KI-Wirtschaft wächst rasant, neue Messung nötig
Drei Ökonomen der Bank of Canada schlagen ein neues Framework zur Messung der KI-Wirtschaft vor. Ihre Schätzungen zeigen ein qualitätsbereinigtes Wachstum von über 2500 Prozent in den Jahren 2024 und 2025.
Explosives Wachstum der KI-Produktion
Die Studie konstruiert eine makroökonomische Schätzung der gesamten KI-Produktion für die Vereinigten Staaten.
Demnach wuchsen die nominalen Ausgaben für KI-Rechenleistung in den Jahren 2024 und 2025 um jeweils über 140 Prozent pro Jahr.
Die reine Rechenkapazität stieg jährlich um mehr als 200 Prozent.
Noch beeindruckender ist das qualitätsbereinigte KI-Output, das in beiden Jahren um über 2000 Prozent zulegte.
Diese Wachstumsraten sind das Ergebnis dreier sich verstärkender Kräfte: der Ausbau von Rechenzentrumskapazitäten, kontinuierliche Verbesserungen der Chipeffizienz und rascher algorithmischer Fortschritt.
Die Autoren entwickeln auf dieser Basis ein Framework für ein „KI-BIP“, das die KI-Wirtschaft als kohärentes Ganzes erfasst, anstatt sie über Standard-Industrieklassifikationen zu verteilen.
Das qualitätsbereinigte KI-BIP wuchs 2024 und 2025 um jeweils mehr als 2500 Prozent.
Diese Messgrößen ergänzen die traditionellen Volkswirtschaftlichen Gesamtrechnungen, indem sie Einblicke in einen sich schnell entwickelnden Sektor bieten, dessen Aktivitäten in bestehenden Statistiken schwer zu isolieren sind.
Sie könnten als Bausteine für Satellitenkonten dienen, die die wachsende Rolle der KI in der Wirtschaft verfolgen.
Blinde Flecken der traditionellen Statistik
Die Einführung von KI stellt die traditionellen Wirtschaftsstatistiken vor erhebliche Messherausforderungen.
Während die Fähigkeiten der KI rasant voranschreiten, bleiben ihre Auswirkungen in den konventionellen BIP-Zahlen und Produktivitätsstatistiken weitgehend unsichtbar.
Dies liegt daran, dass KI-Aktivitäten über Dutzende von Industriekategorien verstreut sind, von Datenverarbeitung bis zu professionellen Dienstleistungen, was eine kohärente Verfolgung erschwert.
Zudem sind die Qualitätsverbesserungen bei KI ungewöhnlich schnell, was die Erfassung durch Standard-Hedonik-Techniken in Frage stellt.
Die Autoren betonen, dass die Volkswirtschaftlichen Gesamtrechnungen für eine Wirtschaft konzipiert wurden, in der die gesamte Produktion letztlich um den Menschen als zentralen Wertschöpfungspunkt organisiert ist.
Die rasche Entwicklung des KI-Sektors erfordert jedoch neue Messansätze, da KI-Systeme von passiven Kapitalgütern zu aktiven Produktionsfaktoren werden könnten.
Der Vorschlag, KI-Training als Investition in „Modellkapital“ zu behandeln, erweitert die Logik der nationalen Konten, die bereits Forschung und Entwicklung als immaterielle Vermögenswerte kapitalisieren.
Wichtiger Schritt, aber noch Lücken
Die Studie liefert einen wichtigen konzeptionellen Rahmen, um die ökonomischen Auswirkungen der KI besser zu erfassen – ein notwendiger Schritt für Politik und Forschung.
Trotz des innovativen Ansatzes bleiben jedoch erhebliche Datenbeschränkungen und Unsicherheiten bestehen, etwa bei der Aufteilung der Rechenleistung zwischen Training und Inferenz oder den Bruttomargen von KI-Unternehmen.
Die Verbindung zwischen Benchmark-Leistung und tatsächlichem wirtschaftlichem Wert ist ebenfalls noch unklar.
Für eine belastbare Integration in die offizielle Statistik sind daher weitere Forschung und verbesserte Datenquellen unerlässlich.
Quelle: Measuring the AI Economy
IN: