Künstliche Intelligenz ist längst mehr als ein Technologiethema. Sie verändert Investitionsströme, Produktivität, Arbeitsmärkte, Welthandel und Finanzmärkte – und damit genau jene Größen, die für Zentralbanken von besonderer Bedeutung sind. In seiner Rede beim Global Fintech Fest in Mumbai beschreibt Pablo Hernández de Cos, General Manager der Bank für Internationalen Zahlungsausgleich (BIZ) und ehemaliger Gouverneur der spanischen Zentralbank, die Entwicklung deshalb als makroökonomische Herausforderung. Hernández de Cos steht seit Juli 2025 an der Spitze der BIZ und war zuvor unter anderem Mitglied des EZB-Rats sowie Vorsitzender des Basler Ausschusses für Bankenaufsicht. Im Mittelpunkt stehen drei Fragen: Wie verändert KI die Weltwirtschaft? Warum fallen ihre Wirkungen je nach Land und Wirtschaftsstruktur unterschiedlich aus? Und was bedeutet das für Geldpolitik und Finanzstabilität?
Ein Investitionsboom von makroökonomischer Größenordnung
Die sichtbarste Wirkung der KI findet derzeit auf der Nachfrageseite statt. Rechenzentren, spezialisierte Halbleiter, Cloud-Infrastruktur und leistungsfähige Hardware erfordern enorme Investitionen. Nach den von Hernández de Cos zitierten BIZ-Daten wollen allein die fünf größten Big-Tech-Unternehmen in den Jahren 2025 und 2026 zusammen mehr als eine Billion US-Dollar in KI-bezogene Investitionen stecken. Branchenvertreter erwarten, dass die weltweiten KI-Investitionen von derzeit rund 500 Milliarden US-Dollar bis 2030 auf drei bis vier Billionen US-Dollar steigen könnten.
Damit erreicht KI eine Größenordnung, die volkswirtschaftlich nicht mehr ignoriert werden kann. Unternehmensbewertungen, Investitionsausgaben und Umsätze großer KI-Unternehmen beeinflussen inzwischen ganze Volkswirtschaften. Zugleich verändert sich die Finanzierung dieses Booms. Investitionen werden zunehmend nicht allein aus laufenden Gewinnen finanziert, sondern über Fremdkapital – einschließlich Private Credit. Genau darin erkennt die BIZ später auch ein mögliches Risiko für die Finanzstabilität.
Die Dynamik reicht über die Finanzmärkte hinaus. Auch der Welthandel verändert sich. Preise für KI-relevante Güter sind deutlich gestiegen, während die Exportpreise vieler anderer Güter stagnierten oder sanken. Ob eine Volkswirtschaft davon profitiert, hängt deshalb zunehmend davon ab, an welcher Stelle der globalen KI-Wertschöpfungskette sie positioniert ist. Länder wie Taiwan, Korea, Malaysia oder Singapur profitieren als vorgelagerte Exporteure. Doch selbst dort konzentrieren sich die Gewinne teilweise auf wenige Unternehmen. In Korea entfielen nach den im Vortrag genannten Zahlen im ersten Quartal 2026 etwa 43 Prozent der Exporteinnahmen auf nur fünf Unternehmen – zwei Jahre zuvor waren es noch 27 Prozent.
Produktivität: beeindruckend im Kleinen, unsicher im Großen
Auf Unternehmensebene und bei einzelnen Tätigkeiten sind die Ergebnisse teilweise spektakulär. Hernández de Cos verweist auf empirische Studien, nach denen generative KI bei bestimmten Aufgaben Produktivitätssteigerungen zwischen 10 und 65 Prozent ermöglichen kann. Gemessene Zeitersparnisse liegen je nach Studie ungefähr zwischen 20 und 50 Prozent. Besonders deutlich zeigen sich solche Effekte bislang beim Programmieren, bei Beratungsaufgaben und beim professionellen Schreiben.
Interessant ist ein weiteres Ergebnis: Bei eng abgegrenzten Aufgaben profitieren weniger erfahrene Beschäftigte häufig stärker als ihre erfahreneren Kollegen. KI könnte damit einen Teil des Erfahrungs- und Wissensvorsprungs ausgleichen – zumindest dort, wo sich Tätigkeiten gut durch KI unterstützen lassen.
Doch aus einer 40-prozentigen Zeitersparnis bei einer einzelnen Tätigkeit folgt keineswegs automatisch ein 40-prozentiger Produktivitätssprung der gesamten Volkswirtschaft. Genau hier liegt eine der zentralen Unsicherheiten. Entscheidend ist, wie schnell Unternehmen ihre Prozesse verändern, Kapital und Arbeitskräfte neu eingesetzt werden und welche organisatorischen Hindernisse die Einführung bremsen. Die in der Literatur diskutierten Schätzungen liegen weit auseinander; der von Hernández de Cos genannte Median entspricht ungefähr einem zusätzlichen Wachstum der Totalen Faktorproduktivität von 0,5 Prozentpunkten pro Jahr. Erste länderübergreifende Ergebnisse deuten zugleich darauf hin, dass Länder, die bereits 2023 besser auf KI vorbereitet waren, seitdem im Durchschnitt ein höheres Wachstum der Arbeitsproduktivität verzeichnen.
Die zentrale Botschaft lautet damit: Die mikroökonomische Evidenz ist beachtlich – wie viel davon tatsächlich in gesamtwirtschaftliches Wachstum übersetzt wird, ist wesentlich schwerer vorherzusagen.
KI ergänzt Arbeit – und ersetzt sie
Auch für den Arbeitsmarkt beschreibt der Vortrag keine einfache Erfolgsgeschichte und kein einfaches Untergangsszenario. Zwei Kräfte wirken gleichzeitig. Einerseits kann KI menschliche Arbeit ergänzen. Sie erhöht die Produktivität, insbesondere wenn weiterhin Urteilsvermögen, Erfahrung und menschliche Entscheidungen erforderlich sind. Andererseits kann sie Beschäftigte bei routinemäßigen kognitiven Tätigkeiten ersetzen. Welcher Effekt überwiegt, hängt von Beruf, Branche und Volkswirtschaft ab.
Bislang sei die tatsächliche Verdrängung von Arbeitsplätzen noch begrenzt, so Hernández de Cos. Viele Unternehmen experimentieren mit KI und warten angesichts regulatorischer Unsicherheit, Kosten und Fragen zur Zuverlässigkeit noch ab. Erste Verdrängungseffekte seien jedoch unter anderem im Kundenservice, beim Programmieren und bei administrativen Tätigkeiten erkennbar. Bemerkenswert ist zudem ein Blick in Unternehmenskonferenzen: Nach den von der BIZ ausgewerteten Earnings Calls sprechen nahezu 80 Prozent der Unternehmen über Pläne zur Automatisierung von Produktionsprozessen und zu einer stärkeren Substitution menschlicher Arbeit.
Die Schlussfolgerung des BIZ-Chefs ist ausdrücklich nicht, die Technologie aufzuhalten. Entscheidend seien vielmehr Weiterbildung und Umschulung. Ob KI Menschen ergänzt oder verdrängt, werde auch davon abhängen, wie gut Beschäftigte auf den technologischen Wandel vorbereitet werden.
Nicht jedes Land startet vom gleichen Punkt
Besonders relevant ist die Frage nach der internationalen Verteilung der KI-Gewinne. Nach Hernández de Cos bestimmen vor allem zwei Faktoren, wie stark eine Volkswirtschaft profitieren kann: die Fähigkeit, KI produktiv einzusetzen, und ihre Position in der Produktion von KI.
Beim Einsatz der Technologie spielen zunächst Wirtschaftsstruktur und "AI Preparedness" eine Rolle. Generative KI erzielt bislang besonders starke Produktivitätsgewinne in Finanzdienstleistungen, professionellen Dienstleistungen und Informationsberufen – also dort, wo viele kognitive und informationsverarbeitende Tätigkeiten ausgeführt werden. Solche Branchen besitzen in entwickelten Volkswirtschaften häufig ein größeres Gewicht als in Schwellen- und Entwicklungsländern, deren Wirtschaftsleistung stärker von Landwirtschaft oder klassischer Industrie geprägt ist.
Hinzu kommen digitale Infrastruktur, Humankapital, Innovationsfähigkeit und geeignete regulatorische Rahmenbedingungen. Eine von Hernández de Cos zitierte BIZ-Untersuchung über 56 Volkswirtschaften und 16 Branchen zeigt: Besonders KI-exponierte Branchen wachsen stärker in Ländern, die für den Einsatz künstlicher Intelligenz besser vorbereitet sind. Damit besteht die Gefahr, dass KI bestehende Produktivitätsunterschiede zwischen Ländern zunächst eher vergrößert als verkleinert. Gleichzeitig warnt der Vortrag vor zu groben Kategorien: Auch zwischen Schwellenländern bestehen enorme Unterschiede.
Fünf Ebenen einer neuen Wertschöpfungskette
Für die Produktionsseite beschreibt die BIZ KI nicht als einzelnes Produkt, sondern als komplexe globale Wertschöpfungskette. Sie reicht von Halbleitern über Cloud-Infrastruktur, Trainingsdaten und Foundation Models bis zu den Anwendungen für Endnutzer. Viele dieser Ebenen zeichnen sich durch hohe Fixkosten sowie starke Größen- und Verbundvorteile aus. Das begünstigt große Anbieter. Die globalen KI-Giganten konzentrieren sich deshalb bislang auf wenige Länder und Regionen, insbesondere die Vereinigten Staaten, China, Taiwan, Korea und die Niederlande. Einige der größten Unternehmen decken sogar mehrere Ebenen gleichzeitig ab – vom Chipdesign über Cloud-Plattformen bis zu Modellen und Anwendungen.
Für kleinere Volkswirtschaften folgt daraus allerdings nicht, dass sie eine komplette heimische KI-Industrie aufbauen müssen. Hernández de Cos formuliert vielmehr einen klassischen ökonomischen Zielkonflikt: Einerseits kann der Aufbau eigener Kapazitäten die Widerstandsfähigkeit erhöhen. Andererseits wäre es ineffizient, überall dieselben enormen Fixkosten zu duplizieren. Chancen können deshalb auch in spezialisierten Anwendungen, lokal angepassten Modellen, Sprachen oder domänenspezifischen Daten liegen.
Drei mögliche KI-Zukünfte
Für Zentralbanken wird es besonders schwierig, weil niemand mit Sicherheit weiß, wie stark KI das langfristige Wachstum tatsächlich verändern wird. Der BIZ Annual Economic Report 2026 unterscheidet deshalb drei grundsätzlich unterschiedliche Szenarien, die Hernández de Cos in seiner Rede aufgreift. Im ersten Szenario sorgt KI für einen begrenzten, aber dauerhaften Produktivitätsschub. Die Wachstumsrate verschiebt sich nach oben, ohne dass sich die grundlegende Dynamik der Wirtschaft verändert.
Das zweite Szenario ist wesentlich radikaler: Bei einer transformierenden KI verbessert sich die Technologie zunehmend selbst, wodurch ein sich selbst verstärkender Wachstumspfad entstehen könnte.
Das dritte Szenario bezeichnet die BIZ als "Demand Bottleneck", also als Nachfrageengpass. Automatisierung verschiebt Einkommen zunehmend von Arbeit in Richtung Kapital und weiterer KI-Investitionen. Werden viele Beschäftigte ersetzt, gehen zugleich Konsumenten und damit Nachfrage verloren. Produktivitätsfortschritte könnten dann paradoxerweise irgendwann ins Leere laufen: Nicht die technische Leistungsfähigkeit wäre die Grenze, sondern eine zu schwache Nachfrage.
Diese Szenarien hätten völlig unterschiedliche Auswirkungen auf den natürlichen Zinssatz und die Inflation. Genau deshalb wird die Aufgabe der Zentralbanken nicht einfacher.
Das Mandat bleibt – die Welt wird schwerer zu lesen
Die geldpolitischen Ziele ändern sich durch KI nicht. Zentralbanken sollen weiterhin Preis- und Finanzstabilität sichern. Doch die Rahmenbedingungen, unter denen sie diese Ziele verfolgen, könnten deutlich komplizierter werden. KI wirkt gleichzeitig auf Nachfrage, Angebot, Investitionen, Produktivität und Finanzmärkte. Dadurch steigt die Unsicherheit über zentrale Größen, die ohnehin nicht direkt beobachtbar sind – etwa das Produktionspotenzial oder den natürlichen Zinssatz. Ein struktureller Technologieschub kann dazu führen, dass traditionelle Modelle das tatsächliche Produktionspotenzial falsch einschätzen und damit auch die gemessene Produktionslücke verzerrt wird.
Die Herausforderung besteht also weniger darin, dass Zentralbanken ein völlig neues Mandat benötigen. Vielmehr müssen sie mit einer Wirtschaft umgehen, deren Struktur sich schneller verändert und deren zentrale Parameter dadurch schwieriger zu schätzen sind.
Wenn aus dem KI-Boom ein Finanzrisiko wird
Besonders deutlich wird der Risikoblick des Vortrags beim Thema Finanzstabilität. Ein erstes Problem ist die Cybersicherheit. Leistungsfähigere KI-Modelle helfen sowohl Verteidigern als auch Angreifern. Hernández de Cos weist jedoch auf eine Asymmetrie hin: Der Angreifer muss im Zweifel nur eine einzige Schwachstelle finden, während der Verteidiger das gesamte System schützen muss. KI könnte dieses strukturelle Ungleichgewicht zugunsten der Angreifer verschieben.
Ein zweiter Risikokomplex entsteht unmittelbar aus dem Investitionsboom. Die Bewertungen an den Aktienmärkten sind stark auf wenige KI-Unternehmen konzentriert und beruhen auf hohen Erwartungen an zukünftige Gewinne. Gleichzeitig übersteigen die Investitionen einiger großer Unternehmen zunehmend deren Cashflows. Fremdfinanzierung und Private Credit gewinnen an Bedeutung.
Hinzu kommen schwer durchschaubare Verflechtungen. Beim sogenannten Circular Financing beteiligen sich beispielsweise Chipproduzenten oder Hyperscaler an KI-Unternehmen, während diese sich gleichzeitig zum Kauf von Chips oder Rechenleistung verpflichten. Finanzierung, Nachfrage und Unternehmensbewertungen können dadurch miteinander verbunden werden. Die tatsächliche Risikoexposition wird schwieriger zu erkennen.
Die Geschichte kennt ähnliche Euphorien
Der Vortrag zieht bewusst Parallelen zu früheren technologischen Investitionswellen: zur Kanal-Euphorie der 1830er Jahre, zum britischen Eisenbahnboom der 1840er Jahre, zur Elektrifizierung der 1920er Jahre und zur Dotcom-Welle Ende der 1990er Jahre. In allen Fällen stand hinter der Euphorie eine reale, wirtschaftlich bedeutende Innovation. Dennoch floss zeitweise mehr Kapital in die neue Technologie, als die späteren Erträge rechtfertigen konnten.
Genau hierin liegt eine wichtige Unterscheidung: Eine Technologie kann revolutionär sein und ihre Bewertung trotzdem überzogen. Sollten die wirtschaftlichen Erträge der KI hinter den Erwartungen zurückbleiben, könnte sich der heutige Investitionsboom in eine deutliche Korrektur verwandeln. Die Folgen könnten nach Einschätzung der BIZ sogar stärker ausfallen als bei früheren Episoden. Haushalte halten heute größere Teile ihres Vermögens in Aktien, sodass Kursverluste stärker auf den Konsum durchschlagen können. Zugleich besitzen US-Aktien ein enormes Gewicht an den globalen Kapitalmärkten, wodurch sich eine Korrektur international übertragen könnte.
Hernández de Cos sagt ausdrücklich nicht voraus, dass eine solche Entwicklung eintreten muss. Die Geschwindigkeit und Größenordnung der Investitionen sowie die hohen Erwartungen an künftige Erträge rechtfertigten jedoch erhöhte Aufmerksamkeit.
Technologie allein entscheidet nicht
Am Ende ist die Botschaft des Vortrags bemerkenswert nüchtern. Das wirtschaftliche Potenzial künstlicher Intelligenz sei real. Ob daraus jedoch breit verteiltes Wachstum oder neue wirtschaftliche Ungleichgewichte entstehen, entscheidet nicht allein die Leistungsfähigkeit der Modelle. Relevant sind Investitionen in Infrastruktur und Fähigkeiten, Wettbewerb, Daten-Governance und leistungsfähige Institutionen. Die entscheidende Frage lautet damit nicht nur, wie leistungsfähig KI wird, sondern auch, wer von dieser Leistungsfähigkeit profitieren kann.
Für Zentralbanken bedeutet das: Das Mandat bleibt gleich, aber die Unsicherheit nimmt zu. Messung, ökonomisches Urteil, Anpassungsfähigkeit der Politik und internationale Zusammenarbeit werden deshalb nach Einschätzung der BIZ wichtiger. Oder anders formuliert: KI könnte viele Dinge besser prognostizieren – gleichzeitig macht sie die Volkswirtschaft, die Zentralbanken prognostizieren müssen, womöglich erst einmal schwieriger verständlich.
Quellenverzeichnis:
- Pablo Hernández de Cos (2026): Artificial intelligence, growth and financial stability: challenges for central banks. Rede beim Global Fintech Fest 2026, Mumbai, 10. September 2026, Bank for International Settlements (BIS). Internet
