The Agentic Revenue CompanyRevenue as a Service
Blog

KI überall, Produktivität nirgends? Warum der neue Solow-Moment zum Umdenken zwingt

Fast jedes Unternehmen nutzt KI, doch in der Produktivität kommt bisher wenig an. Was das Solow-Paradox damit zu tun hat – und warum der Hebel in der Umsetzung liegt, nicht im nächsten Tool.

In Strategiemeetings und Geschäftsberichten ist KI allgegenwärtig. Fragt man dagegen nach dem messbaren Effekt auf Produktivität und Ergebnis, wird es oft still. Dieser Widerspruch ist nicht neu. Ökonominnen und Ökonomen erinnert er an ein bekanntes Muster aus der Computergeschichte: das Solow-Paradox.

Ein Déjà-vu aus der IT-Geschichte

Ab den 1970er-Jahren verbreiteten sich Computer rasant in Unternehmen. Ein Produktivitätsschub blieb trotzdem lange aus; das Produktivitätswachstum in den USA schwächte sich sogar ab. Der Ökonom Robert Solow brachte das 1987 sinngemäß auf den Punkt: Das Computerzeitalter sei überall zu sehen – nur nicht in der Produktivitätsstatistik.

Eine Erklärung war ebenso banal wie wichtig. Neue Technik erzeugte zunächst mehr Daten, mehr Berichte und mehr Abstimmung. Der organisatorische Nutzen kam erst später, als Unternehmen ihre Abläufe um die Technik herum neu ordneten.

Was Führungskräfte heute über KI berichten

Heute zeigt sich ein ähnliches Bild. Eine Forschungsgruppe um Nicholas Bloom und Steven J. Davis hat für das National Bureau of Economic Research fast 9.000 Finanzvorstände, Geschäftsführer und weitere Führungskräfte in den USA, Großbritannien, Deutschland, Australien, Kanada, Mexiko und Südafrika befragt (Befragung Sommer 2026, Fassung vom Oktober 2026):

  • 78 Prozent der Unternehmen nutzen KI.
  • 80 Prozent der Führungskräfte nutzen KI regelmäßig – im Schnitt rund 2,1 Stunden pro Woche.
  • Auf die Beschäftigung hatte KI nach ihrer Einschätzung in den letzten drei Jahren netto praktisch keine Wirkung.
  • Die Arbeitsproduktivität hat KI nach eigener Angabe um 0,2 Prozent pro Jahr gesteigert. Für die nächsten drei Jahre erwarten die Befragten 0,6 Prozent pro Jahr.

KI ist also angekommen – in den Werkzeugen. In den Ergebnissen noch kaum. Die Erwartungen bleiben dennoch hoch.

Warum der Durchbruch ausbleibt

Zwischen technischer Verfügbarkeit und messbarer Wirkung liegt ein Graben, den kein Modell allein überbrückt. Drei Punkte fallen dabei auf:

  • Nutzungstiefe statt Tool-Existenz: Ein KI-Zugang verändert noch keinen Prozess. Wirkung entsteht erst, wenn Abläufe, Zuständigkeiten und Qualitätskontrollen neu gestaltet werden.
  • Komplexität frisst Gewinne: Viele parallele Werkzeuge ohne Priorität erzeugen Reibung, Wechsel und Nacharbeit. Der Zeitgewinn im Einzelnen geht im Ganzen verloren.
  • Vertrauen und Kompetenz: Wenn Mitarbeitende Ergebnissen der KI nicht trauen oder nicht wissen, wann sie prüfen müssen, wird doppelt gearbeitet – oder gar nicht.

Gemischte Evidenz ist in solchen Phasen normal. Frühe Signale in einzelnen Teams springen schneller an, als volkswirtschaftliche Kennzahlen reagieren.

Der J-Kurven-Effekt: erst Reibung, dann Hebel

Ökonomen um Erik Brynjolfsson beschreiben diesen Verlauf als Produktivitäts-J-Kurve: Zunächst steigen Investitionen und Umstellungsaufwand, bevor die Wirkung sichtbar wird. Das kennen wir aus früheren Technologiewellen. Ziehen Prozesse, Rollen und Führungslogik nach, kann aus punktueller KI-Nutzung ein Systemeffekt werden.

Wie groß dieser Effekt ausfällt, hängt weniger vom Modell ab als von der Umsetzung. Wert entsteht dort, wo KI in Entscheidungswege und Kundenprozesse eingebettet wird – im Vertrieb etwa dort, wo KI-Agenten im Vertrieb Vorgänge vorbereiten, nachfassen und Menschen an den richtigen Stellen entscheiden lassen.

Was Sie jetzt konkret tun können

  • Wenige, messbare Anwendungsfälle wählen statt einer Tool-Sammlung ohne Priorität.
  • Wirkung vorher festlegen: Welche Ergebniskennzahl soll sich bewegen – Umsatz, Durchlaufzeit, Fehlerquote, Marge? Und wie sieht die Ausgangslage aus?
  • Arbeit neu schneiden: Prozesse, Rollen und Entscheidungsspielräume für Agenten und Menschen vom Ergebnis her gestalten – das meinen wir mit KI-first.
  • Kompetenz nah am Alltag aufbauen: mit klaren Standards, wann ein Mensch prüft und freigibt.
  • Den Wandel führen: KI-Erfolg ist eine Umsetzungs- und Führungsaufgabe, kein reines IT-Projekt. Wie das gelingt, beschreibt unser Beitrag zum Change-Management bei KI-Einführungen.

Fazit: KI ist ein Hebel, keine Abkürzung

Das neue Solow-Paradox ist kein Beleg dafür, dass KI nicht wirkt. Es zeigt, dass Wirkung nicht mit dem Werkzeug kommt, sondern mit der Gestaltung. Wer den Hebel sauber ansetzt, macht aus dem scheinbaren Paradox einen belastbaren Beitrag zum Ergebnis.

Genau deshalb beginnt REVAGO nicht mit Technik, sondern mit Ihren Zielen. Im AI-first-Coaching finden Sie heraus, ob und wie KI-Agenten Ihren Umsatz sichern und ausbauen können. Wie wir den wirtschaftlichen Wert danach beurteilbar machen, lesen Sie im Beitrag Value: Wie wir den wirtschaftlichen Wert von Agenten beurteilbar machen.


← Alle Beiträge