Die Intelligenz-Dividende: Was KI für Wachstum, Inflation und Portfolios bedeutet

Die Euphorie um künstliche Intelligenz hat einen Investitionszyklus historischen Ausmaßes angestoßen. Ob daraus ein entsprechender Schub für Wirtschaftswachstum, Inflation und Beschäftigung entsteht, ist jedoch ungewiss.

Der Produktivitätsgewinn – wann und in welchem Umfang?

Technologieinvestitionen sind für rund 64 Cent von jedem Dollar, um den die US-Wirtschaftsleistung seit 2024 gewachsen ist, verantwortlich.¹ Die Ausgaben für Hardware sind von knapp 2% auf über 3% des US-BIP gestiegen – ein Plus von mehreren hundert Milliarden Dollar:² Die Produktivität der US-Wirtschaft ist in diesem Konjunkturzyklus bereits um über 2% gestiegen – verglichen mit einem Trendwachstum von 1,5% im vorherigen Zyklus. Dieser Anstieg ist jedoch vor allem auf die außergewöhnliche Dynamik des Arbeitsmarktes im Nachgang der Pandemie zurückzuführen und bislang kaum auf den Einsatz von KI.³ Der KI-Schub lässt noch auf sich warten. Bei mehr als drei Viertel der US-Unternehmen steht die Integration von KI-Technologien in die Geschäftsprozesse noch aus.⁴

Die Diskrepanz zwischen den gewaltigen Investitionen und dem bislang begrenzten praktischen Einsatz der neuen Technologien erklärt, warum die Einschätzungen zu den künftigen Produktivitätseffekten von KI so stark auseinandergehen. Den konservativsten Schätzungen zufolge liegt der Beitrag von KI zur totalen Faktorproduktivität derzeit bei nahe Null. Optimistischere Prognosen der OECD sehen ein potenzielles jährliches Wachstum der Arbeitsproduktivität von bis zu 1,3 Prozentpunkten in G7‑Staaten mit „höherer KI-Nutzung“.⁵ Beide Annahmen können zu unterschiedlichen Zeitpunkten zutreffen. Bis sich die Produktivitätsgewinne durch das Internet in den volkswirtschaftlichen Gesamtrechnungen niederschlugen, verging fast ein Jahrzehnt. Es gibt wenig Anlass zu der Annahme, dass dieser Prozess bei künstlicher Intelligenz schneller verlaufen wird, zumal die dafür notwendigen Anpassungen von Unternehmensstrukturen und Arbeitsabläufen noch komplexer sein dürften.

Ein komplexes Inflationsbild

Aufgrund gegenläufiger Auswirkungen auf die Preisentwicklung lassen sich die Auswirkungen von KI auf die Inflation nur schwer abschätzen.

Ein neuer vierteljährlicher US-Index zur KI-Intensität deutet vielmehr darauf hin, dass die Technologie derzeit eher inflationär wirkt. Bemerkenswert ist dabei, dass gerade die KI-intensivsten Wirtschaftszweige tendenziell die höchsten Inflationsraten aufweisen.⁶ Die hohen Kosten für den Ausbau der KI-Infrastruktur fallen an, lange bevor die Produktivitätsgewinne entstehen, die diese Ausgaben wieder hereinholen sollen.

Am deutlichsten machen sich diese Kosten im Energiebereich bemerkbar. Die Strompreise in den USA sind bis Dezember 2025 im Jahresvergleich um 6,9% gestiegen und damit mehr als doppelt so schnell wie die PCE-Gesamtinflation.⁷ Bis Ende 2027 dürften die Strompreise für Privathaushalte weiter mit Raten von rund 6% steigen, während sich der Anteil der Rechenzentren am gesamten US-Stromverbrauch bis 2030 von derzeit etwa 4% voraussichtlich nahezu verdoppeln wird.⁸ Die steigende Inflation spiegelt sich bereits in höheren Inputkosten der verarbeitenden Industrie, steigenden Kosten im Dienstleistungssektor und einer stärkeren Belastung der privaten Haushalte wider.

Diese Dynamik wird durch die Erwartungsbildung weiter verkompliziert. Wenn Unternehmen und Haushalte heutige Konsum- und Investitionsentscheidungen auf Basis der erwarteten höheren Einkommen durch künftige KI-bedingte Produktivitätsgewinne treffen, könnte Inflationsdruck entstehen, bevor diese tatsächlich realisiert werden.

Mit der zunehmenden Verbreitung von KI und steigender Arbeitsproduktivität könnte der resultierende Rückgang der Lohnstückkosten die Dienstleistungsinflation spürbar dämpfen (der gleiche Mechanismus war auch für die wirtschaftliche Expansion bei nachlassender Inflation in den 1990er Jahren verantwortlich). Einer Umfrage des Weltwirtschaftsforums vom Juni 2026 zufolge gehen Ökonomen inzwischen jedoch davon aus, dass KI-bedingte Produktivitätssteigerungen in den meisten Branchen frühestens in zwei Jahren spürbar werden – und damit später als noch Anfang 2026 angenommen.⁹

Jobs: betroffen, aber nicht ersetzt

Bei der Beschäftigung sieht es ähnlich aus. Der Druck steigt, aber bislang deuten die Daten nur auf begrenzte disruptive Effekte hin. Der IWF schätzt, dass KI bis zu 40% der weltweiten Jobs verändern wird und vier von fünf US-Arbeitnehmern in Berufen arbeiten, in denen mindestens 10% ihrer Aufgaben durch große Sprachmodelle (LLMs) schneller erledigt werden können.¹⁰ Dennoch ist es seit der Einführung generativer KI zu keinen gesamtwirtschaftlichen Beschäftigungsverlusten oder Lohnrückgängen gekommen. Die Erfahrung aus früheren technologischen Umbrüchen zeigt, dass neue Technologien zunächst die Art der Arbeit verändern, bevor sie – häufig mit einer Verzögerung von mehr als zehn Jahren – Arbeitskräfte ersetzen. Vieles deutet darauf hin, dass dies auch für KI gilt.¹¹

Befürchtungen, KI könne in großem Stil kognitive Tätigkeiten verdrängen und eine „White-Collar-Rezession“ – einen Abschwung, der vor allem gut bezahlte Bürojobs betrifft – auslösen, bleiben ein Extremrisiko und nicht das Basisszenario. Seit Jahresbeginn wurden in der US-Tech-Branche über 142.000 Stellen gestrichen, rund 33% mehr als im gleichen Vorjahreszeitraum. Laut Analysten sind die Haupttreiber jedoch Kostendisziplin und der Abbau von Personalüberhängen aus der Pandemiezeit, während KI und Automatisierung lediglich etwa ein Viertel der Kürzungen erklären.¹² Unsere Schätzungen zeigen, dass Phasen starker Produktivitätszuwächse typischerweise mit einer niedrigeren Arbeitslosenquote einhergehen (siehe Abbildung).

In den großen Industrieländern ist in den KI-exponierten Bereichen der professionellen Dienstleistungen bislang kein nennenswerter Anstieg der Arbeitslosigkeit zu beobachten; gleichzeitig zeigt sich das Lohnwachstum weiterhin stabil. Doch ähnlich wie bei der Produktivität zeigen sich die Auswirkungen auf den Arbeitsmarkt in der Regel erst mit zeitlicher Verzögerung. Beobachtet werden muss vor allem, ob die Arbeitslosigkeit unter Hochschulabsolventen in KI-exponierten Branchen nachhaltig steigt, ob professionelle Dienstleister mit Verweis auf Effizienzgewinne durch KI schneller Stellen abbauen oder ob sich der Arbeitsmarkt für Berufseinsteiger im Finanz- und Rechtswesen oder in Technologiejobs spürbar verschlechtert.

Gemischte Signale von den Anleihemärkten

Makroökonomische Entwicklungen wie die Inflations- und Beschäftigungsdynamik haben direkte Implikationen für Anleger. Und die Anleihemärkte senden ein kontraintuitives Signal zu den Auswirkungen von KI. Eine Untersuchung des National Bureau of Economic Research (NBER) zu den Renditen von US-Staatsanleihen, TIPS und Unternehmensanleihen rund um die Einführung wichtiger KI-Modelle in den Jahren 2023 und 2024 zeigt, dass diese durchweg und nachhaltig um durchschnittlich mehr als 10 Basispunkte zurückgingen und nach jeder Markteinführung jeweils über zwei Wochen auf diesem niedrigeren Niveau verharrten.¹³ Oberflächlich betrachtet preisten die Anleihemärkte KI als disinflationär wirkenden Produktivitätsschock ein – ein Szenario, das sich langfristig bestätigen könnte. Dem steht jedoch ein gegenläufiger Effekt gegenüber, den das NBER auf Abwärtskorrekturen der erwarteten Konsumwachstumsraten zurückführt.

Investitionen in Technologie-Hardware machen über 3% des BIP aus und die Finanzierung des KI-Ausbaus (Rechenzentren, Halbleiter-Lieferketten, Energieinfrastruktur) kann über Emissionen langfristiger Unternehmensanleihen anhaltenden Aufwärtsdruck auf die Laufzeitprämien erzeugen.¹⁴ Nach Einschätzung der Federal Reserve Bank von Dallas handelt es sich hierbei um einen strukturellen und nicht um einen konjunkturellen Faktor.

Unter all dem steht die Frage, wo sich der neutrale Zinssatz (r*) einpendelt – jener Leitzins, bei dem die Wirtschaft weder heiß läuft noch schrumpft. Eine KI-Ökonomie, die von Produktivitätsgewinnen getragen wird, spricht für einen höheren r*, da verbesserte Wachstumsaussichten die Kapitalkosten im Marktgleichgewicht erhöhen.

Wenn die durch KI erzielten Gewinne jedoch überproportional den Kapitaleignern zugutekommen, während Teile der Arbeitskräfte verdrängt werden, könnten ein verstärktes Vorsorgesparen, politischer Umverteilungsdruck sowie eine zunehmende soziale Unsicherheit diesen Aufwärtsdrucks teilweise wieder ausgleichen. Die aktuellen Schätzungen der Cleveland Fed ergeben ein sehr breites Konfidenzintervall von 2,9% bis 4,5% für den nominalen neutralen Zinssatz.¹⁵ Für Fixed-Income-Anleger ist das Timing der entscheidende Faktor. Die positiven angebotsseitigen Auswirkungen von KI stellen sich erst langfristig ein, während die Nachfrageeffekte an den Kapitalmärkten sofort spürbar sind.

Portfoliopositionierung vor dem KI-Payoff

Die Energiedaten und die anstehenden Investitionsfinanzierungen erklären, warum KI keine einfache Wette auf eine nachlassende Inflation ist. Das strukturelle Angebot durch höhere Emissionsvolumina in Verbindung mit KI-Infrastrukturfinanzierungen führt zu einem erneuten Anstieg der Laufzeitprämien. Für Kreditanlagen ist die Phase des KI-Investitionszyklus wichtiger als ein breites Sektorengagement. So bieten Infrastrukturkredite vertraglich gesicherte Cashflows und eine langfristig stabile Nachfrage, während die Spreads von Anleihen etablierter Unternehmen mit KI-Exposure das Disruptionsrisiko möglicherweise nicht widerspiegeln. Die nächste unbeantwortete Frage ist, ob es den Hyperscalern gelingt, aus ihren hohen Investitionsausgaben nachhaltige Renditen zu generieren.

Unserer Ansicht nach kristallisieren sich für Investoren zwei wesentliche Anlagethemen heraus. Erstens bleiben wir trotz des jüngsten Renditeanstiegs bei länger laufenden Anleihen weiterhin vorsichtig in Bezug auf das Durationsexposure. Durch die kurzfristig inflationären Auswirkungen von KI-Investitionen besteht weiterhin Aufwärtspotenzial bei den Zinsen. Zweitens empfehlen wir eine moderat risikoorientierte Positionierung bei einer sorgfältigen Auswahl von Kreditanlagen mit einem Rating unterhalb Investment Grade. Entscheidend ist, dass Unternehmen und Sektoren mit einem hohen Disruptionsrisiko gemieden werden. Segmente wie Hochzinsanleihen, Senior Loans und Emerging Markets bieten weiterhin attraktive Ertragschancen für aktive Manager, die ihre Positionierung mit Blick auf die gegenläufigen Auswirkungen der KI-Transformation erfolgreich steuern und potenzielle Gewinner identifizieren können.