Künstliche Intelligenz könnte Volkswirtschaften beim Umgang mit alternden Belegschaften helfen. Die Branchen mit besonders großem demografischem Druck sind allerdings nicht unbedingt diejenigen, die sich am leichtesten automatisieren lassen. Dies ist die zentrale Aussage eines am 24. September veröffentlichten BIZ-Bulletins. Es zeichnet ein differenzierteres Bild der Produktivitätserwartungen hinter dem gegenwärtigen KI-Investitionsboom.
Die Studie von Iñaki Aldasoro, Sebastian Doerr und Daniel Rees vergleicht Alterung und Automatisierungsmöglichkeiten in mehr als 130 Volkswirtschaften. Sektoren mit jüngeren Beschäftigten, etwa die Finanzwirtschaft, können leichter automatisierbar sein als beschäftigungsstarke Bereiche mit älteren Belegschaften, darunter Landwirtschaft und Gesundheit. Bessere Software ersetzt deshalb nicht zwangsläufig genau die Arbeitskräfte, die einer Wirtschaft fehlen.
Eine Volkswirtschaft ist kein einheitlicher Arbeitsplatz
Die Zahl verfügbarer Beschäftigter kann sinken, während die Nachfrage nach bestimmten Leistungen steigt. Eine ältere Bevölkerung benötigt beispielsweise mehr Betreuung, obwohl weniger Personal dafür bereitsteht. Software zur schnelleren Dokumentenverarbeitung übernimmt nicht automatisch die körperlichen und zwischenmenschlichen Aufgaben dieser Versorgung. Technischer Fortschritt und Personalbedarf müssen auf der Ebene konkreter Tätigkeiten zusammenpassen.
Deshalb zählt die Verteilung von Produktivitätsgewinnen. Eine starke Verbesserung in einer Branche kann der Wirtschaft helfen, ohne einen Engpass in einer anderen zu beseitigen. Arbeitskräfte, Ausrüstung und Qualifikationen lassen sich nicht beliebig schnell dorthin verlagern, wo die Nachfrage am größten ist. Die Anpassungsgeschwindigkeit bestimmt mit, wie viel technischer Fortschritt tatsächlich nutzbare Kapazität schafft.
Für Anleger bedeutet das, die automatisierte Aufgabe genau anzusehen. Ein Anbieter, der Verwaltungszeit spart, bedient einen anderen Markt als ein Unternehmen, das körperliche Arbeit ersetzen möchte. Beide Ansätze können wertvoll sein. Ihre Kosten, Einführungshürden und Kundenanforderungen unterscheiden sich jedoch erheblich.
Automatisierbarkeit ist noch keine Umsetzung
Ein Beruf kann Aufgaben enthalten, die Software übernehmen könnte, ohne dass ein Unternehmen bereits bereit ist, seine Organisation entsprechend anzupassen. Die Einführung erfordert Systeme, Schulungen und Verfahren zur Qualitätsbewertung. In sensiblen Tätigkeiten können Fehler Kosten verursachen, die einen Teil der gewonnenen Zeit wieder aufzehren.
Das gilt auch für Finanzdienstleistungen. Ein Modell kann Mitarbeitern bei der Auswertung helfen. Ein reguliertes Institut braucht trotzdem verantwortbare Entscheidungen und verlässliche Aufzeichnungen. Die Automatisierung einzelner Schritte beseitigt nicht die Verantwortung für das Ergebnis. Die wirtschaftliche Chance hängt davon ab, ob der vollständige Arbeitsablauf besser wird, nicht nur der erste Entwurf schneller entsteht.
TBJs Untersuchung dazu, weshalb KI-Agenten Zahlungsinfrastruktur benötigen, behandelt einen weiteren Teil dieses Umsetzungsproblems. Ein System, das Transaktionen anstoßen kann, braucht Kontrollen über Berechtigungen und Ausgaben. Technische Fähigkeit wird erst wirtschaftlich nutzbar, wenn sie zu den Regeln und Abläufen des Anwenders passt.
Demografie verändert die Investitionsfrage
Der Ansatz der Studie legt nahe, allgemeine Aussagen über KI als Lösung für Personalmangel genauer zu prüfen. Welche Beschäftigten gehen in den Ruhestand? Bei welchen Leistungen wächst die Nachfrage? Kann die Technologie diese konkreten Aufgaben unterstützen, und ist ihre Einführung zu tragbaren Kosten möglich?
Ein hypothetischer Dienstleister mit zu wenig Fachpersonal könnte etwa seine Terminplanung automatisieren. Dadurch entfällt nicht unbedingt der Bedarf an qualifizierten Menschen. Der Nutzen kann trotzdem erheblich sein, wenn diese mehr Zeit für ihre eigentliche Arbeit gewinnen. Das ist ein realistischeres Ergebnis als die Annahme, eine vollständige Rolle verschwinde unmittelbar.
Auf gesamtwirtschaftlicher Ebene bleiben Ausbildung, Erwerbsbeteiligung und Mobilität deshalb wichtig. Technologie kann die Zusammensetzung der Arbeit verändern, statt fehlende Beschäftigte eins zu eins zu ersetzen. Zugleich entsteht möglicherweise neue Nachfrage nach Einführung, Wartung und Überwachung der Systeme.
Produktivitätsversprechen brauchen einen nachvollziehbaren Vergleich
Eine Vorführung, bei der eine Aufgabe weniger Minuten dauert, ist ein hilfreicher Nachweis. Sie misst aber noch nicht die Produktivität einer ganzen Volkswirtschaft. Zur vollständigen Rechnung gehören Einführungskosten, Qualität, Nacharbeit und der Anteil des Arbeitstags, den die Aufgabe überhaupt ausmacht. Eine spektakuläre Verbesserung eines kleinen Schritts kann im Gesamtbetrieb nur begrenzt wirken.
Das schwächt nicht grundsätzlich den Investitionsfall für KI. Es macht ihn konkreter. Unternehmen, die dauerhafte Verbesserungen an einem teuren Engpass nachweisen, haben ein stärkeres Argument als Anbieter mit allgemeinen demografischen Versprechen. Derselbe Maßstab hilft Kunden beim Vergleich mit herkömmlicher Software oder einer anderen Personalorganisation.
Auch die Zeit bis zum Nutzen gehört in diesen Vergleich. Eine theoretisch leistungsfähige Lösung kann umfangreiche Anpassungen erfordern, bevor sie einen Arbeitsablauf verbessert. Die Bewertung sollte daher nicht nur die mögliche Endleistung, sondern auch den Weg zur produktiven Anwendung berücksichtigen.
Die BIZ-Forschung ergänzt die Debatte um eine wichtige Einschränkung: Alterung und Automatisierbarkeit verlaufen nicht gleichmäßig parallel. Sie liefert einen Analyserahmen, keine Erfolgsgarantie für einzelne Anbieter. Aussagekräftig werden Anwendungen, die den Output gerade dort verbessern, wo der Arbeitskräftedruck tatsächlich zunimmt. An dieser Stelle trifft das technische Versprechen auf die Struktur der realen Wirtschaft.
