das 1990 an der Elektrizität gezeigt.

Ich sehe bei KI dasselbe Muster. Viele Organisationen setzen sie auf bestehende Abläufe: ein Assistent im alten Prozess, ein Chatbot vor der alten Hotline. Das bringt Einzelgewinne, aber nicht den Umbau, den eine lange Welle ausmacht. Daraus ziehe ich drei Schlüsse.

1. Abläufe neu entwickeln statt KI aufsetzen. Die eigentliche Frage ist nicht, welche Aufgabe ein Modell übernimmt, sondern wie Arbeit aussieht, wenn Entwürfe, Analysen und Code fast nichts mehr kosten. Das ist eine Frage der Organisationsentwicklung, nicht der IT.
2. Urteilskraft wird knapp, nicht Rechenleistung. Wenn Maschinen Vorschläge liefern, hängt die Qualität daran, ob Menschen sie prüfen. Die Forschung zur Automatisierung zeigt seit Jahrzehnten, dass Menschen Vorschlägen von Systemen zu leicht folgen (Automation Bias) und an Fähigkeit verlieren, wenn sie nur noch überwachen (Ironien der Automatisierung). Ein Mensch im Ablauf (Human in the Loop) ist noch keine Kontrolle.
3. Mit dem Wendepunkt rechnen. Wer jetzt investiert, sollte eine Phase einplanen, in der Erwartungen sinken, Budgets gekürzt werden und Anbieter vom Markt verschwinden. Ich rechne außerdem damit, dass die Nutzung von Cloud-Modellen über Programmierschnittstellen teurer wird, sobald die Anbieter ihre Investitionen zurückverdienen müssen, statt Marktanteile zu gewinnen. Das widerspricht dem Preisverfall oben nur scheinbar: Gemessen wird dort der Preis für gleiche Leistung, bezahlt wird aber meist für die jeweils besten Modelle, und ich halte es für wahrscheinlich, dass heutige Preise zum Teil durch Investorengeld gestützt sind. Dienste, die auf solchen Schnittstellen aufbauen, sollten ihre Wirtschaftlichkeit deshalb auch mit deutlich höheren Preisen durchrechnen. Was nach der Korrektur bleibt, sind die Abläufe und Fähigkeiten, die eine Organisation in der Zwischenzeit aufgebaut hat.

Wenn die These stimmt, entscheidet sich der Ertrag dieser Welle weniger in den Laboren der Modellanbieter als in Teams, die herausfinden, wie Menschen und Maschinen gemeinsam besser entscheiden. Widerlegt wäre sie, wenn KI bis Mitte der 2030er-Jahre in den Produktivitätsstatistiken keine Spur hinterlässt, die über einzelne Tätigkeiten und Branchen hinausgeht. Dann wäre KI eine wichtige Technik, aber keine lange Welle. Falsch wäre mein Bild der Phase, wenn die Investitionen ohne Korrektur in einen breiten Aufschwung übergehen.

Quellen

• Perez, C. (2002): Technological Revolutions and Financial Capital. Edward Elgar. Überblick: Wikipedia; Interview: strategy+business.
• Perez, C. (2024): AI Is Part of a Larger Technological Revolution. Project Syndicate. Einordnung: Wladawsky-Berger (2025): What Is AI’s Place in History?
• Appenzeller, G. (2024): Welcome to LLMflation – LLM Inference Cost Is Going Down Fast. Andreessen Horowitz.
• Eloundou, T., Manning, S., Mishkin, P. & Rock, D. (2023): GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models. arXiv.
• Brynjolfsson, E., Li, D. & Raymond, L. (2023): Generative AI at Work. NBER Working Paper 31161.
• Statista (31.07.2026): Big Tech’s AI Spending to Reach $760 Billion in 2026.
• Acemoglu, D. (2024): The Simple Macroeconomics of AI. NBER Working Paper 32487.
• Brynjolfsson, E., Rock, D. & Syverson, C. (2021): The Productivity J-Curve: How Intangibles Complement General Purpose Technologies. American Economic Journal: Macroeconomics 13(1), 333–72.
• David, P. A. (1990): The Dynamo and the Computer. American Economic Review 80(2), 355–361. Zusammenfassung: Tim Harford, Slate (2007).
• Nefiodow, L. A. (1996): Der sechste Kondratieff. Rhein-Sieg-Verlag.